Szkolenie Machine Learning & AI

Poziom

Średniozaawansowany

Czas

32h / 4 dni

Termin

Indywidualnie

Cena

Indywidualnie

Szkolenie Machine Learning & AI

Szkolenie „Machine Learning & AI” to kurs, który ma na celu dostarczenie uczestnikom praktycznych umiejętności związanych z sztuczną inteligencją (AI – Artificial Intelligence). Szkolenie to ma na celu przygotowanie specjalistów lub pracowników różnych branż do wykorzystania technologii AI w swojej pracy lub projektach. Szkolenia tego typu są coraz bardziej popularne, ponieważ AI staje się coraz bardziej powszechne w wielu dziedzinach i istnieje popyt na specjalistów z umiejętnościami w tej dziedzinie. Warto zaznaczyć, że AI to obszar bardzo dynamiczny, więc regularne szkolenia i aktualizowanie wiedzy są kluczowe dla utrzymania konkurencyjności zawodowej.

Dla kogo jest szkolenie Machine Learning & AI?
  • logo infoshare Specjalistów IT i programistów: Osób pracujących w dziedzinie informatyki i programowania chcących poszerzyć swoje umiejętności o programowanie w dziedzinie uczenia maszynowego i sztucznej inteligencji.
  • logo infoshare Inżynierów: Inżynierowie, zwłaszcza ci pracujący w dziedzinach takich jak robotyka, automatyka, czy elektronika, mogą korzystać z wiedzy na temat implementacji systemów AI w swoich projektach.
  • logo infoshare Analityków danych: Analitycy danych, zarówno początkujący, jak i doświadczeni, mogą chcieć poznać techniki analizy danych z wykorzystaniem metod AI, co pozwoli im na bardziej zaawansowaną analizę i wnioskowanie z danych.
Ważne informacje przed szkoleniem:
  • logo infoshare Szkolenie oparte będzie o język Python oraz popularne biblioteki jak: pandas, numpy, scikit-learn, pytorch oraz inne. Realizacja szkolenia odbywa się na platformie Colabolatory Google, wymagania stawiane uczestnikowi to posiadanie zwykłego konta w serwisie google np. poczta gmail.

Czego nauczysz się na szkoleniu Machine Learning & AI?

  • Zrozumiesz udział danych w uczeniu maszynowym oraz zasady ich przygotowania

  • Praktycznego wykorzystania poznanych algorytmów w rozwiązywaniu problemów

  • Poznasz rodzaje uczenia maszynowego oraz podstawowe algorytmy we wskazanych obszarach

  • Przygotowania do samodzielnego wytworzenia POC

Program szkolenia Machine Learning & AI

Dzień 1 – Dane
Rozgrzewka – co to jest Machine Learning (ML)
  • Definicja: Przedstawienie podstawowego pojęcia Machine Learning i różnicy między tradycyjnym programowaniem a uczeniem maszynowym
  • Historia i rozwój: Jak ML ewoluował w ciągu lat i jego wpływ na przemysł i naukę
  • Rodzaje uczenia: Wprowadzenie do uczenia nadzorowanego, nienadzorowanego i przez wzmacnianie
Dane – EDA (Exploratory Data Analysis) i preprocessing
  • Znaczenie danych: Dlaczego dane są ważne w ML i jakie są źródła zbierania danych
  • Analiza eksploracyjna EDA: Wizualizacje, statystyki opisowe, wykrywanie wartości odstających
  • Przygotowanie danych: Czyszczenie danych (np. usuwanie brakujących wartości), kodowanie zmiennych kategorycznych, skalowanie i normalizacja, podział na zestawy treningowe/testowe
  • Praktyczne przygotowanie danych do uczenia maszynowego, praca na prawdziwych danych – Google Collabolatory, Python
Dzień 2 – uczenie nadzorowane
  • Definicja: Cechy charakterystyczne uczenia nadzorowanego, jakie problemy rozwiązuje, zalety i wady
  • Regresja: Modele liniowe, wielomianowe i logistyczne
  • Klasyfikacja: Drzewa decyzyjne, maszyny wektorów nośnych (SVM), k-najbliższych sąsiadów (k-NN)
  • Metryki oceny: Błąd średniokwadratowy, precyzja, czułość, F1, krzywa ROC, AUC
  • Praktyczne wykorzystanie omówionych algorytmów w rozwiązywaniu problemów – wytworzenie POC na prawdziwych danych – Google Collabolatory, Python
Dzień 3 – uczenie nienadzorowane
  • Definicja: Charakterystyka uczenia nienadzorowanego, jakie problemy rozwiązuje, zalety i wady
  • Klasteryzacja: Metody takie jak k-średnich, DBSCAN i hierarchiczna klasteryzacja
  • Redukcja wymiarowości: Techniki takie jak analiza głównych składowych (PCA) i t-SNE
  • Praktyczne wykorzystanie omówionych algorytmów w rozwiązywaniu problemów – wytworzenie POC na prawdziwych danych – Google Collabolatory, Python
Dzień 4 – sieci neuronowe
  • Wprowadzenie: Co to są sieci neuronowe i jakie mają zastosowania, zalety i wady
  • Podstawy: Perceptron, architektura sieci, funkcje aktywacji, propagacja wprzód i wstecz
  • Głębokie uczenie: głębokie sieci neuronowe, sieci konwolucyjne (CNN) do analizy obrazów
  • Praktyczne wykorzystanie omówionych algorytmów w rozwiązywaniu problemów – wytworzenie POC na prawdziwych danych – Google Collabolatory, Python

Pobierz program

Pobierz szczegółowy program w PDF, żeby dowiedzieć się więcej o godzinach i tematach zajęć.

Skontaktuj sie z nami

zorganizujemy dla Ciebie szkolenie dopasowane do Twoich potrzeb

Przemysław Wołosz

Key Account Manager

przemyslaw.wolosz@infoShareAcademy.com

    Zamów rozmowę

    Administratorem danych osobowych jest InfoShare Academy Sp. z o.o. z siedzibą w Gdańsku, al. Grunwaldzka 427B, 80-309 Gdańsk, KRS: 0000531749, NIP: 5842742121. Dane osobowe przetwarzane są zgodnie z klauzulą informacyjną.