Kurzusleírás
Bevezetés a mesterséges intelligenciába
- Mi az AI és hol használják?
- AI vs. Gépi tanulás vs. Mély tanulás
- Népszerű eszközök és platformok
Python az AI-ban
- Python alapok ismétlése
- Jupyter Notebook használata
- Könyvtárak telepítése és kezelése
Adatokkal való munka
- Adatok előkészítése és tisztítása
- Pandas és NumPy használata
- Megjelenítés Matplotlib és Seaborn segítségével
Gépi tanulás alapjai
- Felügyelt vs. Felügyelet nélküli tanulás
- Osztályozás, regresszió és klaszterezés
- Modell képzése, validálás és tesztelés
Neurális hálózatok és mély tanulás
- Neurális hálózatok architektúrája
- TensorFlow vagy PyTorch használata
- Modellek építése és képzése
Természetes nyelv és számítógépes látás
- Szöveg osztályozás és érzelmek elemzése
- Képek felismerésének alapjai
- Előre betanított modellek és átviteli tanulás
AI üzembe helyezése alkalmazásokban
- Modellek mentése és betöltése
- AI modellek használata API-kban vagy webalkalmazásokban
- Tesztelés és karbantartás ajánlott gyakorlatai
Összefoglalás és következő lépések
Követelmények
- A programozási logika és szerkezetek ismerete
- Tapasztalat Pythonban vagy hasonló magas szintű programozási nyelvekben
- Alapfokú ismeretek az algoritmusok és adatszerkezetek területén
Közönség
- IT rendszerszervezők
- Szoftverfejlesztők, akik AI integrálását tervezik
- Mérnökök és műszaki menedzserek, akik AI-alapú megoldásokat vizsgálnak
Vélemények (2)
Hogy megszereztem tudást a Python Streamlit könyvtárról, és biztosan megpróbálom használni annak érdekében, hogy fejlesszem a csapatomban használt R Shiny alkalmazásokat.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurzus - GitHub Copilot for Developers
Gépi fordítás
A tanár képes az edzés során a kurzus szintjét módosítani, hogy megfeleljen a témában lévő értelemzésünk szintjének, így hasznosabb ismereteket szerezhetnénk, amelyek továbbiakban segítenek nekünk a munka eszközeit nap mint nap jobban kihasználni.
Tatt Juen - ViTrox Technologies Sdn Bhd
Kurzus - Intermediate GitHub Copilot
Gépi fordítás