Zkuste nás kontaktovat

Návrh Školení

Přehled AI s použitím Pythonu

  • Klíčové koncepty a rozsah aplikace AI
  • Knihovny v Pythonu pro vývoj umělé inteligence
  • Struktura projektů a postup práce při tvorbě AI systémů

Příprava dat pro účely umělé inteligence

  • Čištění, transformace a tvorba charakteristik z dat
  • Zacházení s chybějícími či nevyváženými daty
  • Škálování a kódování proměnných

Techniky učení s dohledem

  • Algoritmy regrese a klasifikace
  • Skládací metody: náhodný les, gradientní posilování
  • Optimalizace hyperparametrů a křížová validace

Techniky učení bez dohledu

  • Metody shlukování: K-Means, DBSCAN, hierarchické shlukování
  • Redukce dimenzionality: PCA, t-SNE
  • Příklady využití metod učení bez dohledu

Neuronové sítě a hluboké učení

  • Seznámení s nástroji TensorFlow a Keras
  • Tvorba a trénování feedforward neuronových sítí
  • Optimalizace výkonnosti neuronových sítí

Posilovací učení (úvod)

  • Základní pojmy: agenti, prostředí a odměny
  • Implementace základních algoritmů posilovacího učení
  • Příklady uplatnění metod posilovacího učení

Nasazení modelů umělé inteligence

  • Ukládání a načítání již vytrénovaných modelů
  • Integrování modelů do aplikací prostřednictvím API rozhraní
  • Sledování a údržba systémů umělé inteligence v produkčním prostředí<\/li>

Závěr a další směry vývoje

Požadavky

  • Dobrá znalost základů programování v Pythonu
  • Zkušenosti s knihovnami pro analýzu dat, jako jsou NumPy a pandas
  • Základní povědomí o konceptech a algoritmech strojového učení

Cílová skupina

  • Softwaroví vývojáři, kteří chtějí rozšířit své dovednosti v oblasti vývoje AI
  • Data analytici, jež hodlají uplatnit metody umělé inteligence na složité datové soubory
  • Odborníci z oblasti výzkumu a vývoje vytvářející aplikace využívající umělou inteligenci
 35 Hodiny

Počet účastníků


Cena za účastníka

Reference (2)

Nadcházející kurzy

Související kategorie