AI & Data

Szkolenie Deep Learning wprowadzenie

Deep Learning to jeden z puzzli wielkiej układanki zwanej uczeniem maszynowym.

Czas trwania
40h / 5 dni · 5h
Zapytaj o program → Zobacz wszystkie
Dla kogo

Idealny dla zespołów, które…

1 Dla osób, które znają podstawy uczenia maszynowego i chcą wejść w Deep Learning (sieci neuronowe, trenowanie, metryki, praktyka w TensorFlow/tf.keras) w ustrukturyzowanej, warsztatowej formie.
2 Dla programistów, analityków danych, analityków biznesowych, marketerów, designerów i osób pracujących z danymi, które chcą rozumieć możliwości i ograniczenia DL oraz potrafić zbudować i ocenić podstawowy model
3 wymagane są: podstawy Pythona, praca na tablicach (np. NumPy) oraz elementarne pojęcia z algebry liniowej i statystyki.
Efekty po programie

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

✓

Podstaw Deep Learningu: kluczowe pojęcia, typy problemów i miejsce DL w ekosystemie uczenia maszynowego.

✓

Doboru podejścia i środowiska obliczeniowego: CPU/GPU oraz podstawy pracy w środowisku lokalnym i w chmurze.

✓

Pracy w TensorFlow: podstawy struktury, typów danych i operacji, w tym GradientTape oraz optymalizacji z użyciem SGD.

✓

Budowy modeli w tf.keras: definicje warstw i modeli, konfiguracja trenowania oraz praktyczne wzorce konstrukcji sieci.

✓

Zbudowania i uruchomienia sieci fully connected dla prostego zadania oraz przygotowania danych wejściowych pod model.

✓

Oceny jakości modeli: dobór metryk, walidacja, analiza przeuczenia oraz podstawy strojenia hiperparametrów i architektury.

✓

Zastosowania technik usprawniających i utrzymaniowych: regularizacja, TensorBoard i diagnostyka, callbacki (np. early stopping, checkpointy) oraz serializacja i odtwarzalność modeli.

Program · 4 modułów

Co konkretnie robimy

M01
Wstęp
  • · Rodzaje uczenia głębokiego (nadzorowane, nienadzorowane, samonadzorowane, transfer learning)
  • · Możliwości i ograniczenia uczenia głębokiego (zastosowania, wymagania danych, ryzyka i bias)
  • · Platforma sprzętowa oraz środowisko programistyczne (CPU/GPU, biblioteki, środowiska uruchomieniowe)
  • · Możliwości wykorzystania chmury obliczeniowej (GPU/TPU, notebooki, koszty i podstawy bezpieczeństwa danych)
  • · TensorFlow – podstawy (paradygmat pracy, podstawowe komponenty)
  • · Struktura (eager/graph, graf obliczeń, organizacja kodu)
  • · Typy danych (Tensor, dtype, shape, broadcasting)
  • · Operacje na danych (podstawowe transformacje, pipeline tf.data, batching)
  • · Gradient Tape (automatyczne różniczkowanie, pochodne, debugowanie gradientów)
  • · SGD (optymalizacja, learning rate, podstawy stabilności trenowania)
M02
Sztuczna sieć neuronowa z zastosowaniem tf.keras
  • · Teoria oraz inspiracja (intuicja uczenia, funkcje aktywacji, funkcja straty)
  • · Neuron (wejścia, wagi, bias, aktywacja)
  • · Warstwy (Dense i podstawowe warstwy, kompozycja warstw)
  • · Elastyczność sztucznych sieci neuronowych (parametryzacja, złożoność, kompromisy)
  • · Rodzaje modeli sztucznych sieci neuronowych (Sequential, Functional, subclassing – przegląd)
M03
Modelowanie
  • · Budowa sieci fully connected w tf.keras (definicja, compile, fit, predykcja)
  • · Rozwiązanie „prostego” problemu (klasyfikacja/regresja, przygotowanie danych)
  • · Analiza jakości modelu (metryki, walidacja, overfitting/underfitting, data leakage)
  • · Strojenie hiperparametrów modelu (learning rate, batch size, architektura, early stopping)
M04
Rozszerzenie
  • · Budowa niskopoziomowa sieci (pętle treningowe, własny krok uczenia)
  • · Regularyzacja (dropout, L1/L2, normalizacja, augmentacja – przegląd)
  • · TensorBoard (monitorowanie treningu, metryki, wizualizacje, śledzenie eksperymentów)
  • · Analiza parametrów modelu (wagi/gradienty, diagnostyka, interpretacja zachowania)
  • · Callbacki TensorFlow (checkpointy, early stopping, scheduler, logowanie)
  • · Serializacja i wersjonowanie modeli (zapis/odczyt, artefakty, odtwarzalność)
Każdy moduł modyfikujemy pod Twój stack i kontekst. Powyższe to punkt wyjścia — nie sztywna agenda.
Jak pracujemy

Od briefu do retro w 30 dniach.

01

Brief i diagnoza

Rozmowa z liderem zespołu + krótka ankieta dla uczestników. Określamy cele, gap, kontekst.

02

Modyfikacja programu

Dostosowujemy moduły, case studies i przykłady kodu pod Twój stack. Akceptacja w 5 dni.

03

Warsztat

Sesje z trenerem, hands-on, code review. Mentor dostępny też pomiędzy sesjami.

04

Retro + raport

Raport z efektami dla zespołu i lidera. 30 dni konsultacji w cenie.

Zapytanie

Wyślij brief. Odezwiemy się w 1 dzień.

Po krótkim briefie przygotujemy program i wycenę. Bez zobowiązań — to tylko punkt wyjścia do rozmowy.

✓Wycena w 48h od briefu
✓Pierwsza sesja w 30 dni
✓Pilotaż przed pełną decyzją
✓Faktura VAT, możliwość płatności w transzach

Ochrona antyspamowa (Cloudflare Turnstile) zostanie aktywowana po wpięciu klucza.

Inne programy dla zespołów

Zobacz wszystkie →
AI & Data

AI dla analityków: od danych do decyzji

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

16h / 2 dni →
AI & Data

AI jako narzędzie wspierające modernizację aplikacji

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

3 godziny →
AI & Data

AI szkolenie ogólne

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

AI & Data →