Applied AI from Scratch in Python

Aby wziąć udział w tym kursie, nie trzeba spełniać żadnych szczególnych wymagań.

Jest to 4-dniowy kurs wprowadzający sztuczną inteligencję i jej zastosowanie przy użyciu języka programowania Python. Istnieje możliwość dodatkowego dnia na podjęcie projektu AI po ukończeniu tego kursu.

Uczenie nadzorowane: klasyfikacja i regresja

• Machine Learning w Python: wprowadzenie do API scikit-learn
  • regresja liniowa i logistyczna
  • maszyna wektorów nośnych
  • sieci neuronowe
  • las losowy
• Konfigurowanie kompleksowego potoku nadzorowanego uczenia się przy użyciu scikit-learn
  • praca z plikami danych
  • imputacja brakujących wartości
  • obsługa zmiennych kategorycznych
  • wizualizacja danych

Python frameworki dla aplikacji AI:

• TensorFlow, Theano, Caffe i Keras.
• Sztuczna inteligencja na dużą skalę z Apache Spark: Mlib

Zaawansowane architektury sieci neuronowych

• konwolucyjne sieci neuronowe do analizy obrazu
• rekurencyjne sieci neuronowe dla danych o strukturze czasowej
• komórka długiej pamięci krótkotrwałej

Uczenie bez nadzoru: grupowanie, wykrywanie anomalii

• implementacja analizy składowych głównych za pomocą scikit-learn
• implementacja autoenkoderów w Keras

Praktyczne przykłady problemów, które może rozwiązać sztuczna inteligencja (ćwiczenia praktyczne z wykorzystaniem notatników Jupyter), np.

• analiza obrazów
• prognozowanie złożonych szeregów finansowych, takich jak ceny akcji,
• złożone rozpoznawanie wzorców
• przetwarzanie języka naturalnego
• systemy rekomendacji

Zrozumienie ograniczeń metod sztucznej inteligencji: sposoby niepowodzenia, koszty i typowe trudności

• nadmierne dopasowanie
• kompromis stronniczość/zmienność
• uprzedzenia w danych obserwacyjnych
• zatruwanie sieci neuronowych

Praca nad projektem stosowanym (opcjonalnie)