Kurzusleírás

Mesterséges intelligencia bevezetése

  • Mi az AI és hol használják?
  • AI vs. Machine Learning vs. Deep Learning
  • Népszerű eszközök és platformok

Python az AI számára

  • Python alapok frissítése
  • Jupyter Notebook használata
  • Könyvtárak telepítése és kezelése

Adatok kezelése

  • Adatok előkészítése és tisztítása
  • Pandas és NumPy használata
  • Vizualizáció Matplotlib és Seaborn segítségével

Machine Learning alapjai

  • Felügyelt vs. Unsupervised Learning
  • Osztályozás, regresszió és clusterizálás
  • Modellképzés, validálás és tesztelés

Neural Networks és Deep Learning

  • Neurolált architektúra
  • TensorFlow vagy PyTorch használata
  • Modellek építése és képzése

Természetes nyelv és Computer Vision

  • Szöveges osztályozás és érzelemanalízis
  • Képfelismerés alapjai
  • Előképzett modellek és átviaskapcsolás

AI alkalmazásokban történő telepítése

  • Modellek mentése és betöltése
  • AI-modellek használata API-kban vagy webalkalmazásokban
  • Tesztelés és karbantartás legjobb gyakorlatai

Összefoglalás és következő lépések

Követelmények

  • A programozási logika és szerkezetek megértése
  • Python vagy hasonló magas szintű programozási nyelvek tapasztalata
  • Alapvető ismeretek algoritmusok és adatszerkezetekről

Célközönség

  • IT-rendszerek szakemberei
  • Szoftverfejlesztők, akik AI integrálását keresik
  • Mérnökök és technikai menedzserek, akik AI-alapú megoldásokkal foglalkoznak
 40 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák