Szkolenia
Kontakt

Wprowadzenie do Deep Learning

    Czas trwania
    Godzina rozpoczęcia
    Stopień trudności

      Wprowadzenie do Deep Learning

      • Cele szkolenia

        Deep Learning, czyli głębokie uczenie maszynowe z wykorzystaniem sztucznych sieci neuronowych jest jednym z najszybciej rozwijających się obszarów sztucznej inteligencji. Wysoka skuteczność, duża elastyczność oraz szerokie zastosowania obejmujące m.in. rozpoznawanie obrazów i mowy, analizę języka naturalnego czy wszelkiego rodzaju problemy klasyfikacyjne czynią z sieci neuronowych jedno z podstawowych narzędzi stosowanych w zaawansowanej analizie danych.
        W ramach szkolenia uczestnicy zapoznają się z zasadami działania oraz najważniejszymi rodzajami sieci neuronowych. Przeprowadzane w trakcie ćwiczenia praktyczne obejmują projektowanie, budowę, trenowanie oraz wykorzystanie modeli tworzonych z wykorzystaniem języka Python oraz bibliotek Tensorflow, Theano i Keras.

      • Profil słuchacza

        Szkolenie jest przeznaczone dla osób chcących zapoznać się z możliwościami analizy i eksploracji danych z użyciem sztucznych sieci neuronowych. Umiejętności nabyte w trakcie szkolenia mogą być przydatne w codziennej pracy osoby odpowiedzialnej za budowę oraz wdrażanie modeli uczenia maszynowego stosowanych w analizie danych.

      • Wymagania wstępne

        Od uczestników szkolenia wymagana jest znajomość środowiska Windows oraz podstaw programowania w języku Python lub dowolnym innym języku programowania. Przydatna będzie również znajomość podstaw statystyki oraz technik matematycznych stosowanych w analizie danych.

      • Czas trwania

        3 dni po 8 godzin lekcyjnych


      • Metoda realizacji szkolenia

        Szkolenie realizowane jest w formie naprzemiennie następujących po sobie mini wykładów oraz ćwiczeń praktycznych. Szkolenie łączy w sobie fachową wiedzę merytoryczną z praktycznymi przykładami jej wykorzystania w środowisku pracy.

      • Wiedza teoretyczna i praktyczna

        • Narzędzia stosowane w uczeniu maszynowym:
                - Język Python
                - Dystrybucja Anaconda oraz Jupyter
        • Głębokie uczenie maszynowe, sieci neuronowe – podstawowe pojęcia, zasada działania, zastosowania
        • Budowa sztucznej sieci neuronowej – neurony i warstwy
        • Funkcje aktywacji i błędu
        • Perceptron jedno- oraz wielowarstwowy i algorytm propagacji wstecznej
        • Przeuczenie, generalizacja
        • Przekształcanie danych na potrzeby modeli uczenia maszynowego
        • Analiza głównych składowych (PCA)
        • Sieci Kohonena
        • Główne rodzaje architektury sieci neuronowych
        • Sieci konwolucyjne (Convolutional Neural Networks - CNN)
        • Sieci rekurencyjne (Recurrent Neural Networks – RNN)
        • Deep Belief Networks
        • Generative Adversarial Networks (GAN)
        • Autoenkodery (Autoencoders)
        • Inne architektury
        • Wykorzystanie Tensorflow, Theano oraz biblioteki Keras do tworzenia, trenowania oraz uruchamiania modeli opartych na sieciach neuronowych
        • Konfiguracja środowiska, instalacja, używane biblioteki i moduły
        • Tensorflow – wprowadzenie, budowa grafów obliczeniowych
        • Przykładowy zestaw danych MNIST – ładowanie i procesowanie danych
        • Zestaw danych CIFAR
        • Definicja architektury modelu, kompilacja, trenowanie oraz ewaluacja modelu.

      • Umiejętności

        Po ukończeniu kursu uczestnik/czka będzie potrafił/a:

        • Wykorzystywać język Python oraz Jupyter do tworzenia interaktywnych dokumentów oraz analiz wykorzystujących modele uczenia maszynowego.
        • Wybrać architekturę oraz zaprojektować model uczenia maszynowego wykorzystujący sieci neuronowe.
        • Przygotować i przekształcić wejściowy zestaw danych do postaci wymaganej przez modele uczenia maszynowego.
        • Przeprowadzić proces uczenia oraz dokonać ewaluacji wytrenowanego modelu.
        • Wykorzystać pakiety Tensorflow, Theano oraz Keras do budowy modeli uczenia maszynowego.

      • Ścieżka rozwoju

        - Deep Learning, An MIT Press book, Ian Goodfellow, Yoshua Bengio, Aaron Courville http://www.deeplearningbook.org/

      Poinformuj mnie o innym terminie tego szkolenia

      Prosimy o tę zgodę z uwagi na przepisy dotyczące wysyłania informacji handlowych drogą elektroniczną oraz przepisy prawa telekomunikacyjnego, aby nasi przedstawiciele mogli skontaktować się z Tobą mailowo. Twoje dane osobowe będą przetwarzane w tym przypadku przez spółki z grupy Comarch na podstawie ich prawnie uzasadnionego interesu. Dowiedz się więcej o tym jak spółki z grupy Comarch przetwarzają dane osobowe.
      Na podstawie tej zgody Twoje dane osobowe będą przetwarzane przez spółki z grupy Comarch w celu wysyłki newslettera. Możesz wycofać tę zgodę w dowolnym momencie. Pamiętaj, że wycofanie zgody nie wpływa na zgodność z prawem przetwarzania danych sprzed cofnięcia zgody. Prosimy o Twoją zgodę przede wszystkim z uwagi na przepisy o ochronie danych osobowych. Twoja zgoda jest równoznaczna z akceptacją marketingu bezpośredniego i otrzymywania na wskazany adres e-mail informacji handlowych zawartych w naszym newsletterze. Dowiedz się więcej o tym jak spółki z grupy Comarch przetwarzają dane osobowe.
      Wysyłając formularz udostępniasz nam Twoje dane osobowe. Przeczytaj: Informacje o przetwarzaniu Twoich danych osobowych przez spółki z grupy Comarch oraz o Twoich uprawnieniach.

      Podobne szkolenia

      Jak zostać Python Developerem?

      Sprawdź ścieżkę szkoleniową i przekonaj się, jak nasze kursy poprowadzą Cię krok po kroku przez wszystkie kluczowe aspekty programowania w Pythonie – od podstaw po zaawansowane zagadnienia.

      Zobacz ścieżkę!