Wykrywanie oszustw z użyciem Pythona i TensorFlow - Plan Szkolenia

To 4-dniowy kurs wprowadzający do sztucznej inteligencji i jej zastosowań. Istnieje możliwość dodatkowego dnia na realizację projektu związanego z AI po zakończeniu kursu. 

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu), skierowane jest do profesjonalistów na zaawansowanym poziomie, którzy chcą pogłębić swoją wiedzę na temat computer vision i poznać możliwości TensorFlow w zakresie tworzenia zaawansowanych modeli wizyjnych przy użyciu Google Colab.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Budować i trenować konwolucyjne sieci neuronowe (CNNs) przy użyciu TensorFlow.
• Wykorzystywać Google Colab do skalowalnego i efektywnego rozwoju modeli w chmurze.
• Stosować techniki wstępnego przetwarzania obrazów do zadań computer vision.
• Wdrażać modele computer vision do rzeczywistych zastosowań.
• Wykorzystywać transfer learning, aby poprawić wydajność modeli CNN.
• Wizualizować i interpretować wyniki modeli klasyfikacji obrazów.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do analityków danych i inżynierów oprogramowania, którzy chcą wykorzystać Dask w ekosystemie Pythona do budowania, skalowania i analizowania dużych zbiorów danych.

Pod koniec szkolenia uczestnicy będą mogli:

• Przygotować środowisko do rozpoczęcia przetwarzania dużych zbiorów danych z wykorzystaniem Dask i Pythona.
• Poznać funkcje, biblioteki, narzędzia i API dostępne w Dask.
• Zrozumieć, w jaki sposób Dask przyspiesza przetwarzanie równoległe w Pythonie.
• Nauczyć się skalować ekosystem Pythona (Numpy, SciPy i Pandas) przy użyciu Dask.
• Optymalizować środowisko Dask, aby zachować wysoką wydajność w obsłudze dużych zbiorów danych.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do programistów Pythona i analityków danych na poziomie średnio zaawansowanym, którzy chcą poprawić swoje umiejętności w zakresie analizy i manipulacji danymi przy użyciu Pandas i NumPy.

Pod koniec szkolenia uczestnicy będą mogli:

• Skonfigurować środowisko programistyczne obejmujące Python, Pandas i NumPy.
• Tworzyć aplikacje do analizy danych przy użyciu Pandas i NumPy.
• Wykonywać zaawansowane operacje porządkowania, sortowania i filtrowania danych.
• Przeprowadzać operacje agregacyjne i analizować dane szeregów czasowych.
• Wizualizować dane za pomocą Matplotlib i innych bibliotek wizualizacyjnych.
• Debugować i optymalizować kod analizy danych.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do średniozaawansowanych naukowców zajmujących się danymi i programistów, którzy chcą zrozumieć i stosować techniki głębokiego uczenia w środowisku Google Colab.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować i poruszać się po Google Colab w projektach związanych z głębokim uczeniem.
• Zrozumieć podstawy sieci neuronowych.
• Implementować modele głębokiego uczenia za pomocą TensorFlow.
• Trenować i oceniać modele głębokiego uczenia.
• Wykorzystywać zaawansowane funkcje TensorFlow do głębokiego uczenia.

W tym szkoleniu prowadzonym przez instruktora, uczestnicy nauczą się używać bibliotek Pythona do NLP, tworząc aplikację, która przetwarza zestaw zdjęć i generuje podpisy.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Projektować i kodować DL dla NLP przy użyciu bibliotek Pythona.
• Tworzyć kod w Pythonie, który czyta znacznie dużą kolekcję zdjęć i generuje słowa kluczowe.
• Tworzyć kod w Pythonie, który generuje podpisy z wykrytych słów kluczowych.

Odbiorcy

Kurs jest odpowiedni dla badaczy i inżynierów zajmujących się Deep Learning, zainteresowanych wykorzystaniem dostępnych narzędzi (głównie open source) do analizy obrazów komputerowych.

Kurs zawiera praktyczne przykłady.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do programistów, którzy chcą wykorzystać stos FARM (FastAPI, React, i MongoDB) do tworzenia dynamicznych, wysokowydajnych i skalowalnych aplikacji webowych.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować niezbędne środowisko programistyczne integrujące FastAPI, React i MongoDB.
• Zrozumieć kluczowe koncepcje, funkcje i zalety stosu FARM.
• Nauczyć się tworzyć REST API za pomocą FastAPI.
• Nauczyć się projektować interaktywne aplikacje za pomocą React.
• Tworzyć, testować i wdrażać aplikacje (frontend i backend) przy użyciu stosu FARM.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do programistów, którzy chcą używać FastAPI z Pythonem do łatwiejszego i szybszego budowania, testowania i wdrażania RESTful API.

Pod koniec szkolenia uczestnicy będą mogli:

• Skonfigurować niezbędne środowisko programistyczne do tworzenia API z użyciem Pythona i FastAPI.
• Tworzyć API szybciej i łatwiej, korzystając z biblioteki FastAPI.
• Nauczyć się tworzyć modele danych i schematy oparte na Pydantic i OpenAPI.
• Łączyć API z bazą danych za pomocą SQLAlchemy.
• Implementować zabezpieczenia i uwierzytelnianie w API przy użyciu narzędzi FastAPI.
• Budować obrazy kontenerów i wdrażać web API na serwerze chmurowym.

Szkolenie koncentruje się na praktycznej nauce tworzenia REST API przy użyciu frameworka FastAPI. Uczestnicy poznają kompletny proces budowy aplikacji webowej – od zrozumienia architektury klient-serwer i protokołu HTTP, przez implementację wszystkich operacji CRUD, aż po integrację z bazą danych i zabezpieczenie aplikacji.

Program obejmuje pracę z prostym, przykładowym projektem, który uczestnicy budują krok po kroku. Nauczą się definiować endpointy, walidować dane wejściowe za pomocą Pydantic, obsługiwać błędy oraz zwracać odpowiednie kody statusu HTTP. Poznają dwa podejścia do pracy z bazą danych: bezpośrednie zapytania SQL przez psycopg oraz ORM SQLAlchemy.

Duży nacisk kładziemy na organizację kodu – podział na moduły, separację logiki, oraz dobre praktyki strukturyzacji projektu. Uczestnicy nauczą się również testować swoje API przy użyciu TestClient, pracować z automatycznie generowaną dokumentacją oraz implementować mechanizmy uwierzytelniania i hashowania haseł.

Po szkoleniu uczestnik będzie potrafił samodzielnie zaprojektować i zaimplementować funkcjonalne REST API z połączeniem do bazy danych, zabezpieczone i gotowe do dalszego rozwoju. Otrzyma praktyczną wiedzę pozwalającą na rozpoczęcie pracy jako backend developer w Pythonie.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do naukowców zajmujących się danymi oraz programistów, którzy chcą wykorzystać Modin do budowania i implementowania równoległych obliczeń z Pandas w celu szybszej analizy danych.

Pod koniec szkolenia uczestnicy będą mogli:

• Skonfigurować niezbędne środowisko do rozpoczęcia tworzenia przepływów pracy w Pandas na dużą skalę z wykorzystaniem Modin.
• Zrozumieć funkcje, architekturę i zalety Modin.
• Poznać różnice między Modin, Dask i Ray.
• Wykonywać operacje w Pandas szybciej z wykorzystaniem Modin.
• Implementować całe API i funkcje Pandas.

Szkolenie obejmuje kluczowe narzędzia wykorzystywane w pracy analitycznej i data science:
NumPy (operacje tablicowe), Pandas (analiza danych tabelarycznych) oraz biblioteki do wizualizacji.
Moduły prowadzą uczestnika od podstaw przetwarzania danych po tworzenie wykresów
i eksploracyjną analizę zbiorów danych (EDA)

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do programistów i naukowców zajmujących się danymi, którzy chcą używać TensorFlow 2.x do budowania predyktorów, klasyfikatorów, modeli generatywnych, sieci neuronowych itp.

Pod koniec szkolenia uczestnicy będą mogli:

• Zainstalować i skonfigurować TensorFlow 2.x.
• Zrozumieć zalety TensorFlow 2.x w porównaniu z poprzednimi wersjami.
• Budować modele głębokiego uczenia.
• Zaimplementować zaawansowany klasyfikator obrazów.
• Wdrożyć model głębokiego uczenia w chmurze, na urządzeniach mobilnych i IoT.

W tym szkoleniu prowadzonym przez instruktora, na żywo w Polsce (online lub na miejscu), uczestnicy nauczą się, jak konfigurować i używać TensorFlow Serving do wdrażania i zarządzania modelami ML w środowisku produkcyjnym.

Pod koniec szkolenia uczestnicy będą mogli:

• Trenować, eksportować i serwować różne modele TensorFlow.
• Testować i wdrażać algorytmy przy użyciu jednej architektury i zestawu API.
• Rozszerzać TensorFlow Serving, aby serwować inne typy modeli poza modelami TensorFlow.

TensorFlow to API drugiej generacji biblioteki oprogramowania open source Google do głębokiego uczenia. System został zaprojektowany, aby ułatwić badania w dziedzinie uczenia maszynowego oraz umożliwić szybkie i łatwe przejście od prototypu badawczego do systemu produkcyjnego.

Grupa docelowa

Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow w swoich projektach związanych z głębokim uczeniem.

Po ukończeniu kursu uczestnicy będą:

• rozumieć strukturę i mechanizmy wdrażania TensorFlow
• umieć przeprowadzać zadania instalacyjne, konfigurację środowiska produkcyjnego i architektury
• umieć oceniać jakość kodu, przeprowadzać debugowanie i monitorowanie
• umieć wdrażać zaawansowane procesy produkcyjne, takie jak trenowanie modeli, budowanie grafów i logowanie