План на курса
Введение в изкуствен интелект
- Какво е AI и къде се използва?
- AI vs. Machine Learning vs. Deep Learning
- Популярни инструменти и платформи
Python за AI
- Основни принципи на Python
- Използване на Jupyter Notebook
- Инсталиране и управление на библиотеки
Работа с данни
- Подготовка и почистване на данни
- Използване на Pandas и NumPy
- Визуализация с Matplotlib и Seaborn
Основни принципи на Machine Learning
- Надзиран vs. Unsupervised Learning
- Класификация, регресия и кластеризация
- Обучение, валидация и тестване на модели
Neural Networks и Deep Learning
- Архитектура на нейронни мрежи
- Използване на TensorFlow или PyTorch
- Създаване и обучение на модели
Естествен език и Computer Vision
- Класификация на текст и анализ на настроения
- Основни принципи на разпознаване на изображения
- Предобучени модели и прехвърляне на обучение
Разработка на AI в приложения
- Запазване и зареждане на модели
- Използване на AI модели в API или уеб приложения
- Най-добри практики за тестване и поддръжка
Резюме и следващи стъпки
Изисквания
- Разбиране на логиката и структурите на програмирането
- Опит с Python или подобни високоуровневи езици за програмиране
- Основно познаване на алгоритми и структури на данни
Целева аудитория
- Професионалисти в областта на ИТ системи
- Разработчици на софтуер, които искат да интегрират ИС
- Инженери и технически мениджъри, които разглеждат решения, базирани на ИС
Отзиви от потребители (2)
Придобих знания за библиотеката Streamlit на Python и със сигурност ще опитам да я използвам, за да подобря приложенията в моя екип, които са създадени с R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Курс - GitHub Copilot for Developers
Машинен превод
Тренерът може да коригира нивото на курса по време на обучението, за да съответства нашите знания по темата. Това ни позволява да придобием повече полезни познания, които ще ни помогнат ефективно да използваме инструментите в нашия ежедневен труд.
Tatt Juen - ViTrox Technologies Sdn Bhd
Курс - Intermediate GitHub Copilot
Машинен превод