Profil uczestników

Szkolenie przeznaczone jest dla programistów języka Python, którzy chcą poszerzyć swoją wiedzę o zaawansowane struktury Machine Learning i Deep Learning w implementacji języka Python oraz umiejętność projektowania algorytmów ML dla konkretnych przypadków.

Przygotowanie uczestników

Uczestnik powinien posiadać wiedzę i doświadczenie w programowaniu w języku Python na poziomie średniozaawansowanym  (zakres kursu podstawowego i warsztatów średniozaawansowanych) oraz średniozaawansowaną  wiedzę z zakresu Machine Learning i Deep Learning (biblioteki scikit-learn oraz TensorFlow języka Python).

• 4 dni, 32 godziny szkoleniowe

Szczegółowy program szkolenia

Przypomnienie wybranych zagadnień uczenia maszynowego i głębokiego

Rozpoznawanie języka naturalnego

• Cechy słów i cechy danych tekstowych
• Zbiory danych NLP
• Analiza cech i selekcja na podstawie danych tekstowych
• Selekcja cech pod kątem Uczenia Maszynowego
• Biblioteka TextBlob
• Wizualizacja statystyki słów
• Ocenianie czytelności tekstu – biblioteka Textatistic
• Rozpoznawanie encji – biblioteka spaCy
• Podobieństwo dokumentów
• Zastosowanie NLP w uczeniu głębokim i maszynowym

• IBM Cloud – konto i usługi
• Narzędzia platformy Watson
• Przykłady zastosowania IBM Watson
• Zasoby powiązanie z Watson

• Analiza głównych składowych
• Metoda k-średnich
• Grupowanie
• Sieci Kohonena
• Przykłady -  analiza przypadków

• Czym jest uczenie częściowo-nazdzorowane
• Algorytmy uczenia częściowo-nazdzorowanego
• Kontrastywna pesymistyczna estymacja prawdopodobieństwa
• Przykłady -  analiza przypadków

• Wprowadzenie do sieci neuronowych
• Ograniczona Maszyna Boltzmanna
• Sieci głębokie
• Trenowanie sieci DBN i inne operacje
• Przykłady -  analiza przypadków

• Autoenkodery
• Odszumianie autoenkoderów
• Stosy autoenkoderów odszumiających
• Ocena wydajności stosu autoenkoderów odszumiających

• Metody uśredniające, wzmacniania i kontaminacji
• Wykorzystanie modeli w zastosowaniach dynamicznych
• Elastyczność modelu
• Strategie zarządzania elastycznością modelu

• Uczenie głębokie
• Bilbioteka Keras
• Konwolucyjne sieci neuronowe i widzenie komputerowe: wieloklasyfikacja w zbiorze „MNIST”
• TensorBoard — wizualizacja trenowania sieci
• ConvNetJS: wizualizacja trenowania w oknie przeglądarki WWW
• Rekurencyjne sieci neuronowe i ciągi danych: analiza sentymentu w zbiorze „IMDb”
• Dostrajanie modeli głębokiego uczenia

• Relacyjne bazy danych i język SQL
• Bazy danych NoSQL i NewSQL dla Big Data
• Hadoop
• Spark
• Internet rzeczy (IoT) i dashboardy

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

• Algorytmy AI – implementacja w języku Python

W ramach szkolenia zapewniamy

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