Deep learning w języku Python - techniki zaawansowane

Najbliższe terminy tego szkolenia
Skuteczność
Program szkolenia
- Wstęp do modułów oraz narzędzi, używanych w Deep Learning oraz wskazanie różnic pomiędzy nimi.
- Numpy, Pandas, Numba, Dash
- Tensorflow, Keras, Pytorch, MXnet
- Jupyter, Google Colab, Databricks, AWS SageMaker
- Klasyfikacja i regresja za pomoca algorytmów sieci neuronowych.
- Przewidywanie wysokości rachunków za prąd jako przykład regresji.
- Określenie zdolności kredytowej jako przykład klasyfikacji.
- Użycie Deep Learning w pracy z danymi tekstowymi.
- Przygotowanie danych do pracy z sieciami rekurencyjnymi.
- Przewidywanie sentymentu postów z portalu Twitter.
- Generowanie komentarzy z pomocą sieci rekurencyjnych.
- Deep learning w kontekście pracy z obrazami (Computer Vision).
- Przypomnienie pojęcia splotu oraz sieci konwolucyjnych.
- Przygotowanie danych do pracy z sieciami CNN.
- Klasyfikacja obrazów.
- Segmentacja obrazów.
- Przewidywanie szeregów czasowych przy pomocy sieci typu LSTM.
- Próba przewidywania wskaźników giełdowych lub kryptowalut.
- Przegląd najpopularniejszych architektur oraz modeli typu State of the Art(SOTA).
- Wyjaśnienie pojęcia transfer learning.
- Wprowadzenie do Hugging Face oraz konkurencyjnych rozwiązań.
- Użycie modeli typu SOTA i porównanie z ich analogami z poprzednich podpunktów.
- Wskazanie zalet i wad użycia Deep Learning w praktyce.
- Projekt.
- Projekt end-to-end, od pozyskania danych do ich czytelnej prezentacji.
- Praca w małym zespole.
- Mentoring prowadzącego.
Opis szkolenia
Szkolenie odbywa się na żywo z udziałem trenera. Nie jest to forma kursu video!Każdy case jest oparty na realnych przypadkach w biznesie bądź nauce. Kurs daje podstawy, by móc samodzielnie zacząć realizować własne projekty. Dla pragnących jeszcze pogłębić swoja wiedzę i specjalizacje, zostaną przygotowane specjalne kursy - Deep Learning dla NLP, Deep Learning dla Computer Vision oraz Deep Learning for Time-series.
Prowadzący szkolenie: Paweł Stasiński
Programista Python z wieloletnim praktycznym doświadczeniem. Od kilkunastu ściśle związany z tym właśnie językiem
prowadząc projekty dla małych i dużych firm. W ostatnich latach zajmuje się głównie analizą danych, machine i deep learning głównie w kontekście
analizy tekstu i obrazu. Ostatnio skoncentrowany na projektach związanych w wykorzystaniu Al w social-media. W swojej pracy bardzo dużo poświęca praktyce,
dlatego też tak ważne jest dla niego warsztatowe podejście do zajęć. W JSystems najczęściej można go spotkać prowadzącego szkolenia związane z analizą danych, machine learning oraz deep learning.

Sprawdź, co mówią o nas ci, którzy nam zaufali
Trenerzy kategorii Python







