Neurónové siete sú súborom matematických modelov navrhnutých na spracovanie informácií podobne ako fungujú mozgové neuróny. Neurónové siete sa skladajú z množstva neurónov, ktoré sú vzájomne prepojené pomocou váh a spracovávajú vstupné dáta, [...]
  • PYTHON_ML_NN
  • Dĺžka 5 dní
  • 50 ITK bodov
  • 4 termíny
  • SR (1 200 €)

    ČR (28 000 Kč)

  • Mierne pokročilý

Neurónové siete sú súborom matematických modelov navrhnutých na spracovanie informácií podobne ako fungujú mozgové neuróny. Neurónové siete sa skladajú z množstva neurónov, ktoré sú vzájomne prepojené pomocou váh a spracovávajú vstupné dáta, aby vytvorili výstup. Každý neurón prijíma vstup z ostatných neurónov alebo z externých zdrojov, spracováva vstup pomocou aktivačnej funkcie a výsledok ďalej posiela do ďalších neurónov v sieti. Neurónové siete sa používajú na riešenie mnohých úloh, ako napríklad rozpoznávanie obrazov, predikciu a klasifikáciu. Typicky sa trénujú na základe veľkého množstva vstupných dát, ktoré sa používajú na optimalizáciu váh a nastavenie parametrov neurónových sietí tak, aby boli schopné riešiť určitú úlohu. Existuje množstvo typov neurónových sietí vrátane jednovrstvových a viacvrstvových perceptrónov, konvolučných sietí, rekurentných sietí a ďalších. Každý typ neurónovej siete sa používa pre rôzne typy úloh a má svoje vlastné charakteristiky a výhody. Neurónové siete sa stali kľúčovým prvkom strojového učenia a umožňujú strojom učiť sa zo skúseností a zlepšovať svoje schopnosti v rôznych oblastiach.

Naučiť sa využívať AI je kľúčový krok do budúcnosti

»
  • Znalosť programovania v Pythone na úrovni kurzu PYTHON_INTRO (znalosti na úrovni kurzu PYTHON_ADV sú výhodou)
  • Znalosti základov analýzy dát na úrovni kurzu PYTHON_DATAN
  • Znalosti základov machine learning na úrovni kurzu PYTHON_ML_INTRO
  • Odborný výklad s praktickými príkladmi, cvičeniami na počítačoch
  • Prezentácia preberanej látky v tlačenej alebo online forme

Deň 1

  • Úvod do neurónových sietí a strojového učenia
  • Základy lineárnej a logistickej regresie
  • Aktivačné funkcie pre neurónové siete (sigmoid, ReLU, atď.)
  • Návrh a implementácia jednoduchej jednovrstvovej neurónovej siete

Deň 2

  • Úvod do knižnice TensorFlow
  • Návrh a implementácia viacvrstvovej neurónovej siete pomocou TensorFlow
  • Trénovanie neurónových sietí a overovanie výkonu
  • Riešenie problému pretrénovania

Deň 3

  • Úvod do konvolučných neurónových sietí (CNN)
  • Základy spracovania obrazov a konvolúcie
  • Implementácia jednoduchej CNN na datasete MNIST
  • Vizualizácia a interpretácia výsledkov

Deň 4

  • Rekurentné neurónové siete (RNN)
  • Základy spracovania sekvencií a časových radov
  • Implementácia jednoduchej RNN na datasete predpovedania cien akcií
  • Vizualizácia a interpretácia výsledkov

Deň 5

  • Úvod do autoenkóderov
  • Základy náhodných modelov
  • Implementácia jednoduchého autoenkódera na datasete MNIST
  • Vizualizácia a interpretácia výsledkov
Aktuálna ponuka
Školiace miesto
Jazyk kurzu

Uvedené ceny sú bez DPH.

Školenie na mieru

Nenašli ste vhodný termín, alebo chcete školenie prispôsobiť špecifickým potrebám vášho tímu? Radi pre vás pripravíme školenie na mieru.