Консультант по искусственному интеллекту, владеющий программированием на Python и обучением с подкреплением
-
Тип степени: Сертификат "PCEP™ - Certified Entry-Level Python Programmer"
Сертификат "Консультант по искусственному интеллекту
Сертификат "Reinforcement Learning -
Дополнительная квалификация: Сертификат "PCAP™ - Certified Associate Python Programmer"
-
Итоговый экзамен: Практическая работа над проектом с итоговыми презентациями
Certified Entry-Level Python Programmer (PCEP™) (на английском языке)
Certified Associate Python Programmer (PCAP™) (на английском языке) -
Время уроков: Полный рабочий деньС понедельника по пятницу с 8:30 до 15:35 (в праздничные дни с 8:30 до 17:10).
-
Язык обучения: Немецкий
-
Продолжительность: 20 Недели
Программирование с помощью Python
Основы Python (около 1 дня)
История, концепции
Использование и области применения
синтаксис
Лексика, семантика
Соглашения PEP-8
Интерпретатор против компилятора
Первые шаги в Python (около 5 дней)
Числа
Строки
Дата и время
Стандартный ввод и вывод
Числовые операторы
Сравнение, логические и побитовые операторы
Преобразование типов данных
список, кортеж, диктант, набор
Функции и методы работы со списками
Ветвления и циклы (if, for, while)
операторы-члены
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Функции (около 5 дней)
Определение собственных функций
Переменные
Параметры и аргументы
Возвращаемые значения
Рекурсия
Пространства имен
Функциональное программирование
Устранение неполадок (около 0,5 дня)
пробовать, кроме
Типы ошибок
Перехват программных прерываний
Передача ошибок между функциями
Объектно-ориентированное программирование (около 4,5 дней)
Классы Python
Методы
Неизменяемые объекты
Класс данных
Наследование
Работа над проектом, подготовка к сертификации и сертификационный экзамен "PCEP™ - Certified Entry-Level Python Programmer" на английском языке (около 4 дней)
Продвинутый Python
Модули, пакеты и обработка ошибок (около 4 дней)
Введение в модули и пакеты Python
Импорт и использование стандартных и сторонних пакетов
Создание собственных модулей и пакетов
Работа с sys и os (функции хост-платформы)
Введение в исключения и обработку ошибок (try, except, finally)
Создание и использование самоопределяемых исключений
Лучшие практики для надежной обработки ошибок
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Основы работы со строками и ООП (около 8 дней)
Введение в работу со строками
Встроенные методы работы со строками (split, join, find, replace и т.д.)
Форматирование и обработка строк
Нарезка строк и работа с регулярными выражениями (RegEx)
Введение в классы, объекты, методы экземпляра и переменные
Инкапсуляция, наследование и полиморфизм
Конструкторы (__init__) и деструкторы (__del__)
Иерархии наследования и суперклассы
Углубленное изучение объектно-ориентированного программирования (около 2,5 дней)
Углубленное изучение наследования и полиморфизма
Применение магических методов (__str__, __repr__, __eq__, __lt__ и т.д.)
Свойства и декораторы в классах
Шаблоны проектирования: синглтон, фабрика и т. д.
Постижение списков для эффективной обработки списков
Лямбда-функции и написание анонимных функций
Замыкание и сортировка в Python
Понимание и использование генераторов и итераторов
Работа с файлами, базами данных и веб-разработка (около 2,5 дней)
Чтение и запись файлов (CSV, JSON)
Введение в SQL и подключение к базам данных SQLite
CRUD-операции в базе данных (создание, чтение, обновление, удаление)
Знакомство с Flask и создание простого веб-приложения
Маршруты и шаблоны во Flask
CRUD-приложения во Flask (интеграция с базой данных)
Работа над проектом, подготовка к сертификации и сертификационный экзамен "PCAP™ - Certified Associate Python Programmer" на английском языке (около 3 дней)
Машинное обучение
Введение в машинное обучение (около 5 дней)
Зачем нужно машинное обучение?
Примеры применения
Контролируемое обучение, неконтролируемое обучение, частично контролируемое обучение, обучение с подкреплением
Примеры наборов данных
Знакомство с данными
Обучающие, проверочные и тестовые данные
Просмотр данных
Составление прогнозов
Контролируемое обучение (около 5 дней)
Классификация и регрессия
Обобщение, чрезмерная и недостаточная подгонка
Размер набора данных
Алгоритмы для контролируемого обучения
Линейные модели
Классификаторы Байеса
Деревья решений
Случайный лес
Градиентный бустинг
k-nearest neighbours
Векторные машины с поддержкой
Условное случайное поле
Нейронные сети и глубокое обучение
Вероятности
Неконтролируемое обучение (около 5 дней)
Типы неконтролируемого обучения
Предварительная обработка и масштабирование
Преобразование данных
Масштабирование обучающих и тестовых данных
Уменьшение размерности
Разработка признаков
Манифольд-обучение
Декомпозиция главных компонент (PCA)
Факторизация неотрицательных матриц (NMF)
Манифольд-обучение с t-SNE
Кластерный анализ
Кластеризация k-Means
Агломеративная кластеризация
Иерархический кластерный анализ
DBSCAN
Кластерные алгоритмы
Оценка и совершенствование (около 2 дней)
Выбор модели и оценка модели
Настройка гиперпараметров оценщика
Кросс-валидация
Поиск по сетке
Метрики оценки
Классификация
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
Глубокое обучение
Введение в глубокое обучение (около 1 дня)
Глубокое обучение как разновидность машинного обучения
Основы нейронных сетей (около 4 дней)
Перцептрон
Расчет нейронных сетей
Оптимизация параметров модели, обратное распространение
Библиотеки глубокого обучения
Регрессия против классификации
Кривые обучения, перебор и регуляризация
Оптимизация гиперпараметров
Стохастический градиентный спуск (SGD)
Момент, оптимизатор Адама
Скорость обучения
Конволюционная нейронная сеть (CNN) (около 2 дней)
Классификация изображений
Конволюционные слои, объединяющие слои
Перестраивающие слои, сглаживание, объединение глобальных средних
Архитектуры CNN ImageNet-Competition
Глубокие нейронные сети, исчезающие градиенты, пропуск связей, пакетная нормализация
Трансферное обучение (около 1 дня)
Адаптация моделей
Предварительное обучение без контроля
Расширение данных изображений, объяснимый ИИ
Региональный CNN (около 1 дня)
Локализация объектов
Проблемы регрессии
Разветвленные нейронные сети
Методы творческой генерации изображений (около 1 дня)
Генеративные адверсарные сети (GAN)
Глубокие подделки
Диффузионные модели
Рекуррентные нейронные сети (около 2 дней)
Анализ последовательностей
Рекуррентные слои
Обратное распространение во времени (BPTT)
Анализ временных рядов
Проблемы разрыва и исчезающего градиента
LSTM (Long Short-Term Memory)
GRU (Gated Recurrent Unit)
Глубокий RNN
Глубокий LSTM
Обработка текста с помощью нейронных сетей (около 2 дней)
Предварительная обработка текста
Встраивание слоев
Классификация текста
Анализ смыслового содержания
Трансферное обучение в НЛП
Переводы
Метод последовательности в последовательность, архитектура кодера-декодера
Языковые модели (около 1 дня)
BERT, GPT
Слои внимания, трансформаторы
Конвейеры генерации текста
Суммирование
чатботы
Глубокое обучение с подкреплением (около 1 дня)
Управление динамическими системами
Агентские системы
Обучение через вознаграждение
Градиенты политики
Глубокое Q-обучение
Байесовские нейронные сети (около 1 дня)
Неопределенности в нейронных сетях
Статистическая оценка прогнозов
Доверие, стандартное отклонение
Несбалансированные данные
Методы выборки
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
Обучение с подкреплением
Введение в обучение с подкреплением (около 1 дня)
Определение и основные понятия
Отличия от других методов обучения
Области применения и примеры
Марковские процессы принятия решений (МПП) (около 2 дней)
Определение и свойства MDP
Функции ценности и политика
Уравнения Беллмана
Подход динамического программирования
Q-Learning (около 2 дней)
Определение и алгоритм
Исследование и эксплуатация
Сходимость и свойства оптимизации
Применение в играх, робототехнике и других областях
Глубокое обучение с подкреплением (около 3 дней)
Глубокое Q-обучение
Глубокие детерминированные градиенты политики (DDPG)
Акторно-критические методы
Методы градиента политики
Продвинутые темы (около 4 дней)
Обучение с применением подкрепления на основе моделей
Многоагентное обучение с усилением
Инверсное обучение с усилением
Мета-обучение с усилением
Практические приложения (около 3 дней)
Реализация алгоритмов обучения с подкреплением
Применение к выбранным проблемам и тематическим исследованиям
Оценка и настройка алгоритмов
Резюме и перспективы (около 2 дней)
Краткое изложение наиболее важных концепций и результатов
Проблемы и будущие разработки в области обучения с подкреплением
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
Возможны изменения. Содержание курса регулярно обновляется.
По окончании курса вы получите компактные базовые знания о программировании на Python. Вы сможете уверенно использовать язык программирования с его классами, библиотеками и функциями.
Вы также освоите принципы объектно-ориентированного программирования, включая классы, наследование и шаблоны проектирования в Python. Вы сможете применять такие концепции, как генераторы, декораторы и понимание списков, а также эффективно анализировать и визуализировать данные. Вы также будете уверенно работать с файлами и базами данных и создавать базовые веб-приложения с помощью Flask, включая полноценное CRUD-приложение.
Вы также обладаете соответствующими знаниями в области машинного обучения и глубокого обучения. Вы знаете наиболее важные причины использования машинного обучения, области применения и различные категории и концепции машинного обучения. Вы также понимаете, в каких областях применяется глубокое обучение и как работают нейронные сети. Вы сможете обеспечить процессы машинного обучения и документирования.
Вы также поймете основные концепции обучения с подкреплением и узнаете, чем оно отличается от других методов обучения. Вы будете знакомы с марковскими процессами принятия решений, Q-обучением и глубоким обучением с подкреплением, а также сможете применять такие продвинутые темы, как многоагентное обучение с подкреплением и обучение на основе моделей.
Программисты, ученые, экономисты, компьютерщики, IT-специалисты, люди с опытом инженерной деятельности или анализа данных, а также специалисты с соответствующим профессиональным опытом.
В качестве консультанта по искусственному интеллекту вы можете работать в таких областях, как управленческий консалтинг, анализ данных, здравоохранение и электронная коммерция, оказывая поддержку компаниям во внедрении решений на основе искусственного интеллекта. Вы будете помогать оптимизировать бизнес-процессы, принимать решения на основе данных и разрабатывать инновационные технологии.
Кроме того, универсальность Python делает сотрудников с соответствующими навыками привлекательными во многих отраслях и компаниях. Люди с навыками программирования на Python особенно востребованы в сфере веб-разработки, машинного обучения и анализа данных.
Благодаря обучению с применением подкрепления вы также получите межотраслевые знания, которые часто используются в робототехнике и технологиях автоматизации, а также в автомобильной промышленности, например, для функций помощи водителю или при разработке и оптимизации автономных транспортных систем.
Дидактическая концепция
Ваши преподаватели обладают высокой профессиональной и дидактической квалификацией и будут обучать вас с первого до последнего дня (никакой системы самообучения).
Вы будете учиться в эффективных небольших группах. Обычно курсы состоят из 6-25 человек. Общие занятия дополняются многочисленными практическими упражнениями во всех модулях курса. Практический этап - важная часть курса, поскольку именно в это время вы обрабатываете полученные знания и обретаете уверенность и практичность в их применении. Заключительный раздел курса включает в себя проект, разбор конкретных ситуаций или итоговый экзамен.
Виртуальный класс alfaview®
BildungszentrumЗанятия проводятся с использованием современной видеотехнологии alfaview® - не выходя из дома или в нашем офисе по адресу . Весь курс может видеть друг друга лицом к лицу через alfaview®, общаться друг с другом с помощью синхронизированного по губам голоса и работать над совместными проектами. Разумеется, вы также можете в любое время видеть и разговаривать со своими преподавателями в прямом эфире, и на протяжении всего курса вас будут обучать преподаватели в режиме реального времени. Уроки - это не электронное обучение, а настоящее живое очное преподавание с помощью видеотехнологий.
alfatraining Agentur für Arbeit Учебные курсы субсидируются и сертифицируются в соответствии с положением об утверждении AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinПри подаче заявки или заявки на обучение все расходы на курс обычно покрываются финансирующей организацией.
Europäischen Sozialfonds Deutsche Rentenversicherung Финансирование также возможно через программы (ESF), (DRV) или региональные программы финансирования. Berufsförderungsdienst Как постоянный солдат, вы можете посещать курсы повышения квалификации по программе (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компании также могут повысить квалификацию своих сотрудников по программе финансирования от .