Szkolenie z TensorFlow
Poziom
ZaawansowanyCzas
16h / 2 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie z TensorFlow
Szkolenie TensorFlow to intensywny, dwudniowy kurs skoncentrowany na praktycznym zastosowaniu tego popularnego frameworka do uczenia maszynowego. Program szkolenia jest zaprojektowany tak, aby uczestnicy zdobyli solidne podstawy teoretyczne (20%) oraz rozwinęli swoje umiejętności praktyczne (80%) poprzez liczne warsztaty i projekty. Kurs przeznaczony jest dla osób, które chcą pogłębić swoją wiedzę z zakresu sztucznej inteligencji i uczenia maszynowego, w szczególności z wykorzystaniem TensorFlow.
Dla kogo jest to szkolenie?
Programistów i inżynierów danych, którzy chcą rozwinąć praktyczne umiejętności pracy z TensorFlow 2.x i tf.keras-
Data scientistów, którzy chcą wykorzystywać TensorFlow do trenowania i porównywania modeli, w tym sieci neuronowych
-
Osób pracujących z AI/ML, które chcą uporządkować workflow: dane → model → walidacja → artefakty → uruchomienie inferencji
Wymagane umiejętności technologiczne:
Znajomość podstaw programowania w Pythonie-
Podstawowa wiedza z zakresu uczenia maszynowego
-
Umiejętność pracy w środowisku Jupyter Notebook lub Colab
Czego nauczysz się na tym szkoleniu?
- Instalacji i konfiguracji TensorFlow oraz przygotowania środowiska pracy (CPU/GPU), wraz z podstawami reprodukowalności uruchomień
- Budowy, trenowania i walidacji modeli w TensorFlow/tf.keras z użyciem metryk, callbacków i TensorBoard
- Projektowania i trenowania modeli głębokich w tf.keras, w tym sieci konwolucyjnych (CNN) oraz podstaw transfer learning i fine-tuning
- Przygotowania artefaktów modelu do uruchomienia inferencji (eksport, podpisy wejść/wyjść, wersjonowanie) oraz podstaw obserwowalności jakości (metryki, sygnały driftu) i ograniczeń/ryzyk użycia
Program szkolenia
Dzień 1: Wprowadzenie do TensorFlow i podstawy uczenia maszynowego
Wprowadzenie do TensorFlow
- Historia i ekosystem TensorFlow 2.x
- Architektura i główne komponenty (eager execution, tf.function, tf.keras, tf.data, TensorBoard)
Instalacja i konfiguracja środowiska
- Instalacja TensorFlow i zależności (wersje, CPU/GPU, weryfikacja konfiguracji)
- Konfiguracja środowiska pracy (Jupyter Notebook, Colab) i podstawy reprodukowalności uruchomień
Podstawy TensorFlow
- Operacje TensorFlow: tensory, zmienne, broadcasting
- Prosty workflow modelu: dane, obliczenia, metryki i uruchomienia
Warsztat: Budowa pierwszego modelu
- Implementacja prostego modelu liniowego
- Trening i ewaluacja modelu na zbiorze danych (podział danych, metryki, baseline)
Wprowadzenie do Keras
- Keras w ekosystemie TensorFlow (tf.keras, kontekst Keras 3)
- Architektura i główne komponenty Keras (Sequential, Functional, Model subclassing, callbacki)
- Integracja Keras z TensorFlow (tf.data, tf.function, TensorBoard, checkpointy)
Dzień 2: Zaawansowane techniki i praktyczne zastosowania
Zaawansowane modele w TensorFlow i Keras
- Architektura sieci neuronowych (warstwy, funkcje aktywacji, funkcje straty, inicjalizacje)
- Sieci konwolucyjne (CNN): architektura i trening
Optymalizacja modelu i fine-tuning
- Optymalizacja i regularyzacja (optymalizatory, harmonogramy uczenia, dropout, batch normalization, early stopping)
- Fine-tuning modeli pretrenowanych (transfer learning, zamrażanie warstw, dostrajanie)
Warsztat: Budowa modelu klasyfikacji obrazów
- Dane obrazowe: przygotowanie, augmentacja, tf.data, podział train/val/test
- Model CNN do klasyfikacji obrazów w Keras: implementacja, trening, walidacja, analiza błędów
Wdrożenie modeli TensorFlow i Keras
- Eksport modeli i artefakty (SavedModel, format .keras, podpisy wejść/wyjść, wersjonowanie)
- Aspekty uruchomienia w środowisku produkcyjnym (inferencja, wydajność, TensorFlow Serving/TFLite – przegląd, metryki jakości i sygnały driftu)
