Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
1. Úvod do inženýrství umělé inteligence
- Co je to inženýrství umělé inteligence?
- Rozdíly mezi AI, strojovým učením a hlubokým učením
- Životní cyklus projektů v oblasti AI
- Aplikace umělé inteligence v různých odvětvích
- Role a povinnosti inženýra umělé inteligence
2. Základy umělé inteligence
- Klíčové koncepty a terminologie v AI
- Supervised, unsupervised a reinforcement learning – učení pod dohledem, bez dohledu a s posilováním
- Neuronové sítě a základy hlubokého učení
- Přehled generativní AI a modelů typu foundation models
- Ekosystémy a nástroje pro vývoj umělé inteligence
3. Python v inženýrství umělé inteligence
- Nejdůležitější knihovny v Pythonu pro práci s AI
- Knihovny NumPy, Pandas a Matplotlib
- Manipulace dat a jejich vizualizace
- Pracovní postupy s Jupyter Notebooks
- Tvorba opakovaně využitelného kódu pro AI projekty
4. Příprava dat pro umělou inteligenci
- Shromažďování a analýza datových sad
- Čištění a předzpracování dat
- Inženýrství výběrových charakteristik (feature engineering)
- Měřítkování a normalizace dat
- Rozdělení dat na trénovací, validační a testovací sady
- Řešení chybějících hodnot a odlehlých bodů v datech
5. Základy strojového učení
- Algoritmy regrese
- Algoritmy klasifikace
- Metody shlukování
- Pracovní postup tvorby modelů
- Kritéria hodnocení modelů
- Předcházení přeučení a podučení modelů
6. Tvorba modelů umělé inteligence s TensorFlow a PyTorch
- Seznámení s nástrojem TensorFlow
- Seznámení s nástrojem PyTorch
- Vytváření neuronových sítí
- Trénování a validace modelů
- Ukládání a načítání vytvořených modelů
- Srovnání obou nástrojů
7. Základy zpracování přirozeného jazyka (NLP)
- Předzpracování textu
- Word embeddings – reprezentace slov v vektorovém prostoru
- Klasifikace textu
- Analýza sentimentů
- Úvod do modelů typu transformer
- Praktické aplikace NLP v reálném světě
8. Umělá inteligence ve softwarovém vývoji
- Integrace AI do již existujících aplikací
- Používání API pro volání služeb umělé inteligence
- Tvorba aplikací využívajících možnosti AI
- Nástroje pro vývoj podporovaný umělou inteligencí
- Testování aplikací s integrovanou AI funkcionalitou
9. Osvědčené postupy v inženýrství umělé inteligence
- Organizace projektů
- Správa verzí pomocí nástroje Git
- Sledování experimentů během vývoje
- Správa verzí jednotlivých modelů AI
- Standardy dokumentace projektů
- Zajištění reprodukovatelnosti výsledků v AI projektech
10. Nasazování modelů umělé inteligence
- Sérializace a ukládání modelů
- Vytváření služeb pro inferenci AI
- Návrh REST API určených k využití umělou inteligencí
- Základy nasazování modelů pomocí nástroje Docker
- Sledování chování nasazených modelů
11. Data engineering v kontextu umělé inteligence
- Procesy ETL (Extraction, Transformation, Loading)
12. Etika a odpovědné využívání umělé inteligence
13. Řízení projektů v oblasti umělé inteligence
14. Praktický workshop z oblasti inženýrství AI a budoucí trendy
Požadavky
- Znalost základních programovacích konceptů
- Praktické zkušenosti s programováním v Pythonu
- Orientace v základech statistiky a lineární algebry
Cílová skupina
- Inženýři umělé inteligence
- Softwaroví vývojáři
- Data analytici
14 Hodiny
Reference (2)
Rozsáhlá nabídka představených nástrojů
Miruna Buzduga - Aeronamic Eastern Europe
Kurz - AI Enablement Training for Engineers
Přeloženo strojem
Krok za krokem vedené cvičení s velkým množstvím úkolů. Bylo to jako pracovní školení a jsem velmi rád, že tak bylo.
Ireneusz - Inter Cars S.A.
Kurz - Intelligent Applications Fundamentals
Přeloženo strojem