Wymagania
check_circle_outline podstawowa znajomość języka Python (najlepiej ukończony kurs Programowanie w języku Python)
check_circle_outline znajomość biblioteki pandas (najlepiej ukończony kurs Wprowadzenie do data science w języku Python)
check_circle_outline matematyka podstawowa (rachunek różniczkowy, arytmetyka macierzowa, prawdopodobieństwo)
check_circle_outline wolny czas i chęci do podjęcia kroku w stronę sztucznej inteligencji
------------------------------------------------------------
REKOMENDOWANE ŚCIEŻKI UCZENIA
------------------------------------------------------------
PYTHON DEVELOPER:
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
DATA SCIENTIST / MACHINE LEARNING ENGINEER:
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- Wprowadzenie do data science w języku Python - Pandas
- Interaktywne wizualizacje danych w języku Python - Plotly
- Data Science Bootcamp w języku Python - od A do Z
- 250+ Ćwiczeń - Data Science Bootcamp w języku Python
- Machine Learning Bootcamp w języku Python cz.I - od A do Z
- Machine Learning Bootcamp w języku Python cz.II - od A do Z
- Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
DATA SCIENTIST / DEEP LEARNING ENGINEER
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- Wprowadzenie do data science w języku Python - Pandas
- Interaktywne wizualizacje danych w języku Python - Plotly
- Data Science Bootcamp w języku Python - od A do Z
- 250+ Ćwiczeń - Data Science Bootcamp w języku Python
- Machine Learning Bootcamp w języku Python cz.I - od A do Z
- Machine Learning Bootcamp w języku Python cz.II - od A do Z
- Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
- Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras
- Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe
- Artificial Intelligence – Computer Vision w języku Python
BI ANALYST / DATA ANALYST:
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- Wprowadzenie do data science w języku Python - Pandas
- Interaktywne wizualizacje danych w języku Python - Plotly
- Twórz nowoczesne aplikacje webowe w Pythonie - Dash, Plotly
- Data Science Bootcamp w języku Python - od A do Z
- 250+ Ćwiczeń - Data Science Bootcamp w języku Python
BIG DATA ANALYST:
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- Wprowadzenie do data science w języku Python - Pandas
- Interaktywne wizualizacje danych w języku Python - Plotly
- Big Data, Hadoop oraz MapReduce w języku Python
- Big Data: Analiza danych przy użyciu SQL oraz BigQuery
------------------------------------------------------------
OPIS KURSU
------------------------------------------------------------
Boom na rozwiązania AI
Zastosowania sztucznej inteligencji (Artificial Intelligence) rosną w tempie wykładniczym. Od prostych modeli klasyfikujących pocztę mailową, wybierających najbardziej optymalną trasę dojazdu, rozpoznających nas w czasie rzeczywistym (wideoweryfikacja) po auta a nawet samoloty autonomiczne. A przed nami przecież tyle nieodkrytych obszarów w których można zastosować AI.
Do czego służy biblioteka Keras?
Keras to biblioteka open source do tworzenia sieci neuronowych, która jako backend wykorzystuje Tensorflow, CNTK, czy Theano. Jest doskonałym narzędziem do prototypowania i eksperymentowania oszczędzając nam wiele czasu przy pisaniu kodu. Stanowi także niską barierę wejścia dla osób, które dopiero zaczynają swoją karierę w uczeniu maszynowym.