Kurzusleírás

Bevezetés az AI-ba és az ML-be

  • Az AI és az ML fogalmak áttekintése
  • Adatgyűjtés és előfeldolgozás
  • Bevezetés a Python for AI-ba

Data Analysis és Vizualizáció

  • Feltáró adatelemzés
  • Adatvizualizációs technikák
  • Az ML statisztikai alapjai

Machine Learning Modellek

  • Felügyelt tanulási algoritmusok
  • Felügyelet nélküli tanulási algoritmusok
  • Modell értékelése és kiválasztása

Deep Learning és Neural Networks

  • A neurális hálózatok alapjai
  • Konvolúciós neurális hálózatok (CNN-ek)
  • Ismétlődő neurális hálózatok (RNN-ek)

Natural Language Processing (NLP)

  • Szövegfeldolgozás és jellemzők kinyerése
  • Érzelemelemzés és szövegosztályozás
  • Nyelvi modellek és chatbotok

Computer Látás

  • A képfeldolgozás alapjai
  • Tárgyérzékelés és képosztályozás
  • Haladó témák a számítógépes látásban

Telepítés és méretezés

  • AI-alkalmazások telepítési stratégiái
  • AI alkalmazások méretezése
  • AI rendszerek felügyelete és karbantartása

Az AI etikája és jövője

  • Etikai megfontolások az AI-ban
  • AI politika és szabályozás
  • A mesterséges intelligencia és az ML jövőbeli trendjei

Lab projekt

  • Kisméretű intelligens alkalmazás fejlesztése
  • Valós adatkészletekkel való munka
  • Együttműködés egy csoportos projektben egy iparági probléma megoldására

Összegzés és a következő lépések

Követelmények

  • Az alapvető programozási fogalmak megértése
  • Tapasztalat Python és alapvető adattudományi technikákkal
  • Az AI és az ML alapelveinek ismerete

Közönség

  • AI szakemberek
  • Szoftverfejlesztők
  • Adatelemzők
 28 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák