Szkolenie TensorFlow to praktyczny kurs uczenia maszynowego i głębokiego, który przygotowuje do budowy, trenowania i wdrażania modeli sieci neuronowych do analizy obrazów, tekstu i szeregów czasowych
Szkolenie przygotowuje do samodzielnego projektowania, budowania i trenowania modeli głębokiego uczenia z wykorzystaniem biblioteki TensorFlow
Szkolenie uczy implementacji i modyfikacji architektur sieci neuronowych do analizy obrazów, przetwarzania języka naturalnego oraz predykcji szeregów czasowych
Szkolenie pokazuje, jak stosować techniki optymalizacji, regularyzacji i transfer learningu w praktycznych projektach uczenia maszynowego
Szkolenie omawia metody oceny jakości modeli oraz dobre praktyki wdrażania rozwiązań opartych o uczenie głębokie
Dla kogo?
Programiści, data scientist i analitycy danych z podstawową znajomością Pythona i uczenia maszynowego, chcący rozpocząć pracę z głębokim uczeniem
Osoby przygotowujące się do certyfikacji TensorFlow Developer lub wdrażające rozwiązania AI w projektach komercyjnych
Statystycy i specjaliści IT realizujący zadania związane z analizą obrazów, tekstu lub szeregów czasowych
Efekty kształcenia
Uczestnik projektuje i trenuje modele sieci neuronowych w TensorFlow
Uczestnik analizuje i przygotowuje dane do zadań klasyfikacji i predykcji
Uczestnik wdraża techniki regularyzacji i optymalizacji modeli
Uczestnik wykorzystuje transfer learning w praktycznych zastosowaniach
Uczestnik ocenia skuteczność modeli i interpretuje wyniki
Uczestnik stosuje narzędzia do monitorowania i wizualizacji procesu uczenia
Wymagania
Podstawowa znajomość języka Python
Znajomość podstawowych technik uczenia maszynowego, w tym najczęściej stosowanych architektur sieci neuronowych, takich jak sieć konwolucyjna czy sieć rekurencyjna
Interaktywna analiza przebiegu procesu uczenia sieci w narzędziu Tensorboard
Inicjalizacja wag sieci
Regularyzacja klasyczna: l1, l2
Regularyzacja dropout
Przycinanie gradientu (gradient clipping)
Normalizacja wsadowa (batch normalization)
Przygotowanie danych do treningu
Budowa architektury opartej o warstwy konwolucujne
Ładowanie obrazów z katalogów podczas treningu (generatory danych)
Trenowanie i ocena jakości klasyfikacji
Implementacja własnego generatora danych
Dostępne pretrenowane modele w TensorFlow
Modyfikacja architektury wykorzystywanego modelu
Augmentacja danych do treningu (klasyfikacja obrazów)
Dobre praktyki dotyczące transfer learningu
Wektorowe reprezentacje dokumentów
Narzędzia w TensorFlow do pracy z tekstem
Budowa architektury opartej o warstwy rekurencyjne (RNN, LSTM, Bidirectional)
Uczenie sieci i ocena jakości predykcji
Przygotowanie danych do problemu predykcji
Uczenie sieci i ocena jakości predykcji
Budowa architektury opartej o warstwy rekurencyjne (RNN, LSTM, Bidirectional)
Przegląd wybranych zaawansowanych technik budowy modeli w TensorFlow 2
Autorem szkolenia jest Waldemar Kołodziejczyk
Profesjonalnie i akademicko związany z branżą inżynierską, tworzy rozwiązania oparte o wizję komputerową, szeregi czasowe i uczenie ze wzmocnieniem. Zajmuje się pełnym cyklem zagadnień, od dekompozycji problemu biznesowego, poprzez analizy i research aż po trenowanie i deployment modeli na produkcję. Jako trener prowadzi kursy z obszaru Data Science i Machine Learning w Sages. Wykładowca przedmiotu "Uczenie Maszynowe w rozwiązaniach Big Data" na studiach podyplomowych "Big Data" na Politechnice…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
Uczestnik szkolenia “Praktyczne aspekty stosowania kryptografii w systemach komputerowych”
Michael Stephens, HID Global
potentially more worked through exercises with crypto 'bugs' to find to secure understanding, but aware that this would slow things down and reduce amount of content that could be covered in 5 days
19.06.2026
Maciej Rosiński, int2code
Wszystko przestawione bardzo merytorycznie, z praktycznymi zagadnienia, dostarczone materiały pozwalały na wykonanie wszystkich zadań bezproblemowo
19.06.2026
Bartłomiej Gos, int2code
duzo pratycznej wiedzy, przystepnie podanej
19.06.2026
Sebastian Sokołowski, int2code
Było dostosowane do poziomu grupy. Wykładowca odpowiadał na wszystkie pytania.
19.06.2026
Uczestnik szkolenia “Architektura systemowa i integracja systemów dla analityków”
Michał Gębala
Zagadnienia w punkt, czuć doświadczenie trenera, realne przykłady, no nie ma do czego się przyczepić :)
19.06.2026
Uczestnik szkolenia “Multiagentowe aplikacje AI”
Dorota Sobczak
Szkolenie zgodne z tematem , który mnie interesował, najbardziej jego pierwsza część.
19.06.2026
Uczestnik szkolenia “Analiza kodu za pomocą SonarQube”
Adrian Ronowski, Centrum Zasobów Cyberprzestrzeni Sił Zbrojnych
Prowadzący ma wiedzę w omawianym temacie, chętnie ją przekazuje i odpowiada na pytania. Do zajęć był bardzo dobrze przygotowany.
