Wprowadzenie do sztucznej inteligencji (AI)

Opis

Szkolenie zapewnia gruntowne wprowadzenie do dziedziny sztucznej inteligencji, obejmując zarówno podstawy teoretyczne, jak i praktyczne zastosowania. Uczestnicy poznają kluczowe koncepcje uczenia maszynowego, głębokiego uczenia oraz przetwarzania języka naturalnego. Program realizowany jest poprzez połączenie wykładów teoretycznych z intensywnymi warsztatami praktycznymi, gdzie uczestnicy samodzielnie implementują i trenują modele AI.

Profil uczestnika

• Programiści chcący rozpocząć pracę w dziedzinie AI
• Analitycy danych poszerzający kompetencje
• Inżynierowie oprogramowania
• Naukowcy i badacze z różnych dziedzin
• Specjaliści IT zainteresowani AI
• Studenci kierunków technicznych
• Osoby rozpoczynające karierę w AI

Agenda

1. Podstawy sztucznej inteligencji
• Historia i rozwój AI
• Typy uczenia maszynowego
• Przygotowanie środowiska programistycznego
• Matematyczne podstawy AI
2. Uczenie maszynowe
• Algorytmy nadzorowane i nienadzorowane
• Drzewa decyzyjne i lasy losowe
• Sieci neuronowe
• Ocena modeli
3. Głębokie uczenie
• Architektury sieci głębokich
• Konwolucyjne sieci neuronowe
• Rekurencyjne sieci neuronowe
• Transfer learning
4. Praktyczne implementacje
• Przetwarzanie języka naturalnego
• Widzenie komputerowe
• Generowanie tekstu i obrazów
• Wdrażanie modeli AI

Korzyści

Uczestnik zdobędzie fundamentalną wiedzę z zakresu sztucznej inteligencji i uczenia maszynowego. Rozwinie praktyczne umiejętności implementacji i trenowania modeli AI w popularnych frameworkach. Nauczy się dobierać odpowiednie algorytmy do konkretnych problemów biznesowych. Będzie potrafił przygotowywać dane do treningu modeli i oceniać ich jakość. Zdobędzie umiejętność tworzenia i optymalizacji sieci neuronowych. Opanuje techniki przetwarzania języka naturalnego i widzenia komputerowego.

Wymagane przygotowanie uczestników

• Znajomość programowania w Pythonie
• Podstawy matematyki (algebra liniowa, rachunek różniczkowy)
• Znajomość podstaw statystyki
• Umiejętność analitycznego myślenia

Zagadnienia

• Matematyczne podstawy uczenia maszynowego
• Algorytmy uczenia nadzorowanego
• Algorytmy uczenia nienadzorowanego
• Sieci neuronowe i głębokie uczenie
• Przetwarzanie języka naturalnego
• Widzenie komputerowe
• Przygotowanie i przetwarzanie danych
• Ocena i walidacja modeli
• Transfer learning
• Optymalizacja hiperparametrów
• Frameworki do uczenia maszynowego
• Najlepsze praktyki w AI

Poznaj naszą firmę