![AI](https://www.datascript.cz/ir/storage/d5_DS-KurzyKategorie/45-logo-File-AI--ifresize-200x200.png)
Kurzy a certifikace AI
Vývoj
AI Workshop pro vývojáře: základy Open Source řešení prakticky
12.500 CZK
Cena (bez DPH)
Days1
31. 7. 2024
virtual
CZ
29. 8. 2024
virtual
CZ
24. 10. 2024
virtual
CZ
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