Idealny dla zespołów, które…
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
Instalacji i konfiguracji TensorFlow oraz przygotowania środowiska pracy (CPU/GPU), wraz z podstawami reprodukowalności uruchomień
Budowy, trenowania i walidacji modeli w TensorFlow/tf.keras z użyciem metryk, callbacków i TensorBoard
Projektowania i trenowania modeli głębokich w tf.keras, w tym sieci konwolucyjnych (CNN) oraz podstaw transfer learning i fine-tuning
Przygotowania artefaktów modelu do uruchomienia inferencji (eksport, podpisy wejść/wyjść, wersjonowanie) oraz podstaw obserwowalności jakości (metryki, sygnały driftu) i ograniczeń/ryzyk użycia
Co konkretnie robimy
- · Historia i ekosystem TensorFlow 2.x
- · Architektura i główne komponenty (eager execution, tf.function, tf.keras, tf.data, TensorBoard)
- · Instalacja TensorFlow i zależności (wersje, CPU/GPU, weryfikacja konfiguracji)
- · Konfiguracja środowiska pracy (Jupyter Notebook, Colab) i podstawy reprodukowalności uruchomień
- · Operacje TensorFlow: tensory, zmienne, broadcasting
- · Prosty workflow modelu: dane, obliczenia, metryki i uruchomienia
- · Implementacja prostego modelu liniowego
- · Trening i ewaluacja modelu na zbiorze danych (podział danych, metryki, baseline)
- · Keras w ekosystemie TensorFlow (tf.keras, kontekst Keras 3)
- · Architektura i główne komponenty Keras (Sequential, Functional, Model subclassing, callbacki)
- · Integracja Keras z TensorFlow (tf.data, tf.function, TensorBoard, checkpointy)
- · Architektura sieci neuronowych (warstwy, funkcje aktywacji, funkcje straty, inicjalizacje)
- · Sieci konwolucyjne (CNN): architektura i trening
- · Optymalizacja i regularyzacja (optymalizatory, harmonogramy uczenia, dropout, batch normalization, early stopping)
- · Fine-tuning modeli pretrenowanych (transfer learning, zamrażanie warstw, dostrajanie)
- · Dane obrazowe: przygotowanie, augmentacja, tf.data, podział train/val/test
- · Model CNN do klasyfikacji obrazów w Keras: implementacja, trening, walidacja, analiza błędów
- · Eksport modeli i artefakty (SavedModel, format .keras, podpisy wejść/wyjść, wersjonowanie)
- · Aspekty uruchomienia w środowisku produkcyjnym (inferencja, wydajność, TensorFlow Serving/TFLite – przegląd, metryki jakości i sygnały driftu)
Od briefu do retro w 30 dniach.
Brief i diagnoza
Rozmowa z liderem zespołu + krótka ankieta dla uczestników. Określamy cele, gap, kontekst.
Modyfikacja programu
Dostosowujemy moduły, case studies i przykłady kodu pod Twój stack. Akceptacja w 5 dni.
Warsztat
Sesje z trenerem, hands-on, code review. Mentor dostępny też pomiędzy sesjami.
Retro + raport
Raport z efektami dla zespołu i lidera. 30 dni konsultacji w cenie.
Wyślij brief. Odezwiemy się w 1 dzień.
Po krótkim briefie przygotujemy program i wycenę. Bez zobowiązań — to tylko punkt wyjścia do rozmowy.
Dziękujemy!
Odezwiemy się w ciągu 1 dnia roboczego.
Inne programy dla zespołów
Zobacz wszystkie →AI dla analityków: od danych do decyzji
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
AI jako narzędzie wspierające modernizację aplikacji
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
AI szkolenie ogólne
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.