Kurzusleírás

Haladó Neural Networks

  • Mély tanulási architektúrák
  • Konvolúciós és recidív neurális hálózatok
  • Generatív modellek és felügyelet nélküli tanulás

Machine Learning a Scale-nál

  • Big data elemzése
  • Elosztott számítástechnika ML-hez
  • Fejlett optimalizálási technikák

Reinforcement Learning és a döntéshozatal

  • Markov döntési folyamatok
  • Politikai gradiens módszerek
  • Többügynök rendszerek és játékelmélet

Természetes nyelv feldolgozása és megértése

  • Fejlett NLP technikák
  • Érzelemelemzés és szövegosztályozás
  • Nyelvi modellek és transzformátorok

Computer Látás és észlelés

  • Képfelismerés és tárgyfelismerés
  • Videóelemzés és akciófelismerés
  • 3D rekonstrukció és kiterjesztett valóság

AI etika és társadalom

  • Elfogultság és igazságosság az AI-rendszerekben
  • AI irányítás és politika
  • Az AI jövőbeli társadalmi hatásai

Lab projekt

  • Fejlett ML modellek megvalósítása
  • Nagy adathalmazok elemzése
  • Együttműködés egy csoportos kutatási projektben

Összegzés és a következő lépések

Követelmények

  • Az alapvető AI és ML fogalmak alapos ismerete
  • A Python-ban való jártasság és az adattudományi eszközkészletek ismerete
  • Bevezető tanfolyam elvégzése a mesterséges intelligencia területén vagy azzal egyenértékű tapasztalat

Közönség

  • Adattudósok
  • Mérnökök
  • AI gyakorlók
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák