Zobrazit vše

Pokročilé techniky hlubokého učení

Kurz je učen pro zájemce o hlubší porozumění umělým neuronovým sítím a hlavě takzvanému hlubokému učení.
Úroveň
Určeno účastníkům s pokročilejšími znalostmi a zkušenostmi
pokročilý
Délka kurzu
1 den
Jazyk
 cz  eu
Kód kurzu
KT21110289
Umělá inteligence (AI)
Kategorie:
Chcete tento kurz na míru pro vaši firmu? Kontaktujte nás

Kurzy s lektorem

Termín
Jazyk
Místo
Forma
?
Jak a kde kurz probíhá.
Cena bez DPH
Otevřený termín
?
Společně se domluvíme na konkrétním datu. Jedná se o nezávaznou objednávku.
Jazyk
Místo
Praha
Forma
učebna
?
Kurz probíhá prezenčně v učebně s lektorem.
Kód vybraného kurzu: KT21110289-0003
Cena bez DPH
4 990 Kč
Otevřený termín
?
Společně se domluvíme na konkrétním datu. Jedná se o nezávaznou objednávku.
Jazyk
Místo
Praha
Forma
učebna
?
Kurz probíhá prezenčně v učebně s lektorem.
Kód vybraného kurzu: KT21110289-0004
Cena bez DPH
4 990 Kč

Popis kurzu

Předpokládá se základní znalost principů na úrovni kurzu Úvod do strojového učení, které se v kurzu využije pro vysvětlení pokročilejších architektur a technik. Zvláštní pozornost bude věnována možnostem interpretovatelnosti modelů strojového učení.

Požadované znalosti

  • Základní znalost programování v Pythonu
  • Středoškolské znalosti lineární algebry, matematické analýzy a teorie pravděpodobnosti. Bude předpokládáno základní porozumění pojmům jako vektor, matice, vektorový prostor, pravděpodobnost, podmíněná pravděpodobnost, nezávislost náhodných jevů a znalost násobení matic a derivace funkcí.
  • Znalosti strojového učení na úrovni kurzu Úvod do strojového učení

Obsah kurzu

  • Architektury neuronových sítí (feed-forward, rekurentní, konvoluční, generativní, autoenkodéry, Unet, GAN, attention layer)
  • Optimalizátory a jejich evoluce (Steepest Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent, Nesterov Accelerated Gradient, Adagrad, AdaDelta, Adam, hledání učicích koeficientů)
  • Chybové funkce a jejich vlastnosti (Mean squared error, Mean absolute error, Negative Log Likelihood)
  • Regularizace neuronových sítí (Dropout, Early stopping, Data augmentation, Batch and layer normalization)
  • Inicializace neuronových sítí (Gradient vanishing problem, Zero initialization, He initialization, Xavier initialization)
  • Semi-supervised learning (Pseudo Labeling, Mean-Teacher, PI-Model)
  • Odhad spolehlivosti predikcí (Logit analysis, Confidence networks)
  • AutoML (automatické hledání hyperparametrů, grid search, Bayesian optimization, meta-learning, automatické hledání architektur neuronových sítí)
  • Praktické příklady s knihovnou AutoKeras
  • Interpretovatelnost modelů strojového učení (přímo interpretovatelné modely, Partial Dependence Plot, Permutation feature importance, Surrogate models, Activation Maximization, Grad-CAM)

Lektoři

Jiří Materna
Jiří Materna

Je specialista na strojové učení se zkušenostmi s jeho aplikacemi v průmyslu od roku 2007. Mezi lety 2008 a 2017 pracoval ve společnosti Seznam.cz, z toho posledních 7 let jako vedoucí výzkumného oddělení. Nyní pracuje na volné noze, nabízí vývoj machine learning řešení na míru, organizuje konferenci Machine Learning Prague a píše blog ML Guru.

Chcete tento kurz na míru pro vaši firmu?

Kontaktujte nás

Aktuality ke kurzu

Náhledový obrázek novinky
Bezpečnost 16. 9. 2024

Konkrétní příklady deep fake útoků a jak se proti nim bránit

Deepfake útoky jsou stále častější a sofistikovanější. Se dvěma reálnými incidenty jsme se dokonce setkali v našem okolí. O jaké deep fake útoky se jednalo?

Náhledový obrázek novinky
Umělá inteligence (AI) 12. 9. 2024
Využití AI v praxi: Microsoft zvýšil přesnost finančních predikcí o 20 %

Microsoft je globální technologická společnost. Její složité finanční procesy zahrnují rozsáhlé finanční plánování a analýzu (FP&A). Tradiční metody predikcí a analýz byly časově náročné a někdy nepřesné, což vedlo ke zpoždění v rozhodování a potenciálním finančním rizikům.

Náhledový obrázek novinky
Umělá inteligence (AI) 28. 8. 2024
Využití AI v praxi: V Unilever snížili čas věnovaný náboru o 75 %

Unilever je mezinárodní společnost s více než 155 000 zaměstnanci. Potýkala se s časově náročným procesem náboru talentů. Náborový proces zahrnoval ruční procházení tisíců životopisů a mnoho hodin strávených na pohovorech, což bylo neefektivní a nákladné.

Předchozí kurzy

Chcete tento kurz na míru pro vaši firmu?

Kontaktujte nás

Aktuality ke kurzu

Náhledový obrázek novinky
Bezpečnost 16. 9. 2024

Konkrétní příklady deep fake útoků a jak se proti nim bránit

Deepfake útoky jsou stále častější a sofistikovanější. Se dvěma reálnými incidenty jsme se dokonce setkali v našem okolí. O jaké deep fake útoky se jednalo?

Náhledový obrázek novinky
Umělá inteligence (AI) 12. 9. 2024
Využití AI v praxi: Microsoft zvýšil přesnost finančních predikcí o 20 %

Microsoft je globální technologická společnost. Její složité finanční procesy zahrnují rozsáhlé finanční plánování a analýzu (FP&A). Tradiční metody predikcí a analýz byly časově náročné a někdy nepřesné, což vedlo ke zpoždění v rozhodování a potenciálním finančním rizikům.

Náhledový obrázek novinky
Umělá inteligence (AI) 28. 8. 2024
Využití AI v praxi: V Unilever snížili čas věnovaný náboru o 75 %

Unilever je mezinárodní společnost s více než 155 000 zaměstnanci. Potýkala se s časově náročným procesem náboru talentů. Náborový proces zahrnoval ruční procházení tisíců životopisů a mnoho hodin strávených na pohovorech, což bylo neefektivní a nákladné.

Proč s námi