Profil uczestników

Szkolenie jest skierowane do specjalistów z branży IT, inżynierów, programistów oraz analityków danych, którzy chcą pogłębić swoją wiedzę na temat zaawansowanych technik sztucznej inteligencji. Jest to także doskonała okazja dla osób zajmujących się tworzeniem systemów AI w firmach zajmujących się Big Data, Internetem Rzeczy (IoT) czy chmurą obliczeniową. Szkolenie będzie szczególnie wartościowe dla osób pracujących w dziedzinach takich jak analiza danych, automatyzacja, robotyka, systemy rekomendacyjne czy technologie finansowe (handel algorytmiczny).

Przygotowanie uczestników

Aby maksymalizować korzyści z uczestnictwa w szkoleniu, zaleca się, aby uczestnicy mieli podstawową znajomość sztucznej inteligencji oraz algorytmów maszynowego uczenia się, w tym regresji, klasyfikacji i algorytmów optymalizacyjnych. Wiedza o podstawowych narzędziach do analizy danych, takich jak Python oraz biblioteki takie jak TensorFlow czy PyTorch, będzie przydatna, ale nie jest obowiązkowa. Wskazane jest, aby uczestnicy byli zaznajomieni z pojęciami z zakresu teorii gier, logiki rozmytej oraz podstaw przetwarzania języka naturalnego, choć nie jest to warunek konieczny. Dodatkowo, uczestnicy powinni posiadać podstawową znajomość pracy z chmurą obliczeniową oraz być otwarci na pracę z nowoczesnymi technologiami, takimi jak obliczenia kwantowe czy sieci neuronowe typu Transformers.

Przed nami:

• 3 dni, 24 godziny szkoleniowe

Szczegółowy program szkolenia

Architektura systemów AI

• Projektowanie systemów AI: modele end-to-end.
• Integracja AI z innymi technologiami: IoT, Big Data, chmura obliczeniowa.
• Sieci neuronowe typu Transformers: Omówienie architektury, rola w przetwarzaniu języka naturalnego, modelowanie sekwencji i zależności. Przykłady zastosowania: GPT, BERT, T5.

Optymalizacja i skalowanie modeli AI

• Techniki optymalizacji: grid search, random search, bayesian optimization.
• Szybkie trenowanie modeli: użycie GPU/TPU.
• Optymalizacja modeli Transformers: Techniki szybkiego trenowania, transfer learning, fine-tuning w kontekście dużych modeli jak GPT-3, zastosowania w przetwarzaniu tekstów, obrazów i dźwięków.

Algorytmy genetyczne w projektowaniu AI

• Zastosowanie algorytmów genetycznych w projektowaniu algorytmów AI: selekcja modeli, wybór cech, optymalizacja hiperparametrów.

Algorytmy kwantowe w praktyce

• Praktyczne zastosowanie algorytmów kwantowych w optymalizacji problemów AI.
• Wykorzystanie obliczeń kwantowych w rozwiązywaniu problemów obliczeniowo trudnych.

Zastosowanie logiki rozmytej w systemach decyzyjnych

• Integracja logiki rozmytej z algorytmami optymalizacji.
• Przykłady zastosowania w systemach rekomendacyjnych, prognozowaniu i analizie danych.

Teoria gier w zaawansowanych systemach AI

• Zaawansowane techniki teorii gier: równowaga Nasha w grach wieloosobowych, gry dynamiczne, gry kooperacyjne.
• Zastosowanie teorii gier w algorytmach AI: podejmowanie decyzji w warunkach rywalizacji, współpracy i konfliktu.
• Optymalizacja strategii w problemach wieloagentowych: zarządzanie zasobami, negocjacje, rywalizacja w systemach rynkowych.
• Teoria gier w kontekście reinforcement learning: zastosowanie w algorytmach dla agentów multi-agentowych.
• Przykłady zastosowań w systemach autonomicznych, robotyce, finansach (handel algorytmiczny), grach komputerowych.

Integracja teorii gier z algorytmami AI

• Wykorzystanie teorii gier w projektowaniu algorytmów dla problemów z wieloma agentami.
• Przykłady z zastosowaniem w strategiach handlowych, negocjacjach i rywalizacji w systemach sztucznej inteligencji.
• Przeprowadzanie symulacji gier kooperacyjnych i niekooperacyjnych w środowisku AI.

Metoda realizacji szkolenia

Szkolenie będzie realizowane w formie warsztatowej, łączącej teorię z praktycznymi ćwiczeniami. Uczestnicy wezmą udział w interaktywnych prezentacjach, które w przystępny sposób wprowadzą ich w kluczowe zagadnienia sztucznej inteligencji. Warsztaty praktyczne, realizowane na komputerach, pozwolą na budowanie i testowanie prostych modeli AI przy użyciu narzędzi takich jak Python i Jupyter Notebook.

Dodatkowo przewidziane są dyskusje grupowe, studia przypadków oraz zadania indywidualne, aby uczestnicy mogli zastosować zdobytą wiedzę w praktycznych scenariuszach. Całość będzie prowadzona w atmosferze otwartej współpracy, z możliwością konsultacji z trenerem.

POBIERZ PROGRAM W PDF

W ramach szkolenia zapewniamy

• komplet materiałów szkoleniowych
• certyfikat potwierdzający udział w kursie
• pełna obsługa cateringowa (dla szkoleń stacjonarnych)

• Sztuczna inteligencja – przygotowanie do tworzenia projektów