Deep Learning - uczenie głębokie dla znających Pythona

Możliwość dofinansowania

ALX Academy Sp. z o.o.

Deep Learning - uczenie głębokie dla znających Pythona

Numer usługi 2025/04/29/47449/2717706

4 292,70 PLN

brutto

3 490,00 PLN

netto

134,15 PLN

brutto/h

109,06 PLN

netto/h

Warszawa / mieszana (stacjonarna połączona z usługą zdalną w czasie rzeczywistym)

Usługa szkoleniowa

32 h

29.05.2025 do 06.06.2025

0 zapisanych uczestników

Obserwuj

Zapisz się

Pobierz kartę usługi w PDF

Informacje podstawowe

Kategoria

Informatyka i telekomunikacja / Programowanie
Sposób dofinansowania

wsparcie dla osób indywidualnych

wsparcie dla pracodawców i ich pracowników
Grupa docelowa usługi

Szkolenie przeznaczone jest dla analityków i programistów. To nie jest szkolenie dla statystyków – nie obejmuje matematycznych podstaw działania algorytmów. Od uczestników tego szkolenia oczekujemy znajomości następujących narzędzi – podstawowej znajomości Pythona (na poziomie naszego szkolenia
Skrypty w Pythonie
, albo pierwszego modułu kursu Programista Python), a także znajomości Pandas lub NumPy na poziomie wystarczającym do swobodnego importu i obróbki danych.
Dodatkowo wymagana jest znajomość środowiska Jupyter Notebook.
Minimalna liczba uczestników

6
Maksymalna liczba uczestników

15
Data zakończenia rekrutacji

28-05-2025
Forma prowadzenia usługi

mieszana (stacjonarna połączona z usługą zdalną w czasie rzeczywistym)
Liczba godzin usługi

32
Podstawa uzyskania wpisu do BUR

Certyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych

Cel

Cel edukacyjny

Celem szkolenia jest wyposażenie uczestników w praktyczne umiejętności stosowania uczenia głębokiego w Pythonie z użyciem narzędzi takich jak Keras, TensorFlow i PyTorch. Kurs uczy trenowania modeli do analizy danych, rozpoznawania obrazów, dźwięków i tekstu, umożliwiając tworzenie inteligentnych aplikacji. Skierowany do programistów znających Pythona, Pandas i NumPy, kładzie nacisk na praktyczne zastosowania bez dogłębnej teorii matematycznej.

Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji

Efekty uczenia się	Kryteria weryfikacji	Metoda walidacji
Efekty uczenia się Uczestnik zaprojektuje i wytrenuje modele głębokich sieci neuronowych w Pythonie, korzystając z bibliotek Keras, TensorFlow i PyTorch. Potrafi dostosować architekturę modelu do analizy danych, obrazów lub tekstu.	Kryteria weryfikacji Poprawność stworzonego modelu oceniana na podstawie zadania praktycznego, np. klasyfikacji obrazów z dokładnością min. 80%.	Metoda walidacji Obserwacja w warunkach symulowanych
Efekty uczenia się Uczestnik wdroży modele uczenia głębokiego do rzeczywistych zastosowań, np. rozpoznawania obrazów lub analizy tekstu. Zrozumie proces przygotowania danych i optymalizacji modelu.	Kryteria weryfikacji Wykonanie projektu końcowego, w którym aplikacja AI osiąga zadane cele, oceniane przez trenera.	Metoda walidacji Obserwacja w warunkach symulowanych
Efekty uczenia się Uczestnik nauczy się optymalizować hiperparametry modelu i weryfikować jego skuteczność za pomocą metryk ewaluacyjnych. Potrafi interpretować wyniki i poprawiać wydajność modelu.	Kryteria weryfikacji Poprawność analizy wyników modelu w zadaniu praktycznym, np. raport z metrykami precyzji i straty.	Metoda walidacji Obserwacja w warunkach symulowanych

Kwalifikacje

Inne kwalifikacje

Uznane kwalifikacje

Pytanie 1. Czy wydany dokument jest potwierdzeniem uzyskania kwalifikacji w zawodzie?

TAK

Informacje

Podstawa prawna dla Podmiotów / kategorii Podmiotów

uprawnione do realizacji procesów walidacji i certyfikowania na mocy innych przepisów prawa
Nazwa/Kategoria Podmiotu prowadzącego walidację

NIE
Podmiot prowadzący walidację jest zarejestrowany w BUR

Nie
Nazwa/Kategoria Podmiotu certyfikującego

NIE
Podmiot certyfikujący jest zarejestrowany w BUR

Nie

Program

Przegląd narzędzi do uczenia głębokiego
- TensorFlow
- PyTorch
- Keras
- Hugging Face
- JAX
- identyfikacja różnic pomiędzy narzędziami
- dobór odpowiedniego narzędzia w zależności od projektu
Wprowadzenie do sieci neuronowych
- budowa neuronu
- funkcje komponentów neuronu
- mechanizmy przetwarzania informacji
- jak uczy się sieć neuronowa
  - algorytmy uczenia z nadzorem
  - algorytmy uczenia bez nadzoru
  - funkcje aktywacyjne
  - funkcje błędu
- typy sieci neuronowych
  - perceptory
  - MLP – perceptory wielowarstwowe
  - sieci konwolucyjne (CNN)
  - rekurencyjne sieci neuronowe (RNN)
  - zastosowania sieci neuronowych w różnych dziedzinach
JAX
- architektura JAX
- unikalne cechy JAX
  - przejście z NumPy do JAX
  - wykorzystanie kompilacji JIT przez JAX
  - przetwarzanie równoległe
  - przyspieszenie działania modeli
  - zwiększanie wydajności modeli
Keras
- wprowadzenie – architektura Keras
- udostępniane API
- szkolenie modeli
  - budowa modeli w Keras
  - komplikowanie modeli
  - trenowanie modeli uczenia głębokiego
  - techniki optymalizacji
  - zestawy danych
- wnioskowanie i przewidywanie
  - wykorzystanie wytrenowanych modeli do predykcji
  - podejmowanie decyzji na podstawie nowych danych
Sieci neuronowe – zastosowania i przykłady
- Sztuczne sieci neuronowe (ANN)
  - zastosowania w zadaniach klasyfikacji i regresji
- Konwolucyjne sieci neuronowe (CNN)
  - rozpoznawanie obrazów
  - przetwarzanie obrazu
  - analiza obrazów
- Rekurencyjne sieci neuronowe (RNN, LSTM)
  - predykcja szeregów czasowych
  - inne zagadnienia analityczne
- Hugging Face
  - platforma open-source dla modeli uczenia maszynowego
  - strojenie modeli dopasowanych do potrzeb użytkownika
- Porównanie różnych środowisk (np. PyTorch, Tensorflow)

Harmonogram

Liczba przedmiotów/zajęć: 1

Przedmiot / temat zajęć	Prowadzący	Data realizacji zajęć	Godzina rozpoczęcia	Godzina zakończenia	Liczba godzin	Forma stacjonarna
Przedmiot / temat zajęć 1 z 1 Deep Learning - uczenie głębokie dla znających Pythona	Prowadzący Lech Hubicki	Data realizacji zajęć 29-05-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00	Forma stacjonarna Tak

Cena

Cennik

Rodzaj ceny

Cena
Koszt przypadający na 1 uczestnika brutto

4 292,70 PLN
Koszt przypadający na 1 uczestnika netto

3 490,00 PLN
Koszt osobogodziny brutto

134,15 PLN
Koszt osobogodziny netto

109,06 PLN
W tym koszt walidacji brutto

0,00 PLN
W tym koszt walidacji netto

0,00 PLN
W tym koszt certyfikowania brutto

0,00 PLN
W tym koszt certyfikowania netto

0,00 PLN

Prowadzący

Liczba prowadzących: 2

1 z 2

Lech Hubicki

Lech posiada solidne wykształcenie wyższe. Zdobył tytuł doktora na Uniwersytecie Śląskim w Katowicach, ukończył studia w zakresie biostatystyki na University at Albany School of Public Health oraz studia podyplomowe z negocjacji i mediacji w biznesie na Uczelni Łazarskiego w Warszawie. Jest wysoce wyspecjalizowanym analitykiem z doświadczenie w takich technologiach jak Python, Machine Learning, Deep Learning oraz AI (sztuczna inteligencja), R.

2 z 2

Tomasz Kaniecki

Tomek to ekspert w dziedzinie programowania, cyberbezpieczeństwa i uczenia maszynowego. Od lat zgłębia tajniki technologii IT, w tym sztucznej inteligencji. Jego zainteresowanie programowaniem rozpoczęło się w erze komputerów 8-bitowych i przekształciło się w imponującą wiedzę oraz umiejętności, z którymi z entuzjazmem dzieli się z innymi.

Informacje dodatkowe

Informacje o materiałach dla uczestników usługi

Uczestnicy otrzymują autorskie materiały szkoleniowe ALX.

Warunki techniczne

Czego potrzebujesz do kursu zdalnego?

komputer z dostępem do Internetu (zalecana prędkość łącza: min 3 Mbit/s download/upload; całkowicie wystarczające są w szczególności połączenia przez sieć komórkową, oby jedynie były one stabilne - nie zrywające się)
przeglądarka internetowa (Chrome, Firefox, Safari, Edge itp.),
głośniki lub słuchawki, oraz mikrofon (aby słyszeć i rozmawiać z trenerem oraz innymi uczestnikami szkolenia).

Opcjonalnie:

W miarę posiadania, można też wyposażyć stanowisko pracy w dodatkowy monitor. Jest wtedy możliwość jednoczesnego obserwowania udostępnionego obrazu (na jednym ekranie) i pracy w swoim edytorze/arkuszu/środowisku na drugim ekranie. Jeśli jednak nie posiadasz dodatkowego monitora, to również nie ma się czym martwić. Wystarczy przełączanie się między oknami w razie potrzeby, w ten sposób pracuje większość naszych kursantów.

Alternatywnie, istnieje jeszcze możliwość uruchomienia oprogramowania konferencyjnego (standardowo w ALX jest to Zoom) na tablecie lub ewentualnie telefonie Apple / Android (przy czym ekran telefonu jest jednak dość mały - kursanci raczej preferują tablety). Wtedy można uczestniczyć w sesji video poprzez urządzenie mobilne, a samodzielną pracę i ćwiczenia - wykonywać na komputerze.

Adres

ul. Jasna 14/16A

00-041 Warszawa

woj. mazowieckie

Udogodnienia w miejscu realizacji usługi

Klimatyzacja
Wi-fi
Laboratorium komputerowe

Kontakt

Justyna Kamińska

E-mail

zakupy@alx.pl

Telefon

(+48) 604 280 025

Deep Learning - uczenie głębokie dla znających Pythona