Ismertető
A tanfolyam célja, hogy a résztvevők átekintsék a Python programozási nyelv haladó elemeit példaprogramokkal és feladatokkal illusztrálva.
Tematika
- Mi az a Deep Learning?
- Milyen eszközöket használunk Deep Learning modellek építésére?
- Legelterjedtebb Deep Learning eszközök körképe (Tensorflow, Mxnet, Theano, Pytorch, stb.)
- Deep Learning logikai és matematikai áttekintése
- Osztályozó lefejlesztése (Tensorflow), Trenírozás futtatása (Tensorflow), Predikciók futtatása (Tensorflow).
- Modellek eredményeinek javítása
- Magasabb rendű keretrendszerek bemutatása (Keras)
- Gyakori ML módszerek áttekintése (kép, hang, szöveg)
- Konvolúciós hálók építése (Keras vagy hasonló keretrendszer)
- NLP (Natiral Language Processing) szövegfelismerés (Keras vagy hasonló keretrendszer).
- Átlátható gépi tanulás
- Tulajdonság fontosság megvizsgálása
Szükséges előképzettség
- A tanfolyamhoz alapvető Linux adminisztrációs ismeretek (SSH, BASH, Linux terminal) szükségesek. Továbbá javasolt alapvető lineáris algebra, mátrix műveletek és minimális statisztikai ismeretek is.
- Ezenfelül elengedhetetlen a középhaladó Python programozás (PR-PY), a Data Science ( PY-DSC), a Bevezetés a Machine Learning-be Python segítségével (PY-ML) kurzusok elvégzése vagy ezen képzések ismeretanyaga. Továbbá 2 év napi szintű Python, Numpy és Pandas Dataframe programozási tapasztalattal kell rendelkeznie a résztvevőknek.
- A Deep Learning matematikájának és logikájának ismerete elengedhetetlen a tanfolyam megértéséhez. A tanfolyamon ennek a részletes tárgyalására nincs mód.
- A képzés elvégzéséhez dokumentumolvasás-szintű angol nyelvtudás szükséges.