Sztuczna inteligencja – poziom średnio zaawansowany
Algorytmy uczenia maszynowego
Poznaj program szkolenia AI
- Co zyskasz dzięki szkoleniu ?
Cele szkolenia
Szkolenie ma na celu zapoznanie uczestników z zaawansowanymi algorytmami uczenia maszynowego, w tym regresją, klasyfikacją, drzewa decyzyjne oraz technikami boostingu. Uczestnicy poznają również algorytmy genetyczne oraz ich zastosowanie w optymalizacji funkcji i rozwiązywaniu problemów optymalizacyjnych. Szkolenie obejmuje także logikę rozmytą, jej zastosowania w systemach decyzyjnych i sterowaniu oraz budowę systemów opartych na logice rozmytej. Dodatkowo omówione zostaną techniki modelowania i oceny modeli AI, a także podstawy sieci neuronowych i ich praktyczne zastosowania w analizie danych.
Umiejętności
Dzięki szkoleniu uczestnik :
- Stosował zaawansowane algorytmy uczenia maszynowego, takie jak regresja logistyczna, SVM, klasyfikacja drzewiastymi modelami oraz boosting.
- Analizował i implementował metody klasteryzacji, w tym algorytmów k-means i DBSCAN, do grupowania danych.
- Projektował i optymalizował algorytmy genetyczne, obejmujące selekcję, krzyżowanie i mutację w kontekście rozwiązywania problemów optymalizacyjnych.
- Budował systemy opartena logice rozmytej, uwzględniając zbiory rozmyte, funkcje przynależności oraz operatory rozmyte.
- Przeprowadzał oceny modeli AI, wykorzystując walidację krzyżową oraz metryki takie jak accuracy, precision, recall i F1-score.
- Dostosowywał hiperparametry modeli, w celu poprawy ich skuteczności i wydajności.
- Tworzył oraz trenował sieci neuronowych, w tym perceptrony i modele feedforward, do analizy obrazów i tekstów
- Czy to szkolenie jest dla Ciebie ?
Profil uczestników
Szkolenie jest przeznaczone dla specjalistów z obszaru analizy danych, uczenia maszynowego i sztucznej inteligencji, którzy posiadają już podstawową wiedzę w tych dziedzinach i chcą rozwijać swoje umiejętności w zakresie zaawansowanych algorytmów AI. Jest skierowane do analityków danych, inżynierów uczenia maszynowego, programistów oraz badaczy, którzy pracują nad modelowaniem predykcyjnym, optymalizacją i automatyzacją procesów decyzyjnych.
Przygotowanie uczestników
Uczestnicy powinni posiadać wiedzę zdobytą na szkoleniu „Sztuczna inteligencja – poziom podstawowy” lub podstawową znajomość uczenia maszynowego, obejmującą klasyczne algorytmy nadzorowane i nienadzorowane oraz podstawowe metody analizy danych. Wskazana jest umiejętność programowania w języku Python, w szczególności korzystania z bibliotek takich jak NumPy, pandas, scikit-learn czy TensorFlow/PyTorch na poziomie podstawowym. Przydatna będzie także wiedza z zakresu statystyki i algebry liniowej, obejmująca pojęcia takie jak regresja, macierze, funkcje kosztu oraz optymalizacja gradientowa. Dodatkowo zaleca się wcześniejsze doświadczenie w pracy z danymi, np. w analizie biznesowej, nauce o danych lub modelowaniu predykcyjnym.
- Czas trwania
Przed nami:
- 3 dni, 24 godziny szkoleniowe
- Szczegółowy program szkolenia
Szczegółowy program szkolenia
Zaawansowane algorytmy uczenia maszynowego
- Modele regresji (regresja logistyczna, SVM).
- Klastryzacja (k-means, DBSCAN).
- Drzewa decyzyjne, lasy losowe, gradient boosting.
Algorytmy genetyczne
- Zaawansowane techniki selekcji, krzyżowania i mutacji.
- Implementacja algorytmów genetycznych do optymalizacji funkcji.
- Przykłady zastosowań w zadaniach optymalizacyjnych: optymalizacja portfela, rozwiązywanie równań różniczkowych.
Logika rozmyta (Fuzzy Logic)
- Podstawy logiki rozmytej: zbiory rozmyte, funkcje przynależności, operatory rozmyte.
- Zastosowanie logiki rozmytej w systemach decyzyjnych, automatyce, sterowaniu.
- Budowa systemu rozmytego (fuzzy inference systems).
Modelowanie i ocena modeli AI
- Podstawy walidacji krzyżowej.
- Metriki oceny modeli (accuracy, precision, recall, F1 score).
- Optymalizacja hiperparametrów.
Sieci neuronowe
- Wprowadzenie do perceptronów, sieci feedforward.
- Proces trenowania sieci neuronowych.
- Zastosowania sieci neuronowych: rozpoznawanie obrazów, tekstów.
Podsumowanie i dalszy rozwój
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.
- W ramach szkolenia zapewniamy
W ramach szkolenia zapewniamy
- komplet materiałów szkoleniowych
- certyfikat potwierdzający udział w kursie
- pełna obsługa cateringowa (dla szkoleń stacjonarnych)
- Ścieżka rozwoju
- Sztuczna inteligencja – poziom zaawansowany I
- Sztuczna inteligencja – poziom zaawansowany II
- Sztuczna inteligencja – poziom ekspercki
- Sztuczna inteligencja – przygotowanie do tworzenia projektów