Deep learning w języku Python - techniki zaawansowane
Najbliższe terminy tego szkolenia
Standardy JSystems
- Wszyscy nasi trenerzy muszą być praktykami i osiągać średnią z ankiet minimum 4.75 na 5. Nie ma wśród nas trenerów-teoretyków. Każdy trener JSystems ma bogate doświadczenie komercyjne w zakresie tematów z których prowadzi szkolenia.
- Wszystkie szkolenia mają format warszatowy. Każde zagadnienie teoretyczne jest poparte rzędem warsztatów w ściśle określonym formacie.
- Terminy gwarantowane na 100%. Jeśli jakiś termin jest oznaczony jako gwarantowany, oznacza to że odbędzie się nawet jeśli część grupy wycofa się z udziału. Ryzyko ponosimy my jako organizator.
- Do każdego szkolenia które wymaga jakiegokolwiek oprogramowania dostarczamy skonfigurowane, gotowe hosty w chmurze. Dzięki temu uczestnik nie musi nic instalować na swoim komputerze (i bić się z blokadami korporacyjnymi). Połączenie następuje przez zdalny pulpit lub SSH - w zależności od szkolenia.
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.
Stanowisko robocze
Do tego szkolenia każdy uczestnik otrzymuje dostęp do indywidualnej wirtualnej maszyny w chmurze. Ma ona zainstalowane i skonfigurowane wszystko co potrzebne do realizacji szkolenia. Maszyna będzie dostępna przez cały okres szkolenia.
Gdy na jakiś termin zgłosi się minimalna liczba osób, termin oznaczamy jako gwarantowany.
Jeśli jakiś termin oznaczony jest jako gwarantowany to oznacza to, że na 100% się odbędzie we wskazanym czasie i miejscu.
Nawet gdyby część takiej grupy zrezygnowała lub przeniosła się na inny termin, raz ustalony termin gwarantowany takim pozostaje.
Ewentualne ryzyko ponosimy my jako organizator.
Przejdź do terminów tego szkolenia
Sprawdź, co mówią o nas ci, którzy nam zaufali
Trenerzy kategorii Python
Programista z ponad 12 letnim stażem, pracował dla klientów z Norwegii, Szwecji, Wielkiej Brytanii oraz Niemiec. Pracował dla takich firm jak Schibsted Tech Polska oraz PrimeQ tworząc strony o bardzo dużym natężeniu ruchu, skrypty automatyzujące pracę innych, w tym także crawlery. Trener, który na sali spędził ponad 5000h prowadząc szkolenia z baz danych, programowania w Pythonie i PHP.
Kacper uważa, że język programowania to tylko narzędzie w rękach doświadczonego dewelopera, dlatego nieustannie lubi uczyć się nowych rzeczy oraz zarażać miłością do programowania innych (stąd pewnie ten kanał na Youtubie -> Kacper Sieradziński).
Programista Pythona od 2018 roku z backgroundem w matematycznym modelowaniu procesów fizycznych. Specjalizuje się w obszarach związanych z pozyskiwaniem, przetwarzaniem i analizą danych. Jako data scientist pracował w projektach dla branż takich jak telekomunikacja, media czy finanse. Doświadczony szkoleniowiec, który lubi i potrafi przekazywać wiedzę. W wolnym czasie podróżuje lub pracuje nad nowymi szkoleniami.
DevOps Enginner z zamiłowaniem do części "Dev" wspomnianej roli. Pasjonat ideologii DevOps, ze szczególnym uwzględnieniem potoków dostarczania oprogramowania. Swoje doświadczenie opiera o dostarczanie skalowalnych usług mikroserwisowych oraz projekty wdrażanie w AWSie dla dużych klientów. W codziennej pracy jest zaangażowany na wielu poziomach cyklu dostarczania oprogramowania. Od wielu lat tworzy narzędzia dla deweloperów, które skracają cykl, ułatwiają prace i definiują standardy w zespołach.
Posiada doświadczenie w zarzadzaniu zespołami developerskimi. Absolwent Politechniki Warszawskiej, swoja karierę w IT zaczynał właśnie od szkoleń w JSystems, które pozwoliły mu nabrać wiatru w żagle i pomogły spełnić marzenia o karierze w IT. Dziś w JSystems jako trener zakresu AWS, który zachęci was do korzystania z chmury Amazona i pokaże, że nie jest to takie trudne i "kosztowne".
Certyfikowany inżynier z zakresu architektury, DevOps i Networkingu w AWS. Zwolennik "przemyślanego" podejścia zwinnego w prowadzeniu projektów. Charakteryzuje go podejście do wyzwan z "Can do attitude" i "Get Things Done". W swojej pracy najbardziej ceni możliwość rozwiazywania problemów biznesowych w oparciu o najnowsze technologie chmurowe. Zwolennik praktyki nad teorią. Ostatnio mocno zaangażowany w adaptacje możliwości jakie niesie ze sobą platforma Backstage.io.