Warszawska Wyższa Szkoła Informatyki

Kursy dla nauczycieli – Od podstaw Pythona do sieci neuronowych

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

Ramowy zakres kursu i harmonogram spotkań:

Lp.TematData (środa)Godzina
1Wprowadzenie do szkolenia – spotkanie organizacyjne
Instalacja środowiska:
– Instalacja Pythona i Anacondy.
– Wprowadzenie do Jupyter Notebook.    
23.10.202417.00:18.35
2Wprowadzenie do Pythona
Podstawowe składniki języka Python: zmienne, typy danych, operatory.
Instrukcje sterujące: if, for, while.Funkcje i moduły.    
30.10.202417.00:18.35
3Struktury danych w Pythonie
Listy, krotki, słowniki, zbiory.
Operacje na strukturach danych.
Przetwarzanie danych i plików tekstowych.
Obsługa wyjątków.  
6.11.202417.00:18.35
4Wprowadzenie do bibliotek numpy i pandas
Tablice wielowymiarowe z numpy.
Operacje matematyczne i statystyczne.
pandas: struktury danych Series i DataFrame.
Importowanie, przetwarzanie i eksploracja danych.  
13.11.202417.00:18.35
5Wizualizacja 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.  
20.11.202417.00:18.35
6Wprowadzenie 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.  
27.11.202417.00:18.35
7Pakiet 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.  
4.12.202417.00:18.35
8Wprowadzenie 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.  
11.12.202417.00:18.35
9TensorFlow 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.  
18.12.202417.00:18.35
10Zaawansowane 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.  
8.01.202517.00:18.35
11Projekt końcowy
Praca nad projektem końcowym: zastosowanie sieci neuronowych do rozwiązania wybranego problemu.  
15.01.202517.00:18.35
12Zakończenie szkolenia – test końcowy22.01.202517.00:18.35

Andrzej Ptasznik wykładowca

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.

Termin przesłania formularza do 17 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