Python dla AI: Deep Learning, Text Mining, XAI
Poznaj program szkolenia
- Co zyskasz dzięki szkoleniu ?
Cele szkolenia
Cele szkolenia jest wprowadzenie uczestników w zaawansowane zagadnienia związane z definiowaniem i programowaniem aplikacji opartych o modele uczenia maszynowego i głębokiego z użyciem wybranych pakietów języka Python: scikit-learn oraz TensorFlow, opanowanie zagadnień związanych z wyborem modelu uczenia oraz doboru właściwego algorytmu a finalnie narzędzi, które pozwolą skutecznie rozwiązać zadanie, a także zrozumienie uczenia głębokiego w kontekście Text Mining i XAI.
Umiejętności
Dzięki szkoleniu uczestnik będzie potrafił:
- Stosować język Python w programowaniu algorytmów I struktur Deep Learning
- Używać funkcji pakietu scikit-learn
- Stosować Pakiet scikit-learn do rozwiązywania złożonych problemów.
- Wykorzystać praktycznie wiedzę na temat modeli uczenia
- Używać funkcji pakietu TensorFlow
- Stosować Pakiet TensorFlow do rozwiązywania problemów opartych na użyciu sieci neuronowych
- Wdrażać rozwiązania należące do kategorii: Deep Learning. Text Mining i XAI
- Programować aplikacje realizujące algorytmy i modele DL
- Czy to szkolenie jest dla Ciebie ?
Profil uczestników
Szkolenie przeznaczone jest dla programistów języka Python, którzy chcą poszerzyć swoją wiedzę o struktury Deep Learning, Text Mining i XAI w implementacji języka Python szczególnie z użyciem pakietów scikit-learn oraz TensorFlow.
Przygotowanie uczestników
Uczestnik powinien posiadać wiedzę i doświadczenie w programowaniu w języku Python na poziomie średniozaawansowanym (zakres kursu podstawowego i warsztatów średniozaawansowanych) oraz podstawową wiedzę z zakresu Machine Learning i Deep Learning.
- Czas trwania
Przed nami:
- 4 dni, 8 godzin szkoleniowych
- Szczegółowy program szkolenia
Szczegółowy program szkolenia dla nieprogramistów - Podstawy programowania w języku Python
Wstęp do uczenia maszynowego i głębokiego
Pakiet Scikit – learn
- Konstrukcja pakietu
- Wybór i ocena modelu
- Inspekcja
- Wizualizacje
- Przetwarzanie zbiorów danych
- Narzędzia do ładowania zbiorów danych
- Obliczanie z wykorzystaniem scikit-learn
- Model - trwałość modelu
- Przypadki uczenia - analiza wybranych algorytmów
- 2.9.1. Uczenie nadzorowane
- Uczenie nienadzorowane
- Uczenie ze wzmocnieniem
- 2.9.1. Uczenie nadzorowane
- Wybór i ocena modelu
- Kontrola i wizualizacja
- Przekszatałcenia zbiorów danych
- Narzędzia do ładowania zbiorów danych
- Obliczenia z wykorzystaniem pakietu
- Trwałość modelu
- Typowe pułapki i dobre praktyki
Pakiet TensorFlow
- Konfigurowanie i podstawowe użycie
- Sztuczne sieci neuronowe
- Tensory
- Zmienne
- Automatyczne róźnicowanie
- Wykresy i funkcje TF
- Moduły, warstwy i modele
- Pętle treningowe
Deep Learning (uczenie głębokie) – zastosowania bibiliotek scikit-learn oraz keras
- Różne rodzaje sieci neurownowych
- Algorytmy optymalizacyjne (Adam, AdaMax, AdaGrad)
- Regresja
- Przetrenowanie modelu
- Zapis wag i modeli
- Tuning hiperparametrów
- Zaawansowane sieci neuronowe (DNN, RNN. Autoenkodery, GAN)
Text Mining/Natural Language Processing
- Obróbka tekstu, wstepne przygotowanie zbiorów tekstowych
- Funkcje tektowe
- Podstawowa klasyfikacja tekstu
- Klasyfikacja tekstu za pomocą TensorFlow Hub
- Przetwarzanie tekstu i języka naturalnego za pomocą TensorFlow
- Zaawansowane aspekty przetwarzania tesktu
Preprocessing
- Modelowanie danych niezbalansowanych
- Detekcja anomalii
Explainable Machine Learning (XAI)
- Interpretowalność
- Podejścia niezależne od modelu
- Ważność cech
- Mapy istotności i mapy ciepła
- LIME (Local Interpretable Model-agnostic Explanations)
- SHAP (SHapley Additive exPlanations)
- Rozważania etyczne
Co dalej?
Metoda realizacji szkolenia
Szkolenie jest realizowane różnymi metodami takimi jak, mikrowykład, ćwiczenia współne, ćwiczenia indywidualne, praca indywidualna, z głębokim naciskiem położonym na aspekt praktyczny programowania
- W ramach szkolenia zapewniamy
W ramach szkolenia zapewniamy
- materiały szkoleniowe
- certyfikat potwierdzający udział w kursie
- pełna obsługa cateringowa (dla szkoleń stacjonarnych)
- Ścieżka rozwoju
