AI & Python Fundamentals

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.