Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do umělé inteligence
- Co je AI a kde se používá?
- AI vs. Machine Learning vs. Deep Learning
- Populární nástroje a platformy
Python pro umělou inteligenci
- Opakování základů Pythonu
- Práce s Jupyter Notebookem
- Instalace a správa knihoven
Práce s daty
- Příprava a čištění dat
- Používání Pandas a NumPy
- Vizualizace pomocí Matplotlib a Seaborn
Základy machine learningu
- Dohledné a nedohledné učení
- Klasifikace, regrese a shlukování
- Trénování, validace a testování modelů
Neuronové sítě a hluboké učení
- Architektura neuronových sítí
- Používání TensorFlowu nebo PyTorchu
- Stavba a trénování modelů
Přírodní jazyková zpracování a počítačové vidění
- Klasifikace textu a analýza sentimentu
- Základy rozpoznávání obrázků
- Předtrénované modely a přenosové učení
Nasazování AI v aplikacích
- Ukládání a načítání modelů
- Využívání modelů AI v API nebo webových aplikacích
- Nejlepší postupy pro testování a údržbu
Shrnutí a další kroky
Požadavky
- Pochopení logiky programování a struktur
- Zkušenosti s Pythonem nebo podobnými vysokourovňovými programovacími jazyky
- Základní znalost algoritmů a datových struktur
Cílová skupina
- Profesionálové v oblasti IT systémů
- Vývojáři softwaru, kteří se chtějí naučit integrovat AI
- Inženýři a techničtí manažeři zkoumající řešení založená na AI
40 Hodiny
Reference (1)
Získal jsem znalosti týkající se knihovny Streamlit v Pythonu a určitě ji budu snažit použít k zlepšení aplikací ve svém týmu, které jsou vytvořeny v R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurz - GitHub Copilot for Developers
Přeloženo strojem