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!

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 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.