Kurzusleírás

Bevezetés az AI és ML alapjaihoz

  • Áttekintés az AI és ML fogalmainak
  • Adatgyűjtés és előfeldolgozás
  • Bevezetés a Python használatába az AI számára

Adatanalízis és vizualizáció

  • Exploratory data analysis
  • Adatvizualizációs technikák
  • Statisztikai alapok az ML számára

Machine Learning Modellek

  • Felügyelt tanulási algoritmusok
  • Felügyelt nélküli tanulási algoritmusok
  • Modellértékelés és kiválasztás

Mélytanulás és neuronhálózatok

  • Neuronhálózatok alapjai
  • Konvolúciós neuronhálózatok (CNNs)
  • Rekurzív neuronhálózatok (RNNs)

Természetes Nyelvi Feldolgozás (NLP)

  • Szövegefeldolgozás és jellemzők kivonása
  • Érzékenység- és szöveges osztályozás
  • Nyelvi modellek és chatbotok

Számítógépes Látás

  • Képfeldolgozás alapjai
  • Objektdetektálás és képkategóriázás
  • Számítógépes látás előrehaladott témái

Telepítés és Skálázás

  • AI alkalmazások telepítési stratégiái
  • AI alkalmazások skálázása
  • AI rendszerek monitorozása és karbantartása

Etika és az AI Jövője

  • Etikai szempontok az AI-ban
  • AI politikák és szabályozások
  • Jövőbeli trendek az AI és ML területén

Laborprojekt

  • Kis méretű intelligens alkalmazás fejlesztése
  • Valós világbeli adathalmazok használata
  • Csoportprojekt a szektorban releváns problémák megoldására

Összegzés és Következő Lépések

Követelmények

  • Alapprogramozási fogalmak megértése
  • Python és alapvető adat tudományi technikák tapasztalata
  • Ismeretség a megismerhető AI és ML alapelvekkel

Célközönség

  • AI szakemberek
  • Szoftverfejlesztők
  • Adatanalitikusok

A kurzus formája

  • Interaktív előadás és viták.
  • Sok gyakorlat és gyakorlás.
  • Gyakorlati alkalmazás élő laboratóriumi környezetben.

A kurzus testreszabási lehetőségek

A kurzus testreszabott változatának megkéréséhez keressék minket a megszervezéshez.

 28 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák