Informacja w biznesie to nie tylko zgrabne tabelki z liczbami. To też niezliczone notatki i raporty, zdjęcia czy zapisy procesów biznesowych. Ich sprawna analiza i wyciąganie wniosków wpływających na efektywność pracy była przed epoką głębokiego uczenia maszynowego (Deep Learning) trudna i mozolna.

Głębokie uczenie maszynowe to rewolucja w analizie danych: po raz pierwszy możliwa staje się analiza statystyczna danych o złożonym, wielomodalnym charakterze (dane numeryczne, szeregi czasowe, tekst, obraz itd.) bez żmudnego przygotowywania i upraszczania danych dla klasycznych metod predykcyjnych.

Na szkoleniu wprowadzimy Cię w świat głębokiego uczenia maszynowego. Poznasz strukturę i sposoby projektowania modeli głębokiego uczenia tak, by sprawnie móc dopasować swoje analizy do niestandardowego charakteru danych w Twojej firmie.


Czego się nauczysz?

  • Zrozumiesz charakterystykę typowych podejść do analizy danych metodami głębokiego uczenia.
  • Zdobędziesz praktyczne doświadczenie pozwalające na budowanie sprawnych modeli głębokiego uczenia.
  • Dowiesz się, jak tworzyć własne architektury sieci neuronowych potrzebne do analizy danych w niestandardowej postaci lub wielomodalnych.
  • Poznasz narzędzia pozwalające w szybki sposób tworzyć złożone modele głębokiego uczenia.
  • Nauczysz się radzić sobie z typowymi problemami napotykanymi przy stosowaniu sieci neuronowych.
  • Przećwiczysz swoją wiedzę na prawdziwych zbiorach danych.
  • Otrzymasz obszerne materiały umożliwiające samodzielną późniejszą pracę, w tym skrypty R/Python.


Dla kogo jest to szkolenie?

Pracownicy departamentów zajmujących się analizą danych i modelowaniem (CRM, ryzyko kredytowe), departamentów controllingu, audytu, IT oraz innych:

  • potrzebujący analizować dane,
  • chcący odkrywać zależności w danych,
  • budujący modele predykcyjne.


Skrót programu szkolenia

  • Problem uczenia nadzorowanego z użyciem prostej sieci typu feed-forward
  • Nowoczesne architektury sieci
  • Sieć typu feed-forward, konwolucyjna, rekurencyjna
  • Oprogramowanie: biblioteki tensorowe, automatyczne różniczkowanie, implementacje sieci neuronowych, obliczenia GPU
  • Technikalia procesu uczenia sieci

WordPress database error: [You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'ORDER BY sortorder' at line 1]
SELECT * FROM wp_ngg_pictures WHERE galleryid = ORDER BY sortorder


Program szkolenia

  1. Rys historyczny i zarys nowoczesnych rozwiązań
  2. Struktura problemu uczenia nadzorowanego z użyciem prostej sieci typu feed-forward
  3. Instalacja oprogramowania, wprowadzenie
  4. Technikalia procesu uczenia sieci: tensory, optymizacja SGD, mini-batch, early stopping, walidacja
  5. Nowoczesne architektury sieci: współdzielenie wag, warstwy konwolucyjne, warstwy rekurencyjne, mechanizm uwagi
  6. Sieć typu feed-forward na przykładzie zapotrzebowania na energię elektryczną
  7. Sieć konwolucyjna na przykładzie rozpoznawania cyfr
  8. Sieć rekurencyjna na przykładzie wielowymiarowych szeregów czasowych
  9. Oprogramowanie: biblioteki tensorowe, automatyczne różniczkowanie, implementacje sieci neuronowych, obliczenia GPU

Możliwa realizacja szkolenia z wykorzystaniem:

  • R i pakietu

Spróbuj ponownie