AI & Python Fundamentals
Odkryj świat AI i Python od podstaw – naucz się programowania, modelowania i praktycznych zastosowań w realnych projektach IT.
8 modułów / 2 miesiące zdobywania praktycznej wiedzy / sesje Q&A z ekspertami / dostęp do najwyższej jakości materiałów szkoleniowych / wiele więcej korzyści dla Twojego rozwoju!
Dołącz do listy oczekujących i zgarnij
5% rabatu! Otrzymuj najnowsze informacje o
kursie AI & Python Fundamentals i korzystaj z dodatkowych materiałów
edukacyjnych.
Dlaczego warto?
- Praktyczne umiejętności w Pythonie i AI.
- 8 modułów, ponad 90 lekcji krok po kroku, od podstaw do zaawansowanych tematów.
- Certyfikat ukończenia zwiększający atrakcyjność na rynku pracy.
- Elastyczna nauka online, dopasowana do Twojego tempa.
- Cotygodniowe sesje Q&A z prowadzącymi.
- Egzaminy weryfikujące postępy na bieżąco.
- Wsparcie społeczności innych kursantów.
- Poznanie popularnych narzędzi, takich jak NumPy, Pandas, PyTorch.
- Lepsze perspektywy zawodowe dzięki umiejętnościom z zakresu AI.
- Przydatność w pracy akademickiej i naukowej – zdobędziesz umiejętności, które możesz wykorzystać w badaniach, projektach naukowych oraz podczas studiów.
Dla kogo jest ten kurs?
Zapisz się na listę oczekujących i zgarnij dodatkowo
5% rabatu!
O autorach
Szymon Wiśniowski & Damian Fyda
Autorami kursu AI & Python Fundamentals są Szymon Wiśniowski i Damian Fyda – specjaliści, którzy zdobyli praktyczną wiedzę w zakresie sztucznej inteligencji i programowania w Pythonie, realizując projekty technologiczne. Dzięki ich doświadczeniu kurs jest oparty na sprawdzonych metodach i praktycznych przykładach, które pomogą uczestnikom lepiej zrozumieć oraz samodzielnie stosować zdobytą wiedzę. Szymon oraz Damian prowadzą kurs w sposób przystępny, dbając o potrzeby osób początkujących oraz tych, którzy chcą rozwinąć swoje umiejętności w IT.
Forma kursu
Modułowy podział kursu
8 modułów składających się z ponad 90 lekcji / jeden moduł na tydzień.
Treści edukacyjne
Materiały wideo / testy sprawdzające / dodatkowe materiały przygotowane przez prowadzących.
Sesje Q&A
Cotygodniowe spotkania online z prowadzącymi.
Online i elastyczny dostęp
Kurs dostępny w dowolnym miejscu i czasie.
Certyfikat ukończenia
Potwierdzenie umiejętności po zdaniu egzaminu.
Wsparcie społeczności
Grupy kursantów, wymiana doświadczeń.
Kurs AI & Python Fundamentals jest w pełni online i podzielony na 8 modułów, które będziesz realizować w tempie jednego modułu na tydzień. Każdy tydzień przyniesie Ci nowe materiały edukacyjne, wideo lekcje, ćwiczenia praktyczne oraz testy sprawdzające Twoją wiedzę. Dodatkowo, co tydzień weźmiesz udział w sesji Q&A, gdzie będziesz mieć okazję zadawać pytania i rozwiewać wątpliwości bezpośrednio z prowadzącymi.
Po ukończeniu kursu i zdaniu egzaminów otrzymasz certyfikat potwierdzający Twoje nowe umiejętności. Możesz uczyć się, kiedy i gdzie chcesz – kurs jest elastyczny i dostosowany do Twojego tempa. Dodatkowo, będziesz częścią społeczności kursantów, z którymi możesz dzielić się doświadczeniami i wspierać w procesie nauki.
Moduły szkoleniowe
W tym module poznasz podstawy języka Python potrzebne do pracy z AI. Rozpoczniesz od konfiguracji środowiska, dowiesz się, jak korzystać z podstawowych składników języka i operatorów do wykonywania obliczeń. Następnie zgłębisz struktury sterujące, by tworzyć elastyczne programy, oraz funkcje i moduły, które pomogą organizować kod. Ten moduł zapewni Ci solidne fundamenty do dalszej nauki sztucznej inteligencji.
Ten moduł obejmuje pracę z kluczowymi strukturami danych: listami, słownikami i zbiorami. Nauczysz się operacji na plikach oraz programowania obiektowego do organizacji kodu. Zdobędziesz także umiejętność obsługi wyjątków i poznasz podstawy pracy z modułami zewnętrznymi, bibliotekami i API.
W tym module zapoznasz się z kluczowymi bibliotekami Pythona wykorzystywanymi w uczeniu maszynowym. NumPy pozwoli Ci na efektywne operacje matematyczne na dużych zbiorach danych. Dzięki Pandas nauczysz się przetwarzać i analizować dane, co jest niezbędne przy przygotowywaniu danych do modeli AI. Z kolei Matplotlib umożliwi wizualizację wyników, tworząc wykresy i diagramy dla lepszego zrozumienia analizowanych informacji.
W tym module wprowadzimy Cię w podstawowe pojęcia uczenia maszynowego, obejmujące analizę i interpretację danych. Nauczysz się metod regresji do przewidywania wartości liczbowych oraz klasyfikacji do rozróżniania i przypisywania kategorii, co stanowi fundament wielu zastosowań AI.
Ten moduł przybliży Ci bardziej zaawansowane techniki uczenia maszynowego. Poznasz klasteryzację, czyli metodę grupowania danych, co jest przydatne w analizie dużych zbiorów danych. Wprowadzenie do sieci neuronowych pozwoli Ci zrozumieć podstawy działania modeli inspirowanych ludzkim mózgiem, które są fundamentem nowoczesnej sztucznej inteligencji.
W tym module poznasz podstawy biblioteki PyTorch, popularnego narzędzia do tworzenia i trenowania modeli głębokiego uczenia. Nauczysz się, jak przeprowadzać proces treningowy przy użyciu PyTorch, a następnie, na praktycznym przykładzie, stworzysz i wytrenujesz model do klasyfikacji.
W tym module zgłębisz zastosowanie sztucznej inteligencji w przetwarzaniu obrazów. Nauczysz się, czym są konwolucyjne sieci neuronowe (CNN) i jak efektywnie analizować obrazy. Dzięki bibliotece Pillow poznasz techniki przetwarzania obrazów w Pythonie. Zbudujesz i wytrenujesz własną konwolucyjną sieć neuronową, a także dowiesz się, jak polepszać jakość modelu dla dokładniejszych wyników.
Moduł niespodzianka to dodatkowa część kursu, oferująca inspirujące materiały i praktyczne wskazówki. Poznasz tu nieoczywiste zastosowania AI i Pythona, które poszerzą Twoje umiejętności i zainspirują do przyszłych projektów.
Moment, to już czas dołączyć do listy oczekujących... Dodatkowe materialy
edukacyjne i 5% rabatu czekają.
Dlaczego my?
Kurs AI & Python Fundamentals powstał z inicjatywy Tukano Software House, firmy, która stworzyła ideę Adeptów IT, by wspierać rozwój umiejętności technologicznych wśród osób stawiających pierwsze kroki w branży. Intensywnie rozwijaliśmy nasze kompetencje w dziedzinie sztucznej inteligencji, analizując możliwości wdrożenia innowacyjnych rozwiązań w różnorodnych projektach. Nasze doświadczenia i zdobyta wiedza zainspirowały nas do stworzenia kompleksowego kursu dla tych, którzy chcą rozpocząć swoją przygodę z AI i Pythonem.
Kurs będzie prowadzony przez doświadczonych programistów z Tukano Software House, którzy mają styczność z praktycznymi zastosowaniami technologii AI. Dzięki temu uczestnicy zyskają nie tylko teoretyczne podstawy, ale również wiedzę praktyczną, która przygotuje ich do wyzwań przyszłości.
Najczęściej zadawane pytania
Dla kogo jest ten kurs?
Czy muszę mieć doświadczenie w programowaniu?
Ile trwa kurs AI & Python Fundamentals?
Jakie umiejętności zdobędę po ukończeniu kursu?
Czy kurs jest dostępny online?
Czy kurs jest dostępny w języku polskim?
Czy otrzymam certyfikat po ukończeniu kursu?
Jakie są wymagania sprzętowe?
Czy jest dostępne wsparcie instruktora podczas kursu?
Czy mogę rozpocząć kurs w dowolnym momencie?
Szczegółowy plan kursu
01
Wprowadzenie do Pythona
Konfiguracja środowiska
Instalacja Pythona i menedżera pakietów pip
Instalacja VS Code i Jupyter Notebook, omówienie narzędzia Google
Colab
Tworzenie wirtualnych środowisk programistycznych, instalacja
bibliotek
Podstawowe składniki języka
Funkcje print() i input() – podstawy interakcji z użytkownikiem
Zmienne – deklaracja i zasady nazewnictwa
Typy danych – omówienie podstawowych typów
Operatory
Operatory arytmetyczne, logiczne i porównawcze
Operator wycinania (slicing)
Praca z danymi tekstowymi i metody operowania na ciągach znaków
Struktury danych: listy, zbiory, krotki i słowniki
Struktury sterujące
Wartości logiczne i porównania
Instrukcje warunkowe (if, else, elif)
Pętle: for i while – iteracje i ich zastosowania
Funkcje i moduły
Wbudowane funkcje – przegląd najważniejszych narzędzi
Tworzenie własnych funkcji
Funkcje anonimowe (lambda) – szybkie definiowanie funkcji
Przekazywanie dowolnej liczby argumentów – *args i **kwargs
02
Struktury danych i programowanie obiektowe
Operacje na listach, słownikach i zbiorach
Tworzenie i operacje na listach
Tworzenie i operacje na słownikach
Tworzenie i operacje na zbiorach
Operacje na plikach
Wczytywanie plików – podstawowe operacje odczytu danych
Zapisywanie danych do pliku – różne sposoby zapisu
Tryby otwierania plików – omówienie trybów odczytu, zapisu i
modyfikacji
Programowanie obiektowe
Wprowadzenie: klasy, obiekty, atrybuty i metody
Parametr self – jego rola w metodach klas
Konstruktor i metody instancyjne
Dekoratory: @staticmethod i @classmethod
Dziedziczenie – zasady i praktyczne zastosowanie
Zmienne chronione, publiczne i prywatne – omówienie dostępu do
atrybutów
Obsługa wyjątków
Instrukcja try/except/finally – obsługa błędów w programie
Najlepsze praktyki w obsłudze wyjątków
Podstawy pracy z modułami zewnętrznymi, bibliotekami i interfejsami
API
Importowanie modułów – jak korzystać z gotowych bibliotek
Co to jest API – podstawy interfejsów programistycznych
Łączenie się z API – proste zapytania do zewnętrznych usług
03
Biblioteki do uczenia maszynowego
NumPy
Podstawy NumPy i tablice wielowymiarowe (ndarrays)
Operacje arytmetyczne i funkcje matematyczne
Zaawansowane indeksowanie i maskowanie
Manipulacja tablicami
Agregacje i operacje statystyczne
Generowanie liczb losowych i symulacje
Pandas
Podstawy Pandas: Series i DataFrame
Indeksowanie i wybieranie danych
Manipulacja danymi
Czyszczenie i przygotowanie danych
Agregacje, grupowanie i operacje na zbiorach danych
Praca z danymi zewnętrznymi
Matplotlib
Wprowadzenie do Matplotlib
Rodzaje wykresów i ich zastosowania
Dodawanie adnotacji i modyfikacja osi
Wizualizacja danych 3D oraz mapy ciepła
04
Podstawy uczenia maszynowego
Wstęp do uczenia maszynowego
Czym jest uczenie maszynowe?
Zastosowania uczenia maszynowego
Przygotowanie danych do modelu
Podział danych na zbiór treningowy i walidacyjny
Regresja vs klasyfikacja
Uczenie nienadzorowane i nadzorowane
Regresja
Regresja liniowa
Regresja drzew decyzyjnych
Regresja logistyczna
Klasyfikacja
Metoda k-najbliższych sąsiadów (k-NN)
Maszyna wektorów nośnych (SVM)
Klasyfikator Naive Bayes
05
Zaawansowane aspekty uczenia maszynowego
Klasteryzacja
Czym jest klasteryzacja?
Metoda K-means
Wprowadzenie do sieci neuronowych
Czym są sieci neuronowe?
Jak działają sieci neuronowe?
Rodzaje sieci neuronowych
06
Deep Learning
Biblioteka PyTorch
Dlaczego warto korzystać z PyTorch?
Czym jest tensor i jak tworzyć tensory
Mnożenie macierzy w PyTorch
Najczęstsze problemy przy pracy z biblioteką
Proces treningowy z wykorzystaniem biblioteki PyTorch
Importowanie danych
Podział danych na zbiór treningowy i walidacyjny
Użycie narzędzia Dataloader
Tworzenie sieci neuronowej
Wybór optymalizatora i hiperparametrów
Przygotowanie pętli treningowej
Testowanie modelu
Praktyczny przykład stworzenia i wytrenowania modelu do klasyfikacji
Przeprowadzenie procesu z poprzednich lekcji na rzeczywistym
przykładzie
Zapisanie modelu przy użyciu platformy Hugging Face
07
Wizja komputerowa
Konwolucyjne sieci neuronowe
Czym są konwolucyjne sieci neuronowe – wprowadzenie
Filtry w sieciach konwolucyjnych
Jądra (kernels) w sieciach konwolucyjnych
Biblioteka Pillow
Ładowanie i przygotowywanie obrazów do treningu
Augmentacja danych – sposoby rozszerzania zbioru danych
Wykorzystanie GPU – tworzenie kodu działającego na różnych
urządzeniach
Zbudowanie konwolucyjnej sieci neuronowej i przeprowadzenie treningu
Tworzenie sieci konwolucyjnych (CNN)
Transfer learning z użyciem wstępnie wytrenowanego modelu VGG16
Polepszanie jakości modelu
Ocena jakości modelu
Niedotrenowanie i przetrenowanie – jak je rozpoznać
Sposoby na poprawę jakości modelu
08
Moduł niespodzianka
Moduł niespodzianka to dodatkowa część kursu, oferująca inspirujące
materiały i praktyczne wskazówki. Poznasz tu nieoczywiste
zastosowania AI i Pythona, które poszerzą Twoje umiejętności i
zainspirują do przyszłych projektów.
Nie przegap swojej szansy! Zapisz się na listę oczekujących, zyskaj
5% rabatu i bądź na bieżąco z kursem AI & Python
Fundamentals.
Cieszymy się że dołączyłeś do grona osób oczekujących na kurs AI & Python
Foundamentals!
Wkrótce podzielimy się kolejnymi informacjami, abyś mógł/mogła przygotować
się na rozpoczęcie nauki w świecie sztucznej inteligencji i Pythona.
Tymczasem, jeśli masz jakiekolwiek pytania, zachęcamy do kontaktu z naszym
zespołem.
Do zobaczenia na kursie!