Szkolenia
Kontakt

Algorytmy Sztucznej Inteligencji(AI) Implementacja w języku Python

    Czas trwania
    Godzina rozpoczęcia
    Stopień trudności

      Algorytmy Sztucznej Inteligencji AI w Python

      Zdobądź praktyczne umiejętności implementacji algorytmów AI w Pythonie!

      Opis szkolenia

      Szkolenie Algorytmy Sztucznej Inteligencji Implementacja w języku Python wprowadza w zaawansowane zagadnienia związane z algorytmami sztucznej inteligencji oraz ich implementacji przy użyciu języka Python. 

      Podczas szkolenia uczestnicy zdobędą wiedzę na temat różnorodnych technik AI, począwszy od podstaw Sztucznej Inteligencji, poprzez algorytmy przeszukiwania, aż po zaawansowane metody, takie jak algorytmy ewolucyjne czy sztuczne sieci neuronowe. Szkolenie koncentruje się na praktycznym wykorzystaniu tej wiedzy poprzez implementację omawianych algorytmów w języku Python. Uczestnicy zdobędą umiejętności wykorzystania wybranych algorytmów AI do rozwiązywania realnych problemów, jak również nabiorą doświadczenia w pracy z popularnymi bibliotekami Pythona, takimi jak TensorFlow, Keras czy scikit-learn.

      Dzięki praktycznemu podejściu do nauki oraz zastosowaniu konkretnych przykładów implementacji, uczestnicy będą mogli zastosować zdobytą wiedzę w praktyce, tworząc własne rozwiązania oparte na algorytmach sztucznej inteligencji. Uczestnicy dokonają także przeglądu najnowszych algorymów AI: ReBeL, Efficient Non-Convex Reformulations, Memory-Efficient First-Order Semidefinite Programming, Advantage Weighted Actor-Critic (AWAC), RigL Algorithm, Behaviour-Regularised Model-ENsemble (BREMEN).

      Niezwykłą zaletą tego szkolenia jest także omówienie najnowszych osiągnięć w dziedzinie AI, co pozwoli uczestnikom na śledzenie i analizę najnowszych trendów w tej dynamicznie rozwijającej się dziedzinie.

      Poznaj program szkolenia

      Co zyskasz dzięki szkoleniu ?

      Cele szkolenia

      Cele szkolenia to: wprowadzenie uczestników w zaawansowane zagadnienia związane z algorytmami sztucznej inteligencji i ich implementacji w języku Python. Przygotowanie uczestników do zrozumienia poszczególnych algorytmów oraz używania stosownych bibliotek języka Python .

      Umiejętności

      Dzięki szkoleniu uczestnik będzie potrafił:
      • Wykorzystywać wybrane algorytmy sztucznej inteligencji do tworzenia konkretnych rozwiązań
      • Rozwiązywać problemy za pomocą algorytmów przeszukujących
      • Wykorzystać praktycznie wiedzę na temat algorytmów heurystycznych
      • Implementować algorytmy genetyczne – ewolucyjne za pomocą framworka DEAP i wybranych bibliotek
      • Stosować algorytmy rozproszonej inteligencji
      • Stosować wybrane algorytmy oparte na rozwiązaniach związanych z sieciami neuronowymi
      • Stosować algorytm Q-learning
      • Analizować najnowsze algorytmy sztucznej inteligencji
      Czy to szkolenie jest dla Ciebie ?

      Profil uczestników

      Szkolenie przeznaczone jest dla programistów języka Python, którzy chcą poszerzyć swoją wiedzę o zaawansowane algorytmy sztucznej inteligencji w implementacji języka Python oraz umiejętność programowania wybranych struktur za pomocą bibliotek Pythona.

      Przygotowanie uczestników

      Uczestnik powinien posiadać wiedzę i doświadczenie w programowaniu w języku Python na poziomie średniozaawansowanym  (zakres kursu podstawowego i warsztatów średniozaawansowanych).

      Czas trwania
      Przed nami:
      • 4 dni, 32 godziny szkoleniowe
      Szczegółowy program szkolenia

      Szczegółowy program szkolenia

      Wprowadzenie do zagadnień związnych ze sztuczną inteligencją

      • Wstęp do Sztucznej Inteligencjii
      • Algorytmy Sztucznej Inteligencjii
      Przeszukiwanie
      • Problemy roziwązywane za pomocą przeszukiwania
      • Rodzaje algorytmów przeszukiwania
      • Rozwiązania siłowe a grafy
      • Zastosowania algorytmów przeszukiwania
      • Implementacja w języku Python  przykłady
      Przeszukiwanie a pomocą algorytmów heurystycznych z imolementacją w języku Python

      Algorytmy Ewolucyjne  - Algorytmy Genetyczne
      • Ewolucja, Genetyka - wstęp
      • Do jakich zagadnień stosujemy algorymy ewolucyjne, genetyczne
      • Cykl życia algorymu  genetycznego
      • Przestrzeń i populacja rozwiązań
      • Przystosowanie – pomiar w populacji
      • Operacje na populacji: krzyżowanie, mutacja
      • Selekcja
      • Operatory selekcji
      • Funkcja celu
      • Zaawansowane techniki ewolucyjne
      • Framework DEAP Python
      • Biblioteka geneticalgorithm 1.0.2
      • Algorytmy ewolucyjne i struktury danych
      • Przykłady implementacji w języku Python
      Algorytmy mrówkowe  - inteligencja rozproszona
      • Inteligencja rozproszona
      • Cykl życia algorymu mrówkowego
      • Zastosowania algorymu mrówkowego
      • Optymalizacja rojem cząstek
      • Przykłady w języku Python
      Sztuczne sieci neuronowe
      • Czym są sztuczne sieci neuronowe?
      • Perceptron: reprezentacja neuronu
      • Sieć ANN
      • Projektowanie sztucznych sieci neuronowych
      • Przykłady zastosowań sieci neuronowych w języku Python:  scikit-learn, TensorFlow, Keras

      Uczenie przez wzmacnianie z użyciem algorytmu Q-learning

      Przegld najnowszych algorymów AI: ReBeL, Efficient Non-Convex Reformulations, Memory-Efficient First-Order Semidefinite Programming, Advantage Weighted Actor-Critic (AWAC), RigL Algorithm, Behaviour-Regularised Model-ENsemble (BREMEN)

      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.

      POBIERZ PROGRAM W PDF

      Ścieżka rozwoju
      Zapraszamy do skorzystania z innych szkoleń z naszej oferty.
      W ramach szkolenia zapewniamy

      W ramach szkolenia zapewniamy

      • materiały szkoleniowe
      • certyfikat potwierdzający udział w kursie
      • pełna obsługa cateringowa (dla szkoleń stacjonarnych)

      Podobne szkolenia