Młodzieżowa Akademia IT zaprasza na kurs dla nauczycieli – Od podstaw Pythona do sieci neuronowych.
Opis kursu
Kurs Od podstaw Pythona do sieci neuronowych przeznaczony dla osób, które chcą rozpocząć swoją przygodę z programowaniem w Pythonie i stopniowo przejść do zaawansowanych zagadnień związanych z uczeniem maszynowym i sieciami neuronowymi. Uczestnicy zdobędą solidne podstawy programowania, nauczą się korzystać z popularnych bibliotek do analizy i wizualizacji danych, a następnie poznają, jak tworzyć i trenować własne modele sieci neuronowych z wykorzystaniem bibliotek TensorFlow i Keras.
- Praktyczne podejście: Kurs kładzie nacisk na praktyczne zastosowanie wiedzy poprzez liczne ćwiczenia, projekty i analizę rzeczywistych danych.
- Kompleksowy zakres: Od podstaw programowania w Pythonie po zaawansowane techniki uczenia maszynowego i sieci neuronowych.
- Materiały szkoleniowe: Uczestnicy otrzymają dostęp do prezentacji, notatek, kodów źródłowych oraz dodatkowych materiałów edukacyjnych.
- Indywidualne podejście: Małe grupy pozwalają na indywidualne podejście do każdego uczestnika i dostosowanie tempa nauki.
Kurs obejmuje:
- 20 godzin lekcyjnych szkolenia (10 spotkań po 2 godziny lekcyjne)
- 2 godziny lekcyjne – spotkanie organizacyjne, w ramach którego konfigurowane będą środowiska pracy
- 2 godziny lekcyjne – spotkanie końcowe – podsumowanie szkolenia i test końcowy
- W trakcie spotkań będą wykonywane przykładowe programy odpowiadające omawianym zagadnieniom. Spotkania będą nagrywane i w ramach każdego spotkania powstanie notatnik Jupyter z kodami źródłowymi. Zarówno nagrania, jak i przykładowy notatniki będą udostępniane uczestnikom.
Wymagania wstępne:
- podstawowa znajomość obsługi komputera
- chęć nauki i zaangażowanie w praktyczne ćwiczenia
- brak konieczności posiadania wcześniejszego doświadczenia w programowaniu
Korzyści z udziału w kursie:
• Zdobycie solidnych podstaw programowania w Pythonie.
• Poznanie kluczowych bibliotek używanych w analizie danych i uczeniu maszynowym.
• Umiejętność tworzenia i trenowania sieci neuronowych do rozwiązywania rzeczywistych problemów.
• Przygotowanie do dalszego samodzielnego rozwoju w dziedzinie sztucznej inteligencji i data science.
• Certyfikat ukończenia kursu potwierdzający zdobyte umiejętności.
Ramowy zakres kursu i harmonogram spotkań:
| Lp. | Temat | Data (środa) | Godzina |
|---|---|---|---|
| 1 | Wprowadzenie do szkolenia – spotkanie organizacyjne Instalacja środowiska: – Instalacja Pythona i Anacondy. – Wprowadzenie do Jupyter Notebook. | 23.10.2024 | 17.00:18.35 |
| 2 | Wprowadzenie do Pythona Podstawowe składniki języka Python: zmienne, typy danych, operatory. Instrukcje sterujące: if, for, while.Funkcje i moduły. | 30.10.2024 | 17.00:18.35 |
| 3 | Struktury danych w Pythonie Listy, krotki, słowniki, zbiory. Operacje na strukturach danych. Przetwarzanie danych i plików tekstowych. Obsługa wyjątków. | 6.11.2024 | 17.00:18.35 |
| 4 | Wprowadzenie do bibliotek numpy i pandas Tablice wielowymiarowe z numpy. Operacje matematyczne i statystyczne. pandas: struktury danych Series i DataFrame. Importowanie, przetwarzanie i eksploracja danych. | 13.11.2024 | 17.00:18.35 |
| 5 | Wizualizacja danych z matplotlib i seaborn Podstawy tworzenia wykresów z matplotlib. Wizualizacja danych statystycznych z seaborn. Tworzenie różnych typów wykresów: liniowe, słupkowe, histogramy, wykresy pudełkowe. Dostosowywanie stylu i wyglądu wykresów. | 20.11.2024 | 17.00:18.35 |
| 6 | Wprowadzenie do uczenia maszynowego Czym jest uczenie maszynowe? Rodzaje uczenia maszynowego: nadzorowane, nienadzorowane, wzmacniające. Podstawowe algorytmy: regresja liniowa, klasyfikacja, klasteryzacja. Proces uczenia maszynowego: przygotowanie danych, trenowanie modelu, ewaluacja. | 27.11.2024 | 17.00:18.35 |
| 7 | Pakiet scikit-learn – praktyczne uczenie maszynowe Wprowadzenie do biblioteki scikit-learn. Podział danych na zestawy treningowe i testowe. Trenowanie modeli i ocena ich skuteczności. Przykłady zastosowań: regresja liniowa, drzewa decyzyjne, k-najbliższych sąsiadów. | 4.12.2024 | 17.00:18.35 |
| 8 | Wprowadzenie do sieci neuronowych Podstawy działania sieci neuronowych. Pojęcie perceptronu i funkcji aktywacji. Architektura sieci neuronowych: warstwy, neurony, wagi. Proces trenowania sieci neuronowej: propagacja wsteczna, funkcja kosztu. | 11.12.2024 | 17.00:18.35 |
| 9 | TensorFlow i Keras – budowanie sieci neuronowych Instalacja i konfiguracja TensorFlow i Keras. Tworzenie prostych modeli z Keras. Kompilacja, trenowanie i ewaluacja sieci neuronowej. Zastosowanie sieci neuronowych do problemów klasyfikacji i regresji. | 18.12.2024 | 17.00:18.35 |
| 10 | Zaawansowane sieci neuronowe Sieci konwolucyjne (CNN) – podstawy i zastosowania w przetwarzaniu obrazów. Sieci rekurencyjne (RNN) – podstawy i zastosowania w przetwarzaniu sekwencji. Transfer learning – wykorzystanie przetrenowanych modeli do nowych zadań. Przegląd bibliotek i narzędzi wspierających rozwój sieci neuronowych. Ćwiczenia: zastosowanie CNN do klasyfikacji obrazów. | 8.01.2025 | 17.00:18.35 |
| 11 | Projekt końcowy Praca nad projektem końcowym: zastosowanie sieci neuronowych do rozwiązania wybranego problemu. | 15.01.2025 | 17.00:18.35 |
| 12 | Zakończenie szkolenia – test końcowy | 22.01.2025 | 17.00:18.35 |
Kurs poprowadzi mgr inż. Andrzej Ptasznik – chemik, fizyk i wreszcie informatyk. Od 22 lat wykładowca WWSI. Wykładał między innymi bazy danych, podstawy programowania, języki i paradygmaty programowania, wykorzystanie języków R i Python w analizie danych, uczenie maszynowe. Autor i współautor wielu systemów informatycznych od systemu wspomagania synoptyka Cumulus, poprzez system obsługi firmy kolportażowej Jardes, system weryfikacji kontrahentów G2I oraz system obsługi projektów unijnych Ecorys. Aktualnie specjalizuje się w zagadnieniach uczenia maszynowego i sztucznej inteligencji.
Więcej: LinkedIn
Rejestracja na kurs:
Kurs będzie realizowany w formule zdalnej z wykorzystaniem platformy Teams.
Aby wziąć udział w zajęciach, należy wypełnić FORMULARZ ZGŁOSZENIA (link)
Termin przesłania formularza do 18 października 2024 r.
Osoby, które zostaną zakwalifikowane na kurs, otrzymają potwierdzenie na adres e-mail podany w formularzu, a następnie dane dostępu do spotkań.
Limit osób w grupie: 30
Certyfikat ukończenia:
Zaświadczenie potwierdzające ukończenie kursu otrzymają uczestnicy, którzy wezmą udział w 75% spotkań.
Udział w kursie jest nieodpłatny.
Szczegółowych informacji udziela biuro projektu:
kontakt@uniwersytet-wirtualny.edu.pl
tel. 0 22 489 64 90/93