Ysrdxgtlqiobai0vzdh1

Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe (8.5h)

Zrób krok w stronę sieci neuronowych dzięki bibliotece Keras!

   Obejrzyj promo   Zapisz się na kurs

Odnajdź się w świecie uczenia głębokiego!

Nie ulega wątpliwości, że przyszłość zależeć będzie w dużej mierze od postępu technologicznego i ludzi, którzy będą w stanie ten postęp kreować. Jak pokazują dane, utrzymujące się ogromne zapotrzebowanie na specjalistów w sektorze technologii powoduje, że zarobki w branży także są bardzo satysfakcjonujące.

Zastosowania sztucznej inteligencji (Artificial Intelligence) rosną w tempie wykładniczym. Od prostych modeli klasyfikujących pocztę mailową, wybierającą najbardziej optymalną trasę dojazdu, rozpoznającą nas w czasie rzeczywistym (wideoweryfikacja) po auta a nawet samoloty autonomiczne. A przed nami przecież tyle nieodkrytych obszarów w których można zastosować AI.


Promo Video

Do czego służy biblioteka Keras?

Keras to biblioteka open source do tworzenia sieci neuronowych, która jako backend wykorzystuje Tensorflow, CNTK, czy Theano. Jest doskonałym narzędziem do prototypowania i eksperymentowania oszczędzając nam wiele czasu przy pisaniu kodu. Stanowi także niską barierę wejścia dla osób, które dopiero zaczynają swoją karierę w uczeniu maszynowym.

Czego między innymi nauczysz się na kursie?

  • Zrozumienie intuicji stojącej za sztucznymi sieciami neuronowymi
  • Zrozumienie intuicji stojącej za konwolucyjnymi sieciami neuronowymi
  • Elementy składowe sztucznych sieci neuronowych ANN
  • Elementy składowe sieci konwolucyjnych CNN
  • Implementacja sieci neuronowej od zera (python)
  • Budowa sztucznych sieci neuronowych w bibliotece Keras
  • Klasyfikacja obrazów przy pomocy sieci ANN i CNN
  • Dogłębna analiza działania sieci CNN
  • Klasyfikacja obrazów - pies czy kot?
  • Klasyfikacja obrazów - dron, samolot pasażerski czy helikopter?

Przykładowa lekcja - Przetwarzanie obrazu - Augmentacja danych

(lekcja typu ćwiczenie)


Dlaczego warto? Wzrost popularności języka Python

Język Python świetnie nadaje się do przetwarzania, przygotowania, analizy i modelowania danych. Jest prosty do nauki i nie powinien sprawiać problemów osobie, która dopiero zaczyna uczyć się programowania. Na przestrzeni ostatnich lat i rosnącej popularności sztucznej inteligencji Python wyrósł na gwiazdę w tym sektorze. Powstało sporo potężnych bibliotek do machine learningu, czy deep learningu. Przykładem może być stworzona przez Google biblioteka Tensorflow.

Przykładowa lekcja - Klasyfikacja obrazów - Omówienie problemu

(lekcja typu wykład)


Czy istnieją jakieś wymagania dotyczące kursu?

Recenzje uczestników

Wszechstronność Zastosowań

Języka Python możemy używać na bardzo wielu poziomach. Czy to u siebie w domu, w biurze, czy uruchamiając skrypty w chmurze. W połączeniu z mnogością zastosowań i doskonałym zestawem narzędzi takich jak Spyder, Jupyter Notebook, Zeppelin, IPython i innymi bibliotekami środowisko do analizy danych w Pythonie wyróżnia się wydajnością, produktywnością i doskonałą elastycznością.

Program szkolenia


  Konfiguracja środowiska
Dostępne w dni
dni po rejestracji
  Projekt własny
Dostępne w dni
dni po rejestracji

Twój instruktor


Paweł Krakowiak
Paweł Krakowiak

Data Scientist, Securities Broker

Założyciel platformy e-smartdata.org

Autor kilkunastu szkoleń online z zakresu języka python, analizy danych, data science, uczenia maszynowego, uczenia głębokiego, sieci neuronowych czy sztucznej inteligencji.

Miłośnik nowych technologii, szczególnie w obszarze sztucznej inteligencji, big data oraz rozwiązań chmurowych.

Absolwent podyplomowych studiów na Polsko-Japońskiej Akademii Technik Komputerowych na kierunku Informatyka, spec. Big Data.

Absolwent studiów magisterskich z matematyki finansowej i aktuarialnej na wydziale Matematyki i Informatyki Uniwersytetu Łódzkiego.

Od 2015 roku posiadacz licencji maklera papierów wartościowych z uprawnieniami do czynności doradztwa inwestycyjnego.

Wykładowca w Fundacji GPW prowadzący szkolenia dla inwestorów z zakresu analizy technicznej, finansów behawioralnych i zasad zarządzania portfelem instrumentów finansowych.

Z doświadczeniem w prowadzeniu zajęć dydaktycznych na wyższej uczelni z przedmiotów związanych z rachunkiem prawdopodobieństwa i statystyką.

Kilkadziesiąt wystąpień publicznych o tematyce rynków finansowych, czy data science.

Główne obszary zainteresowań to sztuczna inteligencja, uczenie maszynowe, uczenie głębokie i rynki finansowe.


 

NIE WIESZ GDZIE ZACZĄĆ?

REKOMENDOWANE ŚCIEŻKI UCZENIA

ALL-IN-ONE

PYTHON DEVELOPER:

DATA SCIENTIST / MACHINE LEARNING ENGINEER:

DATA SCIENTIST / DEEP LEARNING ENGINEER:

BI ANALYST / DATA ANALYST:

BIG DATA ANALYST:

C DEVELOPER:

C++ DEVELOPER:

Chcesz być na bieżąco? Dołącz do społeczności e-smartdata na Facebooku!

Ucz się, komentuj, pytaj, nawiązuj znajomości!


Planujesz zakup większej ilości kursów na platformie?

Odezwij się do nas, damy solidną zniżkę!

Pozdrawiamy,
Zespół e-smartdata.org
[email protected]

Często zadawane pytania (FAQ)


Kiedy zaczyna i kończy się kurs?
Kurs zaczyna się od momentu zakupu i nigdy się nie kończy! Ty decydujesz, kiedy zaczynasz i kiedy kończysz.
Jak długo mam dostęp do kursu?
Po rejestracji masz nieograniczony dostęp do tego kursu tak długo, jak chcesz - na dowolnym urządzeniu, które posiadasz.
Co jeśli jestem niezadowolony z kursu?
Jeśli nie jesteś zadowolony z zakupu, skontaktuj się z nami w ciągu pierwszych 14 dni, a my damy ci zwrot pieniędzy w zależności od procentu zaawansowania danego kursu/ścieżki.

Zacznij teraz!