Prompt engineering. Kurs video. Precyzyjne tworzenie zapytań dla modeli AI

Włodzimierz Iwanowski

Obierz kurs na... skuteczną komunikację z modelem AI Wraz z rozwojem sztucznej inteligencji i modeli językowych – a niewątpliwie żyjemy w czasach eksplozji AI – rośnie znaczenie osób będących w stanie w praktyce sięgać po zasoby, jakie oferuje nam ta nowoczesna technologia. Okazuje się, że pośród rozmaitych innych umiejętności potrafi ona także programować i analizować dane, przenika również na obszary do tej pory zarezerwowane dla artystów – tworzy obrazy i muzykę. Warunek? Należy ją odpowiednio o to poprosić. Odpowiednio, czyli skutecznie. I tym właśnie zajmuje się prompt engineering. Prompt engineer ma dużą biegłość w komunikowaniu się z modelem językowym w sposób, jaki pozwala uzyskać satysfakcjonującą odpowiedź na zapytanie. Bo choć próg wejścia w wypadku rozmowy z chatem jest niski, to nie wystarczy sama chęć – trzeba jeszcze wiedzieć, o co i w jaki sposób pytać. Tego właśnie nauczysz się z naszego kursu. Podczas szkolenia dowiesz się, jak do maksimum wykorzystać niezwykłą szansę, jaką daje nam obcowanie z modelami językowymi. Dostarczy Ci ono gotowych narzędzi do tworzenia skutecznych zapytań i instrukcji, jakie bez problemu wykona model, z którym będziesz pracować – niezależnie od tego, czy będzie to ChatGPT, Google Bard, Microsoft Bing, Stable Diffusion, Dall-e, Suno, LLM Studio, Recraft, czy może Stable Audio. Kurs bowiem obejmuje komunikację ze wszystkimi tymi narzędziami, co w efekcie otworzy przez Tobą możliwość korzystania z pomocy sztucznej inteligencji z rozmaitych praktycznych dziedzinach – od programowania i analityki po tworzenie grafik, pisanie muzyki itd. Co Cię czeka podczas naszego profesjonalnego szkolenia W trakcie kursu między innymi: Nauczysz się skutecznie promptować – dobrze formułować prompty, aby uzyskiwać precyzyjne odpowiedzi i generować pożądane treści Opanujesz rozmaite techniki promptowania – uzyskasz wiedzę obejmującą zarówno pytania o konkretne informacje, jak i instrukcje tworzenia bardziej złożonych treści Będziesz generować tabele, struktury i inne formaty informacyjne – zrozumiesz, jak korzystać z modeli językowych do ich efektywnego generowania Zrozumiesz, jak istotna jest kontekstowość w modelach językowych – pozwoli Ci to na bardziej zaawansowane i elastyczne korzystanie z nich Użyjesz modeli do programowania – zwiększenia produktywności w tworzeniu stron i rozwiązaniu konkretnych problemów związanych z kodowaniem Poznasz wtyczki i rozszerzenia do promptowania – usprawniają one proces promptowania, mogą zwiększyć efektywność korzystania z modeli językowych Przyjrzysz się promptowaniu text-to-img i text-to-music – przekształcaniu tekstu w kreatywne treści multimedialne Dowiesz się, jak zainstalować i skonfigurować lokalne darmowe modele na własnym komputerze Szkolenie Prompt engineering. Kurs video. Precyzyjne tworzenie zapytań dla modeli AI kończy się na poziomie podstawowym i jest dostępny dla każdego. AI bowiem jest w stanie wspomóc naszą pracę niezależnie od poziomu wiedzy, jaki reprezentujemy. Jak rośnie rynek AI W wypadku sztucznej inteligencji to, co napiszemy dziś, jutro najprawdopodobniej będzie nieaktualne, ale na potrzeby kursu możemy się pokusić o podanie kilku aktualnych liczb (bierzemy poprawkę na to, że liczby te są aktualne w dniu ich notowania). Otóż na koniec 2023 roku wartość globalnego rynku sztucznej inteligencji (AI) określa się jako przekraczającą 136 miliardów dolarów. Szacunki na kolejne siedem lat prognozują 13-krotny wzrost tej kwoty. Będzie się to wiązało ze zmianami na rynku pracy. Już dziś aż 84% przedsiębiorstw deklaruje, że zaprzęgnięcie do działania sztucznej inteligencji to priorytet w ich biznesowych planach. Do 2025 roku na stanowiskach związanych z AI ma pracować nawet 97 milionów ludzi. Sztuczna inteligencja w znaczący sposób zmienia możliwości programowania i choć nie zastępuje człowieka, to zdecydowanie pomaga mu w procesie iterowania i produkcji. Jej działanie jest znacznie szybsze niż czytanie obszernych dokumentacji lub przeglądanie zwróconych wyników w zwykłej wyszukiwarce internetowej.

PySpark. Kurs video. Przetwarzanie i analiza danych w procesach ETL

Piotr Chudzik

Obierz kurs na... pracę z dużymi zbiorami danych Czy znane są Ci nazwy Apache Spark i PySpark? Jeśli pracujesz z danymi i do tej pory nie poznałeś tej technologii, najwyższy czas to nadrobić - na przykład w trakcie proponowanego przez nas szkolenia wideo. Apache Spark to otwarta platforma programistyczna służąca do obliczeń rozproszonych. Opracowana i rozwijana początkowo na Uniwersytecie Kalifornijskim, dziś zarządzana przez Apache Software Foundation, świetnie nadaje się do analizy dużych zbiorów danych. Jej interfejs API, znany jako PySpark, skutecznie ułatwia integrację Sparka ze specjalistycznymi narzędziami PyData. W ostatnich latach PySpark stał się najpopularniejszym narzędziem służącym przetwarzaniu danych; może swobodnie zastąpić w tym zakresie SQL czy biblioteki pandas/numpy. Ze Sparka korzystają między innymi Databricks, DeepNote czy JupyterLab. Szczególną cechą i zaletą tego rozwiązania jest to, że umożliwia ono przetwarzanie danych w sposób rozproszony. Nasz kurs pozwala zdobyć bazową wiedzę z zakresu pracy z danymi za pomocą Apache Spark (PySpark). W jego trakcie będziemy przygotowywać dane, selekcjonować je, sortować, agregować, łączyć i grupować, a także stworzymy własne funkcje do mapowania ich i nauczymy się zapisywać je do pliku. Co Cię czeka podczas naszego profesjonalnego szkolenia W ramach nauki z proponowanym przez nas kursem między innymi: Skonfigurujesz środowisko pracy Dowiesz się, czym jest SparkSession i jak ją uruchomić Stworzysz podstawową DataFrame Dokonasz selekcję danych i je posortujesz Zbudujesz schemat dla danych Poznasz podstawowe operacje związane z agregacją danych i łączeniem zbiorów w jeden Przetransformujesz dane za pomocą takich metod jak konkatenacja, rzutowanie czy explode Wykreujesz własne funkcje dla PySpark Wykonasz mapowanie Zapiszesz dane i odczytasz je z pliku - także w formacie parquet PySpark. Kurs video. Przetwarzanie i analiza danych w procesach ETL kończy się na poziomie podstawowym. Otrzymana wiedza pozwoli Ci na samodzielne tworzenie pierwszych procesów związanych z transformacją i przetwarzaniem danych. Ułatwi Ci również ich mapowanie i zmianę typów danych. Po ukończeniu szkolenia bez problemu przygotujesz zadania z zakresu ETL. Apache Spark Apache Spark jest silnikiem zbudowanym specjalnie w celu przetwarzania danych. Został wyposażony w całą masę służących do tego bibliotek. Co ważne, dane w Sparku można przetwarzać równolegle, co stało się jednym z powodów, dla których technologia ta zdominowała świat big data. Apache Spark obsługuje wiele języków programowania, takich jak SQL, Scala, Python czy R, i pozwala rozwiązywać problemy na różne sposoby z zastosowaniem SQL, transmisji danych i uczenia maszynowego. Przydaje się wszędzie tam, gdzie ilość danych, które wymagają przetworzenia, przekracza możliwości tradycyjnych narzędzi.

R i pakiet shiny. Kurs video. Interaktywne aplikacje w analizie danych

Alicja Wolny-Dominiak

Obierz kurs na... analizę danych W dzisiejszej praktyce biznesowej duże znaczenie mają dane i ich analiza. W analizie zastosowanie znajduje wiele modeli statystycznych, implementowanych w różnych programach komputerowych. Na przykład Excel ma specjalny dodatek, nazwany po prostu Analiza Danych. Bardzo popularne narzędzie stanowi program R, którego zaletą jest łatwe tworzenie dashboardów obliczeniowych automatyzujących operacje na danych i rysowanie wykresów z użyciem pakietu shiny. Pakiet ten jest oprogramowaniem typu open source, przeznaczonym także dla osób, które nie znają języków HTML, CSS i JavaScript. Ba, by tworzyć eleganckie i wydajne aplikacje internetowe w języku R, nie trzeba nawet być programistą. Pakiet shiny pozwala na automatyzację obliczeń, wizualizację danych i szacowanie modeli statystycznych stworzonych w R. Wbudowane w niego funkcje ułatwiają pracę z danymi – ich eksplorowanie i prezentowanie. Oprogramowanie to służy również do tworzenia dynamicznych dashboardów i paneli sterowania, które łączą różne wykresy, tabele, filtry i opcje wyboru, aby przedstawiać dane w czytelny i interaktywny sposób. Za jego pośrednictwem można przygotowywać także raporty – do tego celu służą odpowiednie aplikacje. Proponowany przez nas kurs wyjaśnia zasady działania pakietu shiny i uczy, jak z niego korzystać. Nabyte umiejętności mogą być dalej bezpośrednio przydatne podczas pracy z danymi i w trakcie analizy procesów biznesowych. Co Cię czeka podczas naszego profesjonalnego szkolenia W ramach kursu: Dowiesz się, jak zacząć pracę z pakietem shiny w RStudio Poznasz budowę prostej aplikacji rysującej histogram z szablonu w RStudio Przyjrzysz się budowie podstawowego interfejsu użytkownika ui – domyślne ui w pakiecie shiny Zobaczysz, jak wygląda rozszerzony interfejs użytkownika z wykorzystaniem innych pakietów przeznaczonych do korzystania z shiny Opanujesz zasady tworzenia serwera obliczeniowego i renderowania obliczeń w interfejsie użytkownika ui Dowiesz się, jakie jest zastosowanie reaktywnych możliwości w pakiecie Zrobisz update interfejsu użytkownika w trakcie pracy Zapoznasz się z wybranymi pakietami, które można zastosować w aplikacji webowej do renderowania danych i wykresów Stworzysz mapę w aplikacji webowej R i pakiet shiny. Kurs video. Interaktywne aplikacje w analizie danych kończy się na poziomie średnio zaawansowanym. Szkolenie pozwoli użytkownikowi zrozumieć sposób tworzenia aplikacji webowej w pakiecie shiny. Dalszy rozwój umiejętności jest uzależniony od wiedzy z zakresu programowania w języku R i w innych językach, głównie w JavaScripcie. Do czego i komu przydaje się język R Tematyka kursu ma zastosowanie przede wszystkim w wypadku osób pracujących na stanowiskach, na których używa się różnorodnych danych. W trakcie ich obróbki często powtarzają się te same schematy obliczeniowe – niezależnie od tego, jak zmienne są dane, na których się pracuje. By ułatwić sobie zadanie, zamiast w kółko powtarzać te same obliczenia, można zbudować w shiny aplikację webową, która będzie miała zakodowane schematy obliczeniowe w serwerze – jedyną zmienną będą wówczas dane wejściowe. Automatyzacja obliczeń bywa skomplikowana, ale jakże upraszcza życie!

SQL dla analityków danych. Kurs video. Kompleksowe przygotowanie do pracy

Adam Szpilewicz

Obierz kurs na... analizę danych Jeśli myślisz o karierze analityka danych albo starasz się o pracę na stanowisku, na którym będziesz analizować dane, ten kurs jest specjalnie dla Ciebie. Opanujesz dzięki niemu między innymi niezbędne podstawy języka SQL i dowiesz się, jak funkcjonuje i do czego może Ci posłużyć system zarządzania relacyjnymi bazami danych MySQL. Te dwie technologie są ze sobą ściśle powiązane. SQL powstał jako język dziedzinowy używany do tworzenia, modyfikowania relacyjnych baz danych, a także do umieszczania i pobierania danych z tych baz. Z kolei MySQL to jeden z najpopularniejszych systemów zarządzania bazami danych na świecie. Wszechstronność, skalowalność i bezpłatna licencja MySQL sprawiają, że jest on szeroko stosowany zarówno w małych projektach, jak i w dużych przedsięwzięciach. Po MySQL sięgają największe światowe korporacje, w tym Facebook, Twitter i YouTube, co także świadczy o jego niezawodności i wydajności. Dziś, kiedy informacja jest wszystkim, umiejętność efektywnego używania MySQL do analizy, przechowywania i zarządzania danymi to sprawa kluczowa dla analityków danych, programistów i administratorów baz danych. Dlatego nie czekaj, tylko zapoznaj się zarówno z SQL, jak i z MySQL – ten kurs wprowadzi Cię w temat kompleksowo, od podstaw aż po zaawansowane techniki analizy danych, które będziesz w stanie zastosować w swojej pracy. Co Cię czeka podczas naszego profesjonalnego szkolenia Dzięki naszemu kursowi nauczysz się między innymi: Instalować i konfigurować bazę danych Importować dane z różnych źródeł Stosować najpopularniejsze zapytania używane w analizie danych, w tym: SELECT, FROM, COUNT, WHERE, ORDER BY, GROUP BY, LIKE Łączyć tabele za pomocą operacji: INNER JOIN, LEFT JOIN, RIGHT JOIN, UNION i UNION ALL Przygotowywać dane za pomocą funkcji: CASE WHEN, COALESCE, NULLIF, CAST, GREATEST i LEAST Projektować schematy baz danych Korzystać z funkcji okienkowych i procedur składowanych, takich jak ROW NUMBER, RANK, DENSE_RANK, LEAD i LAG Używać zaawansowanych funkcjonalności SQL, takich jak pętla, wyzwalacz, tabela tymczasowa, zmienna i indeks Pracować z różnymi typami danych (daty, pliki JSON, przestrzenne typy danych, hasła, wyrażenia regularne i hashe) Partycjonować tabele za pomocą funkcji: RANGE, LIST COLUMNS, BY KEY, BY LINEAR KEY i RANGE COLUMNS Wykonywać operacje kaskadowe Korzystać z Pythona i frameworka FastAPI w analizie danych Optymalizować swoją bazę danych za pomocą narzędzia EXPLAIN i Performance Schema SQL dla analityków danych. Kurs video. Kompleksowe przygotowanie do pracy kończy się na poziomie średnio zaawansowanym. Dzięki szkoleniu zdobędziesz solidne fundamenty i praktyczne umiejętności, które pozwolą Ci na samodzielne rozwiązywanie problemów i usprawnienie pracy z danymi w MySQL. Będziesz w stanie efektywnie zarządzać danymi, tworzyć zaawansowane zapytania SQL i projektować optymalne schematy baz danych dla różnorodnych aplikacji.

Statystyka. Kurs video. Przewodnik dla studentów kierunków ścisłych

Konrad Siemienkiewicz

Obierz kurs na... statystykę i analizę danych Statystyka to dziedzina wiedzy, która bazuje na danych – przedmiotem jej zainteresowania są metody ich pozyskiwania i prezentacji, a przede wszystkim analizy. W ostatnich latach mocno zyskuje na popularności i dziś niemal każda uczelnia w Polsce oferuje możliwość studiowania na kierunku związanym ze statystyką i z analizą danych. Razem bowiem stanowią one niezbędne narzędzie pracy rządów, samorządów, firm i korporacji. Co za tym idzie – osoby, które potrafią przeanalizować dane, właściwie je zinterpretować, a następnie na ich bazie podjąć odpowiednie decyzje, należą do najbardziej pożądanych specjalistów na rynku pracy. Aby zacząć przygodę z analizą danych, trzeba zrozumieć, co leży u jej podstaw. Niestety, materiał realizowany w szkołach średnich w zakresie statystyki jest traktowany zbyt wąsko: w szkołach została ona sprowadzona do prostych obliczeń i odczytywania danych z nieskomplikowanych wykresów. Zaniedbuje się interpretację i wnioskowanie. Wiedza zdobyta podczas tego kursu uzupełnia tę lukę. Absolwent szkolenia będzie w stanie zrozumieć istotę statystyki jako narzędzia służącego do szerokiej analityki. Zdobytą wiedzę wykorzysta do pracy z danymi lub na danych statystycznych. Będzie potrafił poddać wstępnej analizie dane zebrane w wyniku badań, w tym na podstawie danych z prób, i estymować podstawowe parametry rozkładu zmiennej dla populacji. W pracy zawodowej, o ile dotyczy ona działania na danych, będzie samodzielnie oceniać jakość zebranych informacji, a także podejmować decyzje na podstawie ich analizy opartej na metodach pokazanych w trakcie kursu. Z kolei studenci kierunków ścisłych (i nie tylko) z pozyskanej na nim wiedzy skorzystają podczas nauki przedmiotów takich jak ekonometria, programowanie liniowe, narzędzia statystyczne, statystyka opisowa itp. Co Cię czeka podczas naszego profesjonalnego szkolenia W ramach nauki z kursem video między innymi: Poznasz podstawowe pojęcia dotyczące prawdopodobieństwa Rozpoznasz zmienną losową typu skokowego i typu ciągłego Posłużysz się zmienną losową dwuwymiarową Zastosujesz własności wartości oczekiwanej i wariancji w złożonych zagadnieniach Użyjesz rozkładu zero-jedynkowego, dwumianowego, normalnego i skorzystasz z tablic rozkładu normalnego Zdefiniujesz próbę losową i wyznaczysz statystyki z próby Skorzystasz z rozkładu średniej z próby, rozkładu frakcji elementów wyróżnionych w próbie, rozkładu t Studenta, rozkładu chi kwadrat i tablic rozkładów Będziesz estymować wartość średniej w populacji, wartość frakcji elementów wyróżnionych, wartość wariancji, a także wartość odchylenia standardowego Statystyka. Kurs video. Przewodnik dla studentów kierunków ścisłych kończy się na poziomie podstawowym w odniesieniu do materiału, który obowiązuje na studiach realizujących program ze statystyki. Jeśli chodzi o zagadnienia zawarte w podstawie programowej dla szkół średnich, wiedza zdobyta podczas szkolenia sięga poziomu średnio zaawansowanego. Kurs obejmuje część zagadnień związanych z zastosowaniem statystyki (między innymi w analizie danych). Jest w rzeczywistości wstępem do zagadnień związanych z weryfikacją hipotez statystycznych czy testami zgodności i niezależności.

Szeregi czasowe w R. Kurs video. Prognoza, analiza i wizualizacja w praktyce

Alicja Wolny-Dominiak

Obierz kurs na... prognozowanie szeregów czasowych w programie R Duński fizyk, laureat Nagrody Nobla, zauważył kiedyś, że „przewidywanie jest bardzo trudne, szczególnie jeśli idzie o przyszłość”. To prawda, przewidywanie przyszłości to nieco karkołomne zajęcie, jednak, o ile posiada się wystarczająco dużo danych z przeszłości, można ją do pewnego stopnia zaprognozować. Na tym dokładnie polega prognozowanie szeregów czasowych – jest procesem przewidywania przyszłych wartości na podstawie wcześniejszych obserwacji uporządkowanych w czasie, na przykład cotygodniowej sprzedaży w sklepie, temperatury rejestrowanej codziennie przez dłuższy okres lub miesięcznych danych giełdowych. Z procesu prognozowania szeregów czasowych korzysta się w wielu dziedzinach, między innymi w ekonomii, meteorologii, analizie rynku czy inżynierii. Na rynku jest dostępnych sporo programów, które pozwalają na przeprowadzenie prognozowania. Jednak dostęp do nich to za mało, by skutecznie prognozować. Bardzo ważna bowiem jest znajomość metod prognostycznych. Można je poznać dzięki opanowaniu sztuki prognozowania w programie R, w którym zastosowanie konkretnego algorytmu jest możliwe o tyle, o ile użytkownik wie, co robi – tutaj nie wystarczy wgrać danych i kliknąć przycisk OK. Tu trzeba wiedzy i zrozumienia. Nabędziesz je, ucząc się z naszym kursem. Zapraszamy Cię na szkolenie, w trakcie którego opanujesz podstawowe techniki prognozowania w praktycznym modelowaniu z R. Co Cię czeka podczas naszego profesjonalnego szkolenia Podczas proponowanego przez nas kursu między innymi: Nauczysz się prognozować z wykorzystaniem trendu i sezonowości Opanujesz metody adaptacyjne Poznasz rozmaite modele prognozowania, takie jak model ARIMA, SARIMA i SARIMAX z pakietem forecast \Dowiesz się, jak zastosować pakiet shiny do budowy dashboardu do wizualizacji szeregów czasowych Szeregi czasowe w R. Kurs video. Prognoza, analiza i wizualizacja w praktyce kończy się na poziomie podstawowym. Szkolenie pozwoli Ci zrozumieć ogólną ideę prognozowania i poznać jego najpopularniejsze metody. W ramach nauki przyjrzysz się temu, jak można w praktyce zastosować algorytmy wykorzystujące program R. Opanujesz zarówno teoretyczne aspekty prognozowania, jak i praktyczne sposoby kodowania w programie R. Przed rozpoczęciem nauki dobrze jest posiadać choćby podstawową umiejętność nawigowania w programie R. Witaj w świecie analizy danych Tematyka kursu ma zastosowanie w wypadku osób pracujących na dowolnym stanowisku, na którym wykorzystywane są różnorodne dane. Dotyczy to każdej dziedziny, na przykład zarządzania, ekonomii, inżynierii czy IT. Przedstawione zagadnienia przydadzą się również studentom, zwłaszcza w kontekście przedmiotu ilościowego opartego na statystyce/ekonometrii. Zdobyte podczas szkolenia informacje możesz zastosować w praktyce. Dzięki nim samodzielne przeprowadzisz analizę na dowolnych danych i z pewnością poradzisz sobie podczas na przykład rozmowy kwalifikacyjnej o pracę – w zakresie pytania o podstawowe metody z dziedziny prognozowania szeregów czasowych – na stanowisku analityka danych, junior data scientist, analityka BI. Kurs da Ci solidne podstawy do tego, aby później bez problemu rozwijać wiedzę. Pozwoli także szybciej zrozumieć działanie specjalistycznego oprogramowania do prognoz.

Sztuczna inteligencja w Azure. Kurs video. Uczenie maszynowe i Azure Machine Learning Service

Marcin Szeliga

Obierz kurs na... uczenie maszynowe z udziałem AI Uczenie maszynowe to dziedzina o rosnącej popularności i coraz szerszym znaczeniu w dzisiejszym świecie technologiczno-biznesowym. Wiele firm i instytucji wykorzystuje je do rozwiązywania różnorodnych problemów, co stwarza duże możliwości kariery dla osób z odpowiednimi umiejętnościami. Jeśli Cię to interesuje i planujesz w przyszłości zająć się zawodowo właśnie machine learning – nasz kurs będzie dla Ciebie idealny. Rozpoczyna się od absolutnych podstaw, których opanowanie pozwoli Ci się zorientować w tym, czym jest i na czym polega uczenie maszynowe, by przejść do zagadnień bardziej skomplikowanych. Solidną bazę wiedzy zdobędziesz, ucząc się współpracować z jednym z najważniejszych narzędzi w dziedzinie machine learning – Azure Machine Learning Service. Azure to popularna platforma chmurowa Microsoftu, która oferuje zaawansowane funkcje do tworzenia i wdrażania modeli uczenia maszynowego, a następnie zarządzania nimi. Ze względu na jej rozległość i dostępność umiejętność korzystania z Azure stanowi świetny wstęp do przygody z machine learning. Proponowane przez nasz szkolenie obejmuje szereg różnorodnych tematów, od uczenia nadzorowanego i nienadzorowanego aż po głębokie uczenie (deep learning) i rozwiązywanie problemów z wykorzystaniem różnych typów danych, takich jak obrazy. Dzięki temu zdobędziesz kompleksową wiedzę i umiejętności, które następnie przydadzą Ci się w bardzo różnych sytuacjach. Kurs nie skupia się tylko na teorii, zapewnia także praktyczne podejście do tematyki machine learning w AI. Pokazuje na przykład, jak w prosty sposób wdrażać modele w usługach online i przetwarzać wsadowo za pomocą Azure. W ramach nauki zatem poznasz kompletny cykl tworzenia i wdrożenia modelu. Co Cię czeka podczas naszego profesjonalnego szkolenia Podczas szkolenia między innymi: Zrozumiesz, czym jest i na czym polega uczenie maszynowe Nauczysz się przygotowywać dane przeznaczone do modelowania Zapoznasz się z metodami uczenia nienadzorowanego (grupowanie danych, klasteryzacja) Poznasz podstawy uczenia nadzorowanego (regresja) Przybliżysz sobie zagadnienia związane z uczeniem głębokim (sieci neuronowe, techniki deep learning) Będziesz oceniać jakość modeli Dowiesz się, jak się przechowuje i przetwarza dane z Azure Machine Learning Service Potrenujesz modele przy użyciu graficznych narzędzi Azure MLS i Python SDK Azure MLS Zajmiesz się automatyzacją klasycznych eksperymentów za pomocą graficznego kreatora AutoML Zbudujesz model predykcyjny przy użyciu graficznego kreatora Azure Machine Learning Service Przeanalizujesz obrazy przy użyciu graficznego kreatora AutoML Przeprowadzisz eksperymenty z użyciem notatników Jupyter i skryptów Python Będziesz monitorować eksperymenty z zastosowaniem biblioteki MLflow Nauczysz się logować i wdrażać modele, a także nimi zarządzać A ponadto: Wspólnie zastanowimy się nad tym, czym jest odpowiedzialna sztuczna inteligencja Sztuczna inteligencja w Azure. Kurs video. Uczenie maszynowe i Azure Machine Learning Service kończy się na poziomie średnio zaawansowanym. Szkolenie umożliwia zdobycie solidnych podstaw i praktycznych umiejętności związanych z uczeniem maszynowym, jak również przygotowuje do nauki na poziomie zaawansowanym, który obejmuje bardziej skomplikowane techniki i zagadnienia. Praktyczny wymiar uczenia maszynowego Dzięki zdobytej wiedzy i umiejętnościom będziesz w stanie zastosować machine learning do rozwiązywania różnorodnych problemów w swojej dziedzinie zawodowej. Możesz na przykład pracować jako analityk danych, naukowiec danych (data scientist), specjalista do spraw sztucznej inteligencji lub zajmować się wdrożeniem rozwiązań uczenia maszynowego w firmach. Te umiejętności mogą Ci się również przydać do prowadzenia projektów badawczych lub biznesowych, co może prowadzić do odkrycia nowych wzorców i możliwości w danych – dziś, gdy dane odgrywają kluczową rolę we wszystkich dziedzinach życia, jest to szczególnie cenne.

Sztuczna inteligencja w Azure. Kurs video. Usługi AI i Cognitive Services w chmurze

Marcin Szeliga

Obierz kurs na... współpracę ze sztuczną inteligencją w chmurze Sztuczna inteligencja (SI, ang. AI) jest jednym z najdynamiczniej rozwijających się obszarów technologii. Zastosowanie jej w różnych dziedzinach, takich jak medycyna, finanse, handel, przemysł czy usługi, przynosi ogromne korzyści i zmienia sposób, w jaki funkcjonujemy. Zrozumienie i opanowanie zasad współpracy ze sztuczną inteligencją staje się powoli sprawą kluczową dla osób, które chcą być na bieżąco z postępem technologicznym, a także planują przyszłą karierę zawodową. Ten kurs pozwala rozpocząć przygodę z aktywnością na wiodącej platformie chmurowej, czyli Microsoft Azure. Daje ona dostęp do zaawansowanych narzędzi i usług, które umożliwiają zastosowanie AI w łatwy i efektywny sposób. Na tym właśnie skupia się nasze szkolenie – na zagadnieniach związanych z praktycznym zaprzęgnięciem narzędzi i usług SI obecnych na platformie Azure do pracy w rzeczywistych scenariuszach. Proponowany przez nas kurs składa się z ośmiu modułów, które obejmują różnorodne aspekty związane z obecnością sztucznej inteligencji w Azure i tym samym stanowią kompleksowe wprowadzenie do różnych technologii i możliwości SI w chmurze Microsoftu. W czasie nauki skupimy się także na temacie Cognitive Services. Pod tą nazwą kryje się zbiór gotowych usług, umożliwiających tworzenie inteligentnych aplikacji (między innymi do analizy tekstu, rozpoznawania mowy, analizy obrazu) bez konieczności pisania kodu od zera. Ich opanowanie niezwykle oszczędza czas, co – mamy nadzieję – po ukończeniu szkolenia sprawdzisz osobiście w pracy nad nowymi projektami. Co Cię czeka podczas naszego profesjonalnego szkolenia Podczas kursu między innymi: Zapoznasz się z rozmaitymi usługami AI dostępnymi w Azure Będziesz tworzyć inteligentne aplikacje korzystające z usług Cognitive Services Nauczysz się przetwarzać język naturalny (NLP) i mowę z Cognitive Services, a także Azure Open AI Zaprojektujesz i zbudujesz czatbot przy użyciu Azure Bot Service Dowiesz się, jak używać Cognitive Services do analizy obrazów i danych nieustrukturyzowanych Zintegrujesz i zautomatyzujesz procesy za pomocą usługi Azure Logic Apps Sztuczna inteligencja w Azure. Kurs video. Usługi AI i Cognitive Services w chmurze kończy się na poziomie średnio zaawansowanym. Po ukończeniu szkolenia będziesz posiadać solidne fundamenty wiedzy i umiejętności w zakresie zastosowania sztucznej inteligencji w chmurze Azure SI – co dalej? Według raportów branżowych globalny rynek sztucznej inteligencji będzie się rozwijał w bardzo szybkim tempie i w najbliższych latach osiągnie ogromne wartości. Ten wzrost stwarza wiele możliwości zawodowych dla osób posiadających umiejętności związane z pracą ze sztuczną inteligencją. Ta, która została zaimplementowana w chmurze Azure, przyczynia się między innymi do przyspieszenia procesu innowacji poprzez automatyzację zadań, umożliwia analizę dużych zbiorów danych i dostarczanie wartościowych wniosków. Dzięki temu organizacje mogą szybciej reagować na zmiany rynkowe i doskonalić swoje produkty i usługi. AI ma także potencjał przekształcania rynku pracy. Potrzeba automatyzowania procesów, wdrażania czatbotów i szybkiego analizowania danych zmusza przedsiębiorstwa do angażowania specjalistów znających się na sztucznej inteligencji. Dlatego też nasz kurs jest tak wartościowy – dostarczy Ci umiejętności, które są coraz bardziej poszukiwane na rynku pracy. Drodzy uczestnicy kursu, cieszę się, że mieliście okazję do niego dołączyć i pogłębić swoją wiedzę na temat sztucznej inteligencji w platformie Azure. Chciałbym się z Wami podzielić motywującym cytatem, który, mam nadzieję, zainspiruje Was do dalszego rozwoju w tej fascynującej dziedzinie: Technologia staje się prawdziwie potężna, gdy jest dostępna dla każdego Satya Nadella Ten cytat odnosi się do wartości, jaką może dostarczyć sztuczna inteligencja w Azure. Technologia, którą będziemy razem zgłębiać, ma ogromny potencjał transformacji różnych sektorów i sposobu, w jaki funkcjonujemy w społeczeństwie. Azure otwiera drzwi do tworzenia innowacyjnych rozwiązań, automatyzacji procesów, analizy danych i budowania inteligentnych aplikacji. Podczas kursu będziemy się uczyć o różnych usługach AI dostępnych w Azure, takich jak Cognitive Services, Azure Machine Learning czy Azure Bot Service. Zdobędziemy umiejętności w zakresie przetwarzania języka naturalnego, analizy obrazów, przetwarzania mowy i wielu innych obszarów sztucznej inteligencji. Pamiętajcie, że ta wiedza może mieć ogromny wpływ na Waszą karierę i otworzyć drzwi do nowych możliwości. Skorzystajcie ze zdobytej wiedzy, aby tworzyć innowacyjne projekty, rozwiązywać problemy biznesowe i być częścią rosnącej społeczności specjalistów zajmujących się sztuczną inteligencją. Życzę Wam owocnej i inspirującej podróży w ramach kursu. Bądźcie ciekawi, zadawajcie pytania i rozwijajcie swoje umiejętności. Razem odkrywajmy potencjał sztucznej inteligencji w Azure!

Tabele i wykresy przestawne dla każdego. Kurs video. Analiza danych w Excelu

Sebastian Godziszewski

Obierz kurs na szybką i efektywną analizę danych w Excelu Szybka i efektywna analiza danych – temu właśnie służą tabele i wykresy przestawne dostępne w arkuszu kalkulacyjnym Excel. Nieistotne dla osób, które z Excela korzystają doraźnie – po to, by ułatwić sobie zapisywanie pewnych informacji i prezentowanie ich w bardziej profesjonalny sposób – w rękach eksperta od analizy stają się naprawdę potężnym narzędziem. Szczególnie dziś, kiedy dane okazują się często warte więcej od złota, umiejętność ich analizowania i wyciągania z nich wniosków bywa bezcenna. Tym bardziej warto poznać tabele przestawne, które pozwalają na agregowanie dużych zbiorów danych i ułatwiają identyfikację trendów. A po co sięgać po narzędzia alternatywne, skoro to właśnie Excel używany jest najczęściej – ma ponad 750 milionów użytkowników na całym świecie, co sprawia, że umiejętność korzystania z niego (także w celach analitycznych) od dawna jest pożądana na rynku pracy i ułatwia zdobycie najlepiej płatnych stanowisk. Gdy mowa o Excelu, warto wspomnieć o kilku innych jego zaletach. Najważniejszą pozostaje bez wątpienia wszechstronność. Tabele i wykresy przestawne tego arkusza kalkulacyjnego pozostają efektywne dla danych z dowolnej branży i sektora, tym samym czynią z Excela uniwersalne narzędzie w pracy analityka. Szczególną rolę odgrywają w niej wykresy – przez to, że znacznie ułatwiają wizualizację danych, pozwalają szybciej i trafniej podejmować decyzje biznesowe. A że Excel jest stosunkowo prosty w nauce i obsłudze, pozostaje dostępny dla osób początkujących, i to nie tylko w zakresie podstawowych funkcji, ale także w procesach związanych z tworzeniem tabeli i wykresów przestawnych. Nie należy zapominać – w naszym kursie nie zapomnimy o niej na pewno – o dynamicznej analizie danych: o tym, że tabele i wykresy przestawne pozwalają na dynamiczne filtrowanie i sortowanie danych, co umożliwia ich szerszą analizę i lepsze zrozumienie. Co Cię czeka podczas naszego profesjonalnego szkolenia W czasie proponowanego przez nas kursu między innymi: Zapoznasz się z tabelami przestawnymi Będziesz wstawiać i zarządzać tabelą przestawną Przeprowadzisz analizę danych za pomocą narzędzia do grupowania pól Posortujesz i przefiltrujesz dane w tabelach przestawnych Dokonasz obliczeń w tabelach przestawnych Przygotujesz wykresy przestawne Poznasz metody wykorzystania danych i opcje tabeli przestawnej Zaczniesz używać kreatora tabeli przestawnej i opartego na AI narzędzia do tworzenia tabel przestawnych Przyjrzysz się modelowi danych podczas tworzenia tabel przestawnych Przemyślisz najczęstsze problemy występujące podczas pracy z tabelami przestawnymi i dowiesz się, jak sobie z nimi poradzić Po ukończeniu szkolenia Tabele i wykresy przestawne dla każdego. Kurs video. Analiza danych w Excelu osiągniesz poziom średnio zaawansowany. Oznacza to, że zdobędziesz solidne podstawy do pracy z danymi i będziesz w stanie używać zaawansowanych funkcji tabel przestawnych do analizy i prezentacji danych. Kurs zapewni Ci umiejętności niezbędne do: Tworzenia podstawowych i rozbudowanych raportów Stosowania funkcji Excela do szybkiego filtrowania, sortowania i podsumowywania danych Wizualizowania danych za pomocą wykresów przestawnych, co ułatwia ich interpretację i prezentację Kurs jest skierowany zarówno dla osób początkujących, jak i tych, które mają już jakieś doświadczenie w programie Excel, ale chcą poszerzyć swoją wiedzę o tabelach i wykresach przestawnych.

Uczenie głębokie z PyTorch. Kurs video. Opanuj sztuczną inteligencję

Tomasz Kaniecki

Obierz kurs na... sztuczną inteligencję Sztuczna inteligencja, ChatGPT, sieci neuronowe, uczenie maszynowe, uczenie głębokie... Oto hasła, które elektryzują nie tylko branżę informatyczną na całym świecie. Wraz z rozwojem tej dziedziny wiedzy i w rytmie prezentowania kolejnych narzędzi rosną nadzieje na praktyczne, naukowe i biznesowe zastosowanie drzemiących w niej możliwości. Okazuje się bowiem, że sztuczna inteligencja będzie w stanie wydajnie wspomóc nas w obliczeniach, wyszukiwaniu danych, analizach i wyciąganiu wniosków, ale także w pracy kreatywnej, i to w tak wielu dziedzinach, że to, co dziś wydaje się technologiczną nowinką, jutro okaże się prawdopodobnie czymś obowiązkowym. Jutro funkcjonowanie w tradycyjny, niewspomagany przez AI sposób może oznaczać utratę przewagi konkurencyjnej. A na to praktycznie nikt nie może sobie pozwolić. Dlatego, zdając sobie sprawę z rodzaju wyścigu, w jakim startują, kraje, organizacje, instytucje naukowe i firmy już dziś intensywnie poszukują sposobów na zaprzęgnięcie sztucznej inteligencji do pracy, a także specjalistów, którzy je znają i potrafią wdrożyć. Ten kurs ma za zadanie wprowadzić Cię w tematy związane z AI – przede wszystkim dotyczące uczenia maszynowego i głębokiego. Szkolenie koncentruje się na praktycznym zastosowaniu biblioteki PyTorch, która jest jednym z najdynamiczniej rozwijających się narzędzi w dziedzinie sztucznej inteligencji. Ta otwartoźródłowa biblioteka języka Python została stworzona przez oddział sztucznej inteligencji Facebooka, a następnie przekazana pod opiekę Linux Foundation. Stosuje się ją przede wszystkim w aplikacjach służących przetwarzaniu języka naturalnego. Zgłębiając tajniki PyTorch, zdobędziesz praktyczne umiejętności, które są szczególnie poszukiwane na rynku pracy. Otworzy Ci to drzwi do kariery w jednej z najbardziej ekscytujących i dynamicznych dziedzin technologicznych. Co Cię czeka podczas naszego profesjonalnego szkolenia W ramach kursu między innymi: Opanujesz podstawy uczenia maszynowego i głębokiego uczenia: zrozumiesz fundamentalne koncepcje, takie jak sieci neuronowe, funkcje aktywacji, propagacja wsteczna i optymalizacja Zapoznasz się z PyTorch: zaznajomisz się z podstawowymi operacjami na tensorach, a także zarządzaniem danymi i modelami w PyTorch Będziesz trenować i testować modele: nauczysz się budowania, trenowania i ewaluacji modeli sieci neuronowych na realnych zbiorach danych, takich jak MNIST Popracujesz z CNN i LSTM: zrozumiesz i zaimplementujesz konwolucyjne sieci neuronowe (CNN) do przetwarzania obrazów i długiej krótkoterminowej pamięci (LSTM) do analizy danych sekwencyjnych Poznasz zaawansowane modele CNN: przyjrzysz się ewolucji i budowie zaawansowanych architektur CNN, takich jak VGG, a także ich zastosowaniu w rozpoznawaniu obrazów Będziesz modelować hybrydowo: dowiesz się, jak budować i trenować hybrydowe modele sieci neuronowych, w tym RandWireNN, które łączą różne architektury dla zwiększenia wydajności Wygenerujesz tekst z GPT-2: zdobędziesz doświadczenie w fine-tuningu i implementacji modeli generatywnych, takich jak GPT-2, do tworzenia tekstów Przetransferujesz styl neuronowy: nauczysz się stosować techniki transferu stylu do modyfikacji obrazów przy użyciu głębokich sieci neuronowych Zobaczysz, czym jest uczenie przez wzmacnianie z Deep Q-Networks (DQN): przerobisz wprowadzenie do algorytmów uczenia przez wzmacnianie, w tym DQN, i ich zastosowanie w zadaniach decyzyjnych Wyeksportujesz i zaimportujesz model z Open Neural Network Exchange (ONNX): zrozumiesz i praktycznie wykorzystasz ONNX do przenoszenia modeli między różnymi platformami i narzędziami Zautomatyzujesz proces modelowania (AutoML): poznasz techniki AutoML w PyTorch, które ułatwiają automatyczne wyszukiwanie najlepszych architektur i hiperparametrów Rozwiążesz rzeczywiste problemy związane z AI: zastosujesz nabyte umiejętności do rozwiązywania konkretnych problemów w różnych dziedzinach, takich jak wizja komputerowa, przetwarzanie języka naturalnego (NLP) i inne Poznasz najlepsze praktyki i zasady optymalizowania modeli: zaznajomisz się z technikami optymalizacji i najlepszymi praktykami w projektowaniu, trenowaniu i wdrażaniu modeli sieci neuronowych Szkolenie Uczenie głębokie z PyTorch. Kurs video. Opanuj sztuczną inteligencję kończy się na poziomie średnio zaawansowanym. Wyniesiesz z niego wiedzę teoretyczną i praktyczne umiejętności, które są niezbędne do pracy w dziedzinie sztucznej inteligencji i uczenia maszynowego. Na początku mojej przygody z uczeniem maszynowym i głębokim uczeniem zdałem sobie sprawę, że nie jest to tylko kolejny zestaw narzędzi technologicznych. To nowy język przyszłości, który pozwala nam na dialog ze złożonymi systemami i otwiera drzwi do dużych możliwości. PyTorch, którym dzielę się w tym kursie, nie jest tylko platformą; to most łączący Twoją kreatywność z potencjałem, jaki kryje w sobie sztuczna inteligencja. Każdy moduł, każda linijka kodu, którą tu znajdziesz, zostały zaprojektowane z myślą o umożliwieniu Ci kształtowania technologii. Pamiętaj, że każdy wielki projekt zaczyna się od pierwszego kroku. Niech ten kurs będzie Twoim krokiem w podróży, która może zmienić świat wokół nas. Witam Cię w podróży do świata AI, gdzie jedynym ograniczeniem jest Twoja wyobraźnia. Tomasz Kaniecki

Web scraping. Kurs video. Zautomatyzowane pozyskiwanie danych z sieci

Jan Mager

Obierz kurs na... pozyskiwanie danych z sieci Wiesz, że ponad połowa aktywności w sieci jest podejmowana przez boty? Powód ich popularności nie powinien być zaskoczeniem - w świecie usług i biznesu chodzi przede wszystkim o poznanie rynku i konkurencji. W tym wypadku kto ma technologię, ten ma przewagę, a daje ją web scraping. Dosłownie tłumaczony jako zdrapywanie sieci, web scraping służy do wydobywania ustrukturyzowanych danych ze stron internetowych. Jeśli właśnie zastanawiasz się gdzie w sieci można spotkać web scraping, to stosuje się go do przeprowadzania badań rynkowych, w botach wyszukiwarek i porównywarkach cenowych. W uproszczeniu - by skutecznie pozyskiwać dane z sieci, należy wykonać kilka kroków: nawiązać połączenie z API, a następnie odebrać i zwalidować dane, by odpowiednio wyodrębnić interesujące informacje. Spróbuj swoich sił i przekonaj się w praktyce, że droga do tego, by zostać web scraperem, jest prosta! W trakcie naszego profesjonalnego szkolenia: Przygotujesz poprawną strukturę folderów dla aplikacji webowej Stworzysz podstawowy szablon aplikacji oparty na bibliotece Bootstrap Utrwalisz wiedzę na temat dodawania stylów CSS Dowiesz się, jak pobrać dane z zewnętrznego API Nauczysz się wysyłać dynamiczne zapytania do API Poznasz bibliotekę Chart.js i API CoinGecko Nauczysz się wysyłać zapytania przy użyciu AJAX Zbudujesz responsywną i dynamiczną aplikację internetową Stworzysz interaktywne wykresy Naniesiesz dynamiczne zmiany na wykresie Dowiesz się, jak przechwytywać błędy podczas komunikacji z API Wprowadzisz dynamiczne zmiany na stronie bez konieczności jej odświeżania Co więcej... Przeprowadzisz walidację zapytań wysłanych do API i walidację zapytań odbieranych z API Nauczysz się pobierać dane z zewnętrznych baz danych i wykonywać operacje na pobranych danych Web scraping. Kurs video. Zautomatyzowane pozyskiwanie danych z sieci ukończysz na poziomie podstawowym. W trakcie szkolenia wspólnie zbudujemy dwa projekty w języku JavaScript. Na początku omówimy plan całego kursu i niezbędne narzędzia. Następnie płynnie przejdziemy do projektu pierwszej miniaplikacji - Populacja Świata. Podczas tego modułu nauczysz się wysyłać zapytania do API, przetwarzać odebrane wartości, sprawdzać ich poprawność, wyświetlać i operować nimi na stronie. Z tak uporządkowanych danych stworzysz dynamiczny wykres oparty na bibliotece Chart.js. Drugim projektem będzie aplikacja o budzącej emocje nazwie Kryptowaluty. W tej części kursu utworzysz dynamiczną tabelę generującą ranking kryptowalut z aktualnymi kursami pobranymi z API CoinGecko. Dzięki połączeniu z API CoinGecko mamy dostęp do aktualnych co do minuty kursów wszystkich możliwych kryptowalut opublikowanych na stronie CoinGecko. Bez trudu więc zaprogramujesz dynamiczny wykres do wyświetlania kursów kryptowalut na przestrzeni czasu zadanego przez użytkownika. Aplikacja będzie w pełni responsywna na wszystkich dostępnych mobilnych i stacjonarnych urządzeniach. W ramach ostatnich lekcji przedstawimy pomysły na rozwój aplikacji rankingu kryptowalut. Ten kurs dostarczy Ci inspiracji do indywidualnych projektów, a także pokaże nowe możliwości wykorzystania znanych Ci dotychczas tematów. Po zakończeniu szkolenia będziesz w stanie samodzielnie wykonać swój prywatny portfel kryptowalut, łącznie z wykresami i analizowaniem statystyk dzięki zastosowaniu wykresów Chart.js.

Web scraping w Data Science. Kurs video. Techniki uczenia maszynowego w Pythonie

Tobiasz Bajek

Obierz kurs na... scraping danych i uczenie maszynowe W danych dostępnych w Internecie tkwi ogromny potencjał – poddane obróbce i analizie, są źródłem cennych informacji, niezbędnych do badań rynku, personalizowania treści, przewidywania trendów i monitorowania działań konkurencji. W posiadaniu takiej wiedzy chce być prawdopodobnie każda firma... tylko jak ją zdobyć? Do pozyskiwania ustrukturyzowanych danych z różnych źródeł w Internecie służy technika zwana scrapingiem danych (w sieci można także spotkać dosłowne tłumaczenie: zdrapywanie danych). W celu uzyskania jeszcze lepszych rezultatów biznesowych często łączy się ją z uczeniem maszynowym. Razem otwierają przed światem nowe możliwości rozwoju w postaci automatyzacji zbiorów treningowych czy tworzenia coraz bardziej złożonych modeli maszynowych, przetwarzających różnorodne typy danych. Umiejętne połączenie machine learning i scrapingu pomaga usprawnić klasyfikację, prognozowanie i cały proces trenowania sieci na dużych zbiorach danych. Być może te pojęcia brzmią nieco abstrakcyjnie, ale efekty ich działań nie są nam obce. Zderzamy się z nimi codziennie, choćby wtedy, gdy otrzymujemy personalizowane reklamy, oferty i rekomendacje. Tak sektor e-commerce i usług wykorzystuje naukę, by dotrzeć do swoich klientów. Co więcej, w marcu 2023 roku laboratorium OpenAI opublikowało model sieci neuronowej GPT-4, który dorównuje w rozumieniu języka naturalnego ludziom. Bez wątpienia zrewolucjonizuje on naszą codzienność i szereg gałęzi gospodarki. Model ten opiera się na architekturze zwanej Transformer, jednak zasada uczenia się tej sieci nie odbiega zbytnio od prostych sieci neuronowych i jest oparta na propagacji wstecznej. Zatem znajomość podstawowych budulców sieci neuronowych to cenna umiejętność, pozwalająca lepiej zrozumieć rewolucję, z którą mamy do czynienia. Wiesz już, ile korzyści płynie z biegłości w machine learning i scrapingu, pora przełożyć to na realne kompetencje. Czas najwyższy, by wykorzystać technologię i moc płynącą w danych do tworzenia rozwiązań przyszłości! W trakcie naszego profesjonalnego szkolenia: Poznasz zasady formatowania kodu w Pythonie, zgodnie ze standardem PEP 8 Nauczysz się typowania i tworzenia docstringów Dowiesz się, czym jest zdrapywanie danych i kiedy jest legalne Poznasz elementy kodu strony internetowej i przeglądarkowe narzędzia dla deweloperów Za pomocą sterownika Selenium nauczysz się scrapingu danych stron ładowanych dynamicznie Poznasz moduł BeautifulSoup służący do zbierania danych z sieci Opanujesz podstawy uczenia maszynowego – teorię i matematykę sieci neuronowych Poznasz matematykę uczenia się sieci – propagację wsteczną Dowiesz się, jakie zastosowania ma funkcja aktywacji Skorzystasz w praktyce z możliwości bibliotek NumPy i pandas Utworzysz własną sieć neuronową Zdefiniujesz kilka klas warstw sieci, w tym warstwę głęboką Przeprowadzisz propagację wsteczną dla powyższych warstw Za pomocą biblioteki TensorFlow utworzysz prostą sieć neuronową Zaimplementujesz model uczenia się sieci neuronowej Przetestujesz utworzoną sieć na zbiorze danych z biblioteki scikit-learn Opanujesz uczenie sieci na podstawie wcześniej zdrapanych danych Utworzysz funkcję do diagnostyki wyników zwracanych przez sieć Web scraping w data science. Kurs video. Techniki uczenia maszynowego w Pythonie pozwoli Ci zdobyć umiejętności potrzebne do sprawnego pozyskiwania informacji ze stron internetowych. Opanujesz fundamentalne wzorce i zagadnienia uczenia maszynowego, a następnie wdrożysz się w bardziej zaawansowane tajniki. Nauczysz się matematyki sieci neuronowej i poznasz podstawowe bloki matematyczne budujące sieć, po czym zaimplementujesz sprawną sieć od podstaw. Wiedza na temat budowy i działania poszczególnych elementów sieci neuronowej znacznie ułatwi Ci proces dalszej, samodzielnej nauki. W praktyce sprawdzisz, jakie możliwości daje scraping, na przykładzie pobierania z Internetu danych dotyczących zanieczyszczeń miast. Poznasz bibliotekę NumPy i wykorzystasz jej znajomość do tworzenia tablic, generowania liczb losowych, funkcji aktywacji i sformułowania funkcji błędu średniokwadratowego. Utworzysz funkcje aktywacji, takie jak tangens hiperboliczny czy sigmoid. Dowiesz się, do czego służy biblioteka pandas, i wykonasz funkcje do prezentowania danych, jak również nauczysz się wczytywać dane do ramek DataFrames i zapisywać je do plików .csv. Za pomocą TensorFlow sprawnie utworzysz własną sieć neuronową. Korzystając z biblioteki scikit-learn, przygotujesz dane treningowe dla modeli maszynowych. Wszystkie przykłady i zadania są napisane w Pythonie, dlatego jego znajomość co najmniej na poziomie podstawowym jest zalecana. Kombinacja machine learning i scrapingu pozwala na tworzenie zaawansowanych rozwiązań analitycznych, prognozowych i automatyzacyjnych, a programistom ułatwia osiąganie wielu celów od początku do końca – od pozyskania danych po wyciągnięcie z nich nowej informacji. Obie technologie są dziś powszechnie stosowane w przemyśle, a kwalifikacje z obszaru inżynierii danych to istotny atut na rynku pracy. Cześć, zachęcam Was serdecznie do nauki w ramach tego kursu. Dołożyłem wszelkich starań, by precyzyjnie przekazać wiedzę na temat zdrapywania i uczenia maszynowego. Wybrałem taką kombinację tematów, ponieważ liczę, że popchnie to Was do podejmowania projektów i rozwiązywania problemów na własną rękę za pomocą stworzonego przez siebie oprogramowania. Mogą z tego powstać fantastyczne rzeczy, które pozytywnie wpłyną na życie innych ludzi. Dziękuję za zainteresowanie i życzę Wam miłej nauki!  Tobiasz Bajek

Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych

Tobiasz Bajek

Obierz kurs na... architekturę splotowych sieci neuronowych Jaki jest najgorętszy temat w informatyce ostatnich lat? Bez wątpienia palmę pierwszeństwa dzierży sztuczna inteligencja. Jej możliwości, rozwój, sposoby, za których pośrednictwem działa. A skoro o AI mowa, to nie sposób nie poruszyć zagadnienia uczenia maszynowego: obszaru sztucznej inteligencji poświęconego algorytmom, które poprawiają się automatycznie poprzez doświadczenie, czyli ekspozycję na dane. Dalej dochodzimy do web scrapingu (zdrapywania), polegającego na ekstrakcji danych ze stron internetowych, by je przechować i na dalszych etapach wykorzystywać choćby do analizy. Zarówno uczenie maszynowe, jak i zdrapywanie danych to niezwykle praktyczne kwestie, których znaczenie w informatyce – i szerzej: w nauce i biznesie – wciąż rośnie. Ten kurs wprowadzi Cię w tematykę związaną z web scrapingiem i uczeniem maszynowym w data science. Poruszymy w nim kwestie związane ze splotowymi (inaczej konwolucyjnymi) sieciami neuronowymi, dzięki którym możliwe jest rozpoznawanie obrazów – zaprezentujemy szczegółowo podstawy architektury takich sieci i wytłumaczymy znaczenie ich elementów. Zagłębimy się także w zagadnienia dotyczące zdrapywania danych i pewne bardziej zaawansowane mechanizmy, jak przemieszczanie się na nowe strony i klikanie na elementy stron. Wiedza i umiejętności zaprezentowane w szkoleniu przydadzą się przede wszystkim programistom i innym osobom pracującym z danymi. Co Cię czeka podczas naszego profesjonalnego szkolenia Proponowany przez nas kurs obejmuje takie zagadnienia jak: Obsługa błędów w Pythonie – na kilku przykładach Testy jednostkowe – dowiesz się, czemu służą Biblioteka Pytest do testów jednostkowych – nauczysz się konfigurować testowanie Zeszyty Jupyter Notebook pozwalające na prototypowanie w Pythonie Widgety w zeszytach Jupyter Teoria charakterystyki audio – analiza częstotliwości, melspektrogramy Preprocessing plików audio Graficzne prezentowanie właściwości plików audio Wprowadzenie w splotowe sieci neuronowe – zrozumiesz ich architekturę Wyjaśnienie elementów splotowych sieci, takich jak jądro, padding itd. Diagnostyka splotowych sieci neuronowych, na przykład wizualizowanie sygnału wychodzącego z poszczególnych warstw, wizualizowanie wag warstw sieci itd. Wprowadzenie w temat uczenia sieci neuronowych na plikach audio Prezentacja pipelinu danych do uczenia – od obróbki preprocessingiem, przez uczenie, po dokonywanie predykcji Zaawansowanie zdrapywanie – zapisywanie danych przeglądarki, jak logowanie, czy konfiguracji pobierania plików z sieci Zdrapywanie – przechodzenie na nowe strony internetowe i klikanie na elementy stron Szkolenie Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych ukończysz na poziomie średnio zaawansowanym – gdy zrozumiesz architekturę splotowych sieci neuronowych, zdobędziesz wiedzę dotyczącą fundamentów tej nauki. Poznasz poszczególne elementy sieci splotowych i tym samym dowiesz się, z czego wynika ich użycie. Będziesz w stanie dokonać pewnego zakresu diagnostyki poprzez wizualizację wyjścia warstw. Po szkoleniu będziesz samodzielnie dynamicznie zdrapywać dane ze stron internetowych, przechodzić po kolejnych stronach, klikać na ich elementy, zapisywać dane przeglądarki i pliki na komputerze. OpenAI GPT4 a splotowe sieci neuronowe W marcu 2023 roku zaprezentowano model sieci neuronowej OpenAI GPT4, który dorównuje ludziom w zakresie rozumienia języka naturalnego. Chatboty takie jak ten z pewnością zrewolucjonizują nasze życie i cały szereg gałęzi gospodarki. Model GPT4 opiera się akurat na architekturze Transformer – nieco innej niż omawiana podczas kursu. Ale zasada uczenia się tej sieci nie odbiega bardzo od prostych sieci neuronowych: w jednym i w drugim wypadku chodzi o propagację wsteczną. Stąd znajomość podstawowych budulców sieci neuronowych stanowi cenną wiedzę, pozwala bowiem lepiej rozumieć rewolucję, z którą mamy obecnie do czynienia.