Uczenie głębokie w Pythonie (sieci neuronowe) (2-dniowe warsztaty online)

Szkolenie jest kontynuacją warsztatu z „Uczenia maszynowego w Pythonie” przygotowanego przez prof. UAM dr hab. Tomasza Góreckiego. Uczenie głębokie, to jedna z najszybciej rozwijających się gałęzi sztucznej inteligencji. Polega na tworzeniu sieci neuronowych. Sieć neuronowa to ogromna ilość połączonych ze sobą i działających w tym samy czasie procesorów. Każdy z nich posiada dostęp do pamięci lokalnej, i jest zasilany dużą ilością danych oraz informacją na temat związków między danymi. Podstawowe zastosowania uczenia głębokiego: rozpoznawanie mowy, rozpoznawanie obrazu, przetwarzanie wideo, przetwarzanie języka naturalnego, tłumaczenia tekstu, systemy rekomendacji filmów czy książek. Po ukończeniu kursu, uczestnicy powinni samodzielnie przeprowadzać zaawansowane analizy danych, korzystając z najnowszych technik uczenia maszynowego i głębokiego uczenia. Będą także w stanie projektować, implementować i oceniać modele sieci neuronowych za pomocą bibliotek H2O i Keras, co jest kluczowe dla wielu zaawansowanych zastosowań uczenia maszynowego. Szkolenie ma charakter prowadzonego na żywo warsztatu ze sprawdzaniem postępów uczestników i możliwością zadawania pytań. Uczestnicy po zakończeniu warsztatu otrzymają pocztą elektroniczną certyfikat potwierdzający ukończenie kursu.

Terminy: 19 i 21 lutego 2025, 11:00-16:00 (2-dniowe warsztaty online)

Liczba godzin: 10 (5 godzin każdego dnia z przerwą kawową).

Lokalizacja: warsztaty zdalne.

Grupa: maksymalnie 10 osób.

Wykładowca: prof. UAM dr hab. Tomasz Górecki.

Cena: 1699 zł netto (2089,77 zł brutto). Pracownikom finansowanym przez instytucje naukowe (lub inne jednostki finansowane ze środków publicznych) przysługuje zwolnienie z VAT.

Metody płatności: przelew na konto. 

Zagadnienia:

  • Biblioteka H2O. Biblioteka H2O to otwarte narzędzie do analizy danych, które oferuje wszechstronny wybór algorytmów do uczenia maszynowego. Działa na platformach takich jak R, Python i Scala, a także na platformach Big Data, takich jak Hadoop i Spark. Wśród najważniejszych cech H2O są jego zdolność do skalowania na wielowątkowych systemach i obsługa uczenia maszynowego na dużą skalę. H2O jest dobrze znanym i szeroko stosowanym narzędziem w społeczności naukowców danych, ze względu na jego elastyczność, wydajność i wszechstronność.
  • Automatyczne modele uczenia maszynowego (AutoML). H2O dostarcza też zestaw narzędzi do automatycznego uczenia maszynowego, które pomagają w automatycznym wyborze najlepszego modelu dla danego zestawu danych.
  • Wprowadzenie do sieci neuronowych (historia, podstawowe typy sieci, budowa klasycznych sieci neuronowych, metody uczenia, hiperparametry).
  • Wprowadzenie do głębokich sieci neuronowych (budowa sieci głębokich, typy warstw, zalety).
  • Biblioteka keras. Keras to biblioteka do głębokiego uczenia maszynowego napisana w Pythonie, której celem jest umożliwienie szybkiego eksperymentowania z sieciami neuronowymi. Jest ona łatwa do zrozumienia i do użycia, a jednocześnie jest wysoce modularna i elastyczna, co pozwala na łatwe tworzenie i prototypowanie modeli sieci neuronowych. Keras oferuje API wysokiego poziomu, które abstrahuje wiele szczegółów technicznych, co pozwala na skupienie się na projektowaniu i doskonaleniu modeli. Biblioteka obsługuje wiele typów modeli, w tym sieci konwolucyjne, rekurencyjne, a także kombinacje tych typów. Keras pierwotnie został stworzony jako interfejs użytkownika dla biblioteki TensorFlow, ale teraz obsługuje wiele różnych backendów obliczeniowych, w tym TensorFlow, Theano i Microsoft Cognitive Toolkit.
  • Konwolucyjne (splotowe) sieci neuronowe.
  • Sieci rekurencyjne, w szczególności sieci typu LSTM oraz GRU.

    • Prof. UAM dr hab. Tomasz Górecki

    Profesor uczelni w Zakładzie Statystyki Matematycznej i Analizy Danych na Wydziale Matematyki i Informatyki Uniwersytetu im. Adama Mickiewicza w Poznaniu, prodziekan ds. grantów i współpracy z gospodarką na Wydziale Matematyki i Informatyki UAM. Naukowo zajmuje się analizą szeregów czasowych, analizą danych funkcjonalnych oraz sztuczną inteligencją. Zajmuje się również zastosowaniami metod statystycznych i uczenia maszynowego w praktycznych zagadnieniach. Od ponad dwudziestu lat prowadzi zajęcia związane z rachunkiem prawdopodobieństwa, statystyką, uczeniem maszynowym i sztuczną inteligencją. Współpracuje z wieloma firmami na polu uczenia maszynowego i sztucznej inteligencji (Lidl, OLX, PWN, Samsung, Smartstock). Od wielu lat posługuje się językami Python oraz R, jest m.in. współautorem pakietów w R oraz autorem książki “Podstawy statystyki z przykładami w R”. Współpracuje m.in. z pracownikami Colorado State University, University of Utah, Politechniki Poznańskiej, Uniwersytetu Ekonomicznego w Poznaniu oraz Uniwersytetu Przyrodniczego w Poznaniu.

     

    Data

    19-02-2025 do
    21-02-2025
     

    Udostępnij wydarzenie

    Zapisz się do naszego Newslettera!
    Zapisz się do naszego newslettera i otrzymaj 10% zniżki przy pierwszym zamówienia na jeden z naszych dwudniowych warsztatów, bieżące informacje dotyczące naszych produktów i usług oraz nowości ze świata bioinformatyki!
    icon
    Subskrybując, zgadzasz się z naszą polityką prywatności warunkami korzystania z usług.