Szkolenie: Nienadzorowana reprezentacja, autoenkodery i modele generatywne
Szkolenie z nienadzorowanego uczenia głębokiego uczy budowy reprezentacji danych, autoenkoderów i modeli generatywnych, takich jak VAE i GAN, umożliwiając praktyczne zastosowanie nowoczesnych algorytmów deep learning do analizy i generowania danych
Trenerzy praktycy
Kameralne grupy
Czas trwania szkolenia:3 dni (24h)
Poziom zaawansowania:
Kod kursu:DL/NRAMG
deep-learningautoenkoderymodele-generatywne
Szkolenie na zamówienie
Dostosowany program
Indywidualna wycena
Dowolny termin
Nienadzorowana reprezentacja, autoenkodery i modele generatywne
Cele szkolenia
Szkolenie przygotowuje do samodzielnego projektowania i wdrażania nienadzorowanych reprezentacji danych z wykorzystaniem nowoczesnych algorytmów głębokiego uczenia
Szkolenie uczy stosowania architektur autoenkoderów, modeli generatywnych oraz metod kontrastywnych do analizy i przetwarzania danych bez etykiet
Szkolenie pokazuje praktyczne zastosowania modeli generatywnych do generowania, interpolacji i modyfikacji danych w środowisku Python
Dla kogo?
Specjaliści ds. uczenia maszynowego i deep learningu z doświadczeniem w pracy z sieciami neuronowymi i Pythonem
Analitycy danych oraz programiści wdrażający modele generatywne lub nienadzorowane w projektach komercyjnych i badawczych
Osoby rozwijające kompetencje w zakresie nowoczesnych metod reprezentacji danych i sztucznej inteligencji
Efekty kształcenia
Uczestnik projektuje nienadzorowane reprezentacje danych w oparciu o deep learning
Uczestnik analizuje i wdraża autoenkodery oraz ich warianty do różnych zastosowań
Uczestnik stosuje modele generatywne, takie jak VAE i GAN, do generowania i modyfikacji danych
Uczestnik rozróżnia i porównuje metody kontrastywne oraz modele gęstościowe
Uczestnik implementuje algorytmy w środowisku Python i PyTorch
Uczestnik ocenia jakość uzyskanych reprezentacji i generowanych danych
Wymagania
Od uczestników szkolenia wymagana jest znajomość podstaw działania sieci neuronowych oraz znajomość narzędzi do ich implementacji w języku Python (np. PyTorch)
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Uczestnik szkolenia “Nienadzorowana reprezentacja, autoenkodery i modele generatywne”
przedstawiona wiedza zawierała zarówno teorię jak i zadania praktyczne, prelegenci starali się dostosować tempo do uczestników, a także potrafili odpowiadać na pytania
13.10.2023
Uczestnik szkolenia “Nienadzorowana reprezentacja, autoenkodery i modele generatywne”
Dobra merytoryka i przykłady
13.10.2023
Uczestnik szkolenia “Nienadzorowana reprezentacja, autoenkodery i modele generatywne”
Jak dla mnie, szkolenie prezeprowadzone było na wysokim poziomie. Trochę więcej czasu poświęciłbym na praktyczne zastoswania omawianych modeli.
13.10.2023
Uczestnik szkolenia “Nienadzorowana reprezentacja, autoenkodery i modele generatywne”
Podobało mi się matematyczne wyjaśnienie działania omawianych modeli. Pomaga to zrozumieć idę i działanie algorytmów sieci. Mam jedynie uwagę i piszę tutaj bo poźniej nie wiem czy będzie taka możliwosć w ankiecie. Pierwszy raz biorę udział w szkoleniu że ciężar przygotowania środowiska programistycznego leży po stronie kursantów. Stąd wiele niepotrzebnych problemów podczas szkolenia. A bo wersja pytorcha zła a bo słabe GPU lub go brak. Firma Sages powinna udostępnić wirtualne maszyny zeby unikać podobnych sytuacji. Ale prowadzący rewelacyjnie prowadzili nas przez tematykę co przekłada się ma bardzo dobrą opinię o kursie.
13.10.2023
Uczestnik szkolenia “Nienadzorowana reprezentacja, autoenkodery i modele generatywne”
Prowadzący byli kompetentni
13.10.2023
Uczestnik szkolenia “Nienadzorowana reprezentacja, autoenkodery i modele generatywne”
Kompetentni prowadzący, połączenie teorii z praktyką, szkolenie wymagające i ambitne
