Budowanie Inteligentnych Aplikacji z AI i ML - Plan Szkolenia

Wizja komputerowa

Analiza danych i wizualizacja

Uczenie głębokie i sieci neuronowe

Wdrażanie i skalowanie

Etyka i przyszłość sztucznej inteligencji

Wprowadzenie do sztucznej inteligencji i uczenia maszynowego

Projekt laboratoryjny

Modele uczenia maszynowego

Przetwarzanie języka naturalnego (NLP)

Podsumowanie i kolejne kroki

• Strategie wdrażania aplikacji sztucznej inteligencji
• Skalowanie aplikacji sztucznej inteligencji
• Monitorowanie i utrzymywanie systemów sztucznej inteligencji

• Tworzenie małej aplikacji inteligentnej
• Praca z rzeczywistymi zbiorami danych
• Współpraca nad projektem grupowym w celu rozwiązania problemu istotnego dla przemysłu

• Etyczne rozważania w sztucznej inteligencji
• Polityka i regulacje sztucznej inteligencji
• Przyszłe trendy w sztucznej inteligencji i uczeniu maszynowym

• Eksploracyjna analiza danych
• Techniki wizualizacji danych
• Statystyczne podstawy uczenia maszynowego

• Podstawy sieci neuronowych
• Konwolucyjne sieci neuronowe (CNNs)
• Rekurentne sieci neuronowe (RNNs)

• Podstawy przetwarzania obrazów
• Wykrywanie obiektów i klasyfikacja obrazów
• Zaawansowane tematy w wizji komputerowej

• Przegląd pojęć sztucznej inteligencji i uczenia maszynowego
• Zbieranie i przygotowywanie danych
• Wprowadzenie do Pythona dla sztucznej inteligencji

• Algorytmy uczenia nadzorowanego
• Algorytmy uczenia nienadzorowanego
• Ocenianie i wybór modelu

• Przetwarzanie tekstu i ekstrakcja cech
• Analiza sentymentu i klasyfikacja tekstu
• Modele językowe i chatboty