Планируемое обучение:
Скоро!
Цена:
4140€
(При оплате полной суммы сразу применяется скидка 10%)
Курс комплексный, ориентирован как на новичков, так и на тех, кто имеет базовые знания и хочет углубить понимание современных технологий искусственного интеллекта и анализа данных....
Что после тренировки?
Принцип наставничества после обучения – на протяжении месяца при возникновении вопросов вы можете обратиться к преподавателю школы. Также вы сможете пользоваться аудиториями школы, как во время, так и после обучения. Принцип наставничества после обучения – на протяжении месяца при возникновении вопросов вы можете обратиться к преподавателю школы. Также вы сможете пользоваться школьными классами как во время, так и после обучения.
Программа обучения
1. Введение в Python
- Знакомство с классом
- История Python, установка на компьютер, примеры
- Первая программа Hello World Python, философия программирования Python
2. Управление версиями кода
- Основы управления версиями кода
- Git и GitHub
- Установка Git и подготовка среды, практика
3. Основы Python
- int, float, логические и математические операции
- строки, их методы, форматирование, срез
- условия if, input(), range(), цикл for
- список, кортеж, набор
- словарь
- в то время как цикл
- функции, нет, лямбда, рекурсия, локальные vs. глобальная область действия
- типы ошибок, управление и их генерация попробуйте/исключите, поднимите
- Промежуточный тест знаний
- Работа с документами, библиотеками os и pathlib, относительная и относительная. абсолютный путь, форматы .txt, .json, .yaml, библиотека Pickle
- Управление пакетами/библиотеками Python, импорт модулей, виртуальные среды Python, создание .exe из сценария .py.
4. Объектно-ориентированное программирование на Python
- Определение классов и ООП, примеры
- Объявление класса, конструктор, деструктор, создание модулей/объектов класса (экземпляр).
- Методы класса и их вызовы
- Наследование классов, преимущества и недостатки, полиморфизм, создание абстрактного класса
- проектирование структур классов и методов
- Использование объектно-ориентированного программирования в анализе данных, реальные примеры
- Статические свойства и методы класса
5. Аналитика данных Python
- Принципы парсинга веб-страниц, BeautifulSoup и других библиотек, юридические ограничения и этические вопросы
- Анализ текстовых данных, Regex
- Библиотека Numpy, работа с многомерными данными, маски данных
- DataTables, библиотека Pandas, Series и DaraFrame
- Визуализация данных, библиотеки Matplotlib, Seaborn. Интерактивные графики с библиотекойplotly
- Визуальный анализ и обработка данных. OpenCV, библиотеки подушек
6. Работа Python с базами данных
- Что такое база данных, SQL или SQL? noSQL, примеры
- Установив базу данных MySQL или PostgreSQL на свой компьютер, попрактикуйтесь с пользовательским интерфейсом приложения.
- Чтение данных из базы данных.
- Создание и редактирование таблиц, сохранение и удаление данных в базе данных SQL.
- Извлечение данных из базы данных с помощью Python
- Преобразование данных, управление и анализ с помощью SQL и Python (библиотека Pandas)
1. Теория машинного обучения
- Что такое машинное обучение (ML), искусственный интеллект или искусственный интеллект? ML, чем оно отличается от традиционного программирования, ход проекта ML
- История машинного обучения
- Типы обучения (под присмотром, без присмотра/самоконтроля, с подкреплением) и примеры использования
- Структурированные (категории, числа и т. д.) vs. неструктурированные данные (текст, звук и т. д.)
2. Обучение с учителем
- Обучение под наблюдением и примеры использования
- Задача классификации, разделение обучающих данных (разделение поезд-тест), метрики оценки модели
- Библиотека Scikit-learn. Линейные модели, K-ближайшие соседи, деревья решений, методы объединения и повышения. недостаточно приспособленный против. переобучение
- Двоичный против. Мультикласс против. Многозначная классификация. Логистическая функция
- Регрессия, метрики оценки регрессионной модели
- Практика с регрессионными моделями (библиотека Scikit-learn)
- Неотрицательная регрессия и примеры ситуаций. Функция ReLu, распределения данных Пуассона и Твиди
3. Без присмотра
- Примеры обучения и использования без присмотра (самоконтроля)
- Кластеризация данных: что такое хорошая кластеризация?
4. Разработка функций
- Нормализация данных, кодирование данных и почему это важно
- Выбор функций и уменьшение размерности. Анализ главных компонентов
- Настройка гиперпараметров модели (настройка гиперпараметров), перекрестная проверка
5. Эволюционные алгоритмы
- Теория и терминология эволюционных алгоритмов
- Практика с эволюционными алгоритмами. Библиотека Python DEAP
Вам нужен компьютер с графическим процессором NVidia с вычислительными возможностями не ниже 6.0.
или используйте Google Colab с графическим процессором (бесплатная версия не всегда работает из-за занятости)
1. Теория искусственных нейронных сетей (ИНС).
- История искусственных нейронных сетей, примеры использования, что такое искусственный нейрон, функции активации
- Структура искусственной нейронной сети (многослойный персептрон), прямое распространение, обратное распространение
- Функция потерь/стоимости, ее представление в виде гористой поверхности, градиентный спуск
- Скорость обучения
2. Практика ANN с Pytorch
- Представляем и записываем Pytorch
- Создание искусственной нейронной сети с помощью Pytorch для классификации фотографий Fashion-MNIST. Обучение модели, оценка результатов
- Кривая потерь, ранняя остановка, насколько полезен Dropout
3. Сверточные нейронные сети (CNN)
- Что такое фотография для компьютера? Какие проблемы у вас возникают при попытке понять, что изображено на картинке?
- Фильтры (ядро изображения), структура сверточной сети, уровень пула
- Создание CNN с помощью Pytorch для классификации фотографий (например, CIFAR10). Обучение модели, оценка результатов
- Увеличение данных и его влияние на обучение
- Трансферное обучение. Как адаптировать обученные модели под свои нужды
- Обнаружение объектов на фотографиях. YOLO, модели MobileNet. Метрики оценки модели распознавания объектов
- Семантическая сегментация против. сегментация экземпляров. Маска R-CNN, сегментация чего угодно (SAM), модели YOLACT
4. Рекуррентные нейронные сети (RNN).
- Потоки данных (аудио, видео, текст) и оглядываясь назад
- Определение, использование и ограничения сети RNN
- Генерация музыки с помощью RNN
5. Генеративно-состязательные сети (GAN).
- Определение GAN, примеры использования
- Обучение модели GAN преобразованию фотографии в стиль Ван Гога
6. Нейронная сеть Трансформер (Трансформер)
- Определение трансформатора, как рассчитывается важность данных (внимание), примеры использования, какие недостатки у этой модели
- Обучение модели Transformer для классификации фотографий
1. НЛП
- Основы НЛП, история и использование
- TF-IDF, мешок слов, библиотека Spacy
- Вложения слов, их виды, плюсы и минусы
- Классификация текста
- Трансформаторные сети текста. Платформа для обнимающего лица и библиотека
- Генерация текста с помощью сетей Transformer
1. Обучение с подкреплением
- Что такое обучение с подкреплением, история, примеры использования, функция вознаграждения, исследование или исследование. Эксплуатация, выбор действий
- Обучение модели обучения с подкреплением в одной из гимназий
1. Решение задач и консультации
- Решения задач, решаемых на протяжении всего курса, консультации по итоговому проекту.
1. Итоговые презентации проекта
- Заключительные презентации проекта
1. Коммуникативные навыки
- Активное слушание
- Эффективная коммуникация
- Работа с трудными клиентами
- Создание соединения
2. Стратегии решения проблем
- Анализ проблемы и диагностика
- Определение решений
- Методы устранения неполадок
- Анализ первопричины проблемы
- Новейшие технологии решения проблем
- Как получить обратную связь от менеджеров
- Профессиональное развитие
3. Тайм-менеджмент и организация
- Приоритизация задач
- Управление рабочей нагрузкой
- Делегирование и сотрудничество
4. Эмоциональный интеллект
- Понимание и управление эмоциями
- Эмпатия и сострадание
- Решение конфликта
- Стресс-менеджмент
5. Как учиться больше, быстрее и меньше
забывать
- 5-минутное упражнение для мозга
- Очистите свой «мысленный туман» с помощью этих 5
вкусная еда для мозга - Изучите мощную технику запоминания, чтобы
ты бы никогда не пропустил встречу
- Работа искусственного интеллекта. Чем он отличается от человека?
- Создание запроса (Подсказка). В чем разница между хорошим запросом и плохим?
- Валидация результатов. Проверка полученных данных на пригодность в конкретном случае
- Политика управления версиями. Указание версии используемого программного обеспечения (вендора) в запросе
- Плагины искусственного интеллекта в редакторе кода (IDE). Преимущества и недостатки
- Генерация комментариев с помощью искусственного интеллекта
- Создание тестов с помощью плагина
- Оптимизация кода с помощью плагина
Вильнюс Кодирование Аттестат
убедительное доказательство того, что вы готовы карьера ЭТО!
Официальный сертификат, утвержденный Регистром образования и науки
Признан сильнейшими литовскими и международными компаниями
Это доказывает, что вы учились у лучших специалистов в своей области.
Надежное доказательство приобретенных навыков
Сертификат, выданный компанией, развивающей прозрачную деятельность в Литве
Данный сертификат подтверждает, что вы посетили не менее 95% лекций курса в режиме реального времени с лектором, выполнили и защитили итоговую курсовую работу.
Система скидок
Нормальная стоимость обучения
4140 €
НЕМЕДЛЕННО ОПЛАЧИВАЯ ПОЛНУЮ СУММУ
мы применяем скидку 10%!
(€ 3726
(Полная стоимость 4140 €)
Применяется, если вы оплачиваете полную сумму во время предварительной регистрации
ВЫПУСКНИКАМ
мы применяем скидку 15%!
(€ 3519
(Полная стоимость
4140 €)
Распространяется на всех выпускников школы на все тренинги и мастер-классы выходного дня
ПОРЕКОМЕНДУЙТЕ НАС ДРУГУ
мы применяем скидку 10%!
(€ 3726
(Полная стоимость
4140 €)
Применяется, если вы приехали учиться в паре