AI Workshop pro vývojáře: základy Open Source řešení prakticky

Obsah kurzu je poskytnout účastníkům základní povědomí o umělé inteligenci (AI) a strojovém učení. Kurz zahrnuje široké spektrum tématických oblastí, od historie a definicí AI po praktické ukázky v Pythonu pomocí interaktivní platformy Jupyter. Účastníci se seznámí s algoritmy strojového učení, práci s daty v Pythonu, a aplikacemi jako TXTAI a Huggingface pro sémantické vyhledávání a práci s jazykem. Hlavní devízou je potom orientace kurzu na Open Source řešení.

Cílová skupina

• IT specialisté
• Software a data inženýři
• Analytici dat

Cíle kurzu

• Poskytnout IT specialistům základní pochopení klíčových principů umělé inteligence (AI), včetně strojového učení, neuronových sítí a praktického využití v Pythonu s využitím interaktivní platformy Jupyter.

Osnova

Úvod do AI a Machine Learning

• Historie a definice AI
• Přehled různých oblastí AI
• Rozdělení machine learning: supervised, unsupervised, reinforcement learning

Základy Strojového Učení

• Algoritmy strojového učení: lineární regrese, logistická regrese, stromy rozhodnutí
• Trénování modelů, validace a testování
• Interaktivní demonstrace v Jupyteru

Práce s Datasets

• Základy práce s daty v Pythonu (pandas, numpy)
• Příprava a čištění dat
• Praktická cvičení s reálnými datasety

TXTAI a Huggingface - základ Open Source řešení

• Praktické ukázky Jupyteru
• Sémantické vyhledávání
• Kategorizace
• Sumarizace textu
• Extrakce textu z dokumentů různých typů
• Překlady textů
• Hledání podobných obrázků
• Indexace vlastních dokumentů
• Trénování vlastních modelů
• Vytvoření jednoduchého "prompt driven" hledání

Specifika českého jazyka v NLP

• Jak pracovat s NLP modely
• Vytváření procesových řetězů
• Na co si dát pozor

Etika, Budoucnost AI, Diskuze

• Diskuze o etických otázkách a budoucím směřování AI
• Interaktivní Q&A a závěr kurzu
• Výukové Metody:
• Interaktivní prezentace
• Hands-on cvičení v Jupyter Noteboocích
• Skupinové diskuse a Q&A session

Technické požadavky 

• Přístup k internetu
• Předinstalovaný Jupyter Notebook (nebo použití online služby jako Binder či Google Colab)
• Příkladové Jupyter Notebooky (budou poskytnuty před kursem)

Předpoklady účastníka

• Základní znalost programování (Python preferován)
• Základní znalost statistiky