Szkolenie: Python NumPy - wydajne obliczenia, sieci neuronowe i analiza obrazu
Szkolenie praktyczne z NumPy koncentrujące się na wydajnych obliczeniach numerycznych, wektoryzacji i broadcastingu, implementacji perceptronu i wielowarstwowych sieci neuronowych (forward/backward), oraz analizie obrazów z użyciem NumPy i OpenCV: konwolucje, filtry i operacje morfologiczne
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:4 dni (32h)
Kod kursu:PYTHON/NUMPY
Dostępne terminy szkolenia
Termin:
Trener:
Cena:
2365 PLN netto
Lokalizacja:
ZdalneTermin:
Trener:
Cena:
2365 PLN nettoLokalizacja:
ZdalneTermin:
Trener:
Cena:
2365 PLN nettoLokalizacja:
ZdalneTermin:
Trener:
Cena:
2365 PLN nettoLokalizacja:
ZdalnePython NumPy - wydajne obliczenia, sieci neuronowe i analiza obrazu
Cele szkolenia
Szkolenie przygotowuje do samodzielnego projektowania i implementacji wydajnych algorytmów numerycznych z wykorzystaniem NumPy
Szkolenie uczy mechaniki działania sieci neuronowych oraz implementacji perceptronu i wielowarstwowych sieci z forward i backward propagation
Szkolenie pokazuje metody optymalizacji treningu, aktualizacji wag oraz oceniania jakości modeli przy użyciu funkcji straty i metryk
Szkolenie rozwija umiejętność przetwarzania obrazów jako macierzy, implementacji konwolucji, filtrów i operacji morfologicznych z NumPy i OpenCV
Szkolenie omawia techniki wektoryzacji, broadcastingu i profilowania kodu w celu zwiększenia wydajności obliczeń
Szkolenie przygotowuje do łączenia obliczeń numerycznych, ML i CV w praktycznych projektach oraz do analizy i optymalizacji wyników eksperymentów
Dla kogo?
Programiści Python z co najmniej podstawowym doświadczeniem, chcący wydajnie przetwarzać dane i implementować algorytmy numeryczne
Data scientists i analitycy danych używający Pandas i chcący zagłębić implementacje ML od podstaw
ML engineerowie odpowiedzialni za implementację, trening i optymalizację modeli w środowiskach produkcyjnych
Inżynierowie computer vision pracujący z obrazami i chcący implementować konwolucje, filtry i operacje morfologiczne niskopoziomowo
Pracownicy działów technicznych wdrażający rozwiązania AI oraz przetwarzania obrazu w projektach biznesowych
Osoby z podstawową znajomością Pythona, algebry liniowej i rachunku różniczkowego, chcące zdobyć praktyczne umiejętności w NumPy i OpenCV
Efekty kształcenia
Uczestnik projektuje wydajne operacje numeryczne stosując wektoryzację i broadcasting
Uczestnik implementuje perceptron oraz wielowarstwową sieć z forward i backward propagation
Uczestnik ocenia i diagnozuje jakość modeli przy użyciu funkcji straty, metryk i analizy overfitting/underfitting
Uczestnik implementuje konwolucję, filtry oraz operacje morfologiczne na obrazach przy użyciu NumPy i OpenCV
Uczestnik analizuje i optymalizuje wydajność kodu numerycznego z użyciem narzędzi profilujących
Uczestnik dokumentuje eksperymenty i proponuje optymalizacje architektury oraz parametrów modelu
Wymagania
Podstawowa znajomość języka Python
Umiejętność pracy z danymi w bibliotekach takich jak Pandas
Znajomość podstaw algebry liniowej i rachunku różniczkowego
Rozumienie pojęć związanych z regresją, klasyfikacją i podstawowymi modelami statystycznymi, jak np. regresja liniowa czy logistyczna
Swobodne korzystanie ze środowiska programistycznego (np. Jupyter Notebook lub VS Code)
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Wprowadzenie do NumPy i wydajnych obliczeń numerycznych
Tablice a listy — podobieństwa i różnice
Właściwości tablic NumPy
Indeksowanie i slicing
Broadcasting i wektoryzacja
Operacje na tablicach wielowymiarowych
Pisanie wydajnych funkcji numerycznych
Podstawy sieci neuronowych i ich implementacja w NumPy
Sieć neuronowa a regresja liniowa
Perceptron Franka Rosenblatta — implementacja krok po kroku
Warstwy, funkcje aktywacji, wagi i biasy
Forward i backward propagation
Funkcje straty i metryki
Aktualizacja wag, optymalizacja, diagnostyka modeli
Implementacja wielowarstwowej sieci neuronowej w NumPy
Eksperymentowanie z modelami i analiza wyników
Analiza obrazów z wykorzystaniem NumPy i OpenCV
Obraz jako tablica NumPy
Przestrzenie barw RGB, HSV i skala szarości
Binaryzacja i operacje morfologiczne
Konwolucja i filtry — implementacja w NumPy
Wykrywanie krawędzi i podstawowe operacje geometryczne
Autorem szkolenia jest Wiktor Piela
Język Python wykorzystuję na co dzień realizując projekty z szeroko pojętego data science, inżynierii danych oraz tworzenia backendu dla aplikacji webowych. Początkowo pracowałem jako młodszy analityk danych w branży FMCG, jednak dostrzegając duży potencjał ekosystemu Pythona, zacząłem poszerzać swoje umiejętności z zakresu frameworków webowych, a także uczenia maszynowego oraz sieci neuronowych. Aktualnie zajmuję się rozwojem systemów predykcyjnych bazujących na tradycyjnych algorytmach ML, a…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
