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.

Najbliższe szkolenia

Podobne szkolenia

Masz pytania? Skontaktuj się z nami!

31-864 Kraków

ul. Prof. Michała Życzkowskiego 33