Szkolenie: Python NumPy - wydajne obliczenia, sieci neuronowe i analiza obrazu
Szkolenie praktyczne z NumPy koncentrujące się na wydajnych obliczeniach numerycznych, wektoryzacji i broadcastingu, własnej implementacji perceptronu i wielowarstwowych sieci neuronowych (forward/backward), oraz podstawach analizy obrazów i pracy z danymi nieustrukturyzowanymi z użyciem NumPy i OpenCV.
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:4 dni (32h)
Kod kursu:PYTHON/NUMPY
Dostępne terminy szkolenia
Termin:
Trwają zapisy na szkolenie
Dostępne w Bazie Usług Rozwojowych
online_paymentsTrener:
Cena:
3350 PLN netto
Lokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług Rozwojowychonline_paymentsTrener:
Cena:
3350 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług Rozwojowychonline_paymentsTrener:
Cena:
3350 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług Rozwojowychonline_paymentsTrener:
Cena:
3350 PLN nettoLokalizacja:
ZdalnePython NumPy - wydajne obliczenia, sieci neuronowe i analiza obrazu
Cele szkolenia
Szkolenie przygotowuje do samodzielnego projektowania i implementacji wydajnych algorytmów numerycznych z wykorzystaniem NumPy
Szkolenie uczy mechaniki działania sieci neuronowych oraz implementacji perceptronu i wielowarstwowych sieci z forward i backward propagation
Szkolenie pokazuje metody optymalizacji treningu, aktualizacji wag oraz oceniania jakości modeli przy użyciu funkcji straty i metryk
Szkolenie rozwija umiejętność przetwarzania obrazów jako macierzy, implementacji konwolucji, filtrów i operacji morfologicznych z NumPy i OpenCV
Szkolenie omawia techniki wektoryzacji, broadcastingu i profilowania kodu w celu zwiększenia wydajności obliczeń
Szkolenie przygotowuje do łączenia obliczeń numerycznych, ML i CV w praktycznych projektach oraz do analizy i optymalizacji wyników eksperymentów
Dla kogo?
Programiści Python z co najmniej podstawowym doświadczeniem, chcący wydajnie przetwarzać dane i implementować algorytmy numeryczne
Data scientists i analitycy danych używający Pandas i chcący zagłębić implementacje ML od podstaw
Osoby z podstawową znajomością Pythona, algebry liniowej i rachunku różniczkowego, chcące zdobyć praktyczne umiejętności w NumPy i OpenCV
Efekty kształcenia
Uczestnik projektuje wydajne operacje numeryczne stosując wektoryzację i broadcasting
Uczestnik implementuje perceptron oraz wielowarstwową sieć z forward i backward propagation
Uczestnik ocenia i diagnozuje jakość modeli przy użyciu funkcji straty, metryk i analizy overfitting/underfitting
Uczestnik implementuje konwolucję, filtry oraz operacje morfologiczne na obrazach przy użyciu NumPy i OpenCV
Uczestnik analizuje i optymalizuje wydajność kodu numerycznego z użyciem narzędzi profilujących
Uczestnik dokumentuje eksperymenty i proponuje optymalizacje architektury oraz parametrów modelu
Wymagania
Podstawowa znajomość języka Python lub R
Umiejętność pracy z danymi w bibliotekach takich jak Pandas
Znajomość podstaw algebry liniowej i rachunku różniczkowego
Rozumienie pojęć związanych z regresją, klasyfikacją i podstawowymi modelami statystycznymi, jak np. regresja liniowa czy logistyczna
Swobodne korzystanie ze środowiska programistycznego (np. Jupyter Notebook lub VS Code)
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Autorem szkolenia jest Wiktor Piela
Machine Learning Engineer z 5-letnim stażem z zakresu budowy rozwiązań opartych o dane. W pracy na co dzień wykorzystuję ekosystem Pythona oraz koncepcje z zakresu matematyki rozwiązując problemy biznesowe klientów. Prowadzę szkolenia tłumacząc skomplikowane zagadnienia na prostych przykładach z życia wziętych - wiem, że kluczem do prawdziwego zrozumienia jak działa mechanizm jest jego własna implementacja od zera- począwszy od algorytmu sortowania po sieci neuronowe.
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
