Program Data Science – odbierz kompleksowe wsparcie

Wiemy, że masz wiele pytań - zastanawiasz się na pewno, czy udział w Program Data Science jest dla Ciebie właściwy. Czy jest to dla właściwa droga oraz dobra inwestycja i czy zyskasz umiejętności pozwalające na pracę w obszarze Data Science. Jeśli masz wątpliwości zwróć się do nas. Udostępniamy Ci nie tylko szkolenie, ale zapewniamy również kompleksowe wsparcie.

Wsparcie dla Ciebie

Mentoring
 

W trakcie trwania Programu Data Science zostanie Ci przydzielony Opiekun projektu, z którym możesz omówić poszczególne zagadnienia lub otrzymać wsparcie zawodowe.

Dostęp do materiałów szkoleniowych
 

Przez cały czas trwania szkolenia masz zapewniony stały dostęp do specjalnych materiałów. Program Data Science kończy się testami sprawdzającymi Twój poziom wiedzy. Istnieje możliwość poprawy testu.

Praktyka
 

Program Data Science zaprojektowaliśmy w sposób umożliwiający praktyczne zastosowanie zdobytej wiedzy już od pierwszej lekcji przy wsparciu Mentora.

Certyfikaty
 

Jak wykorzystać matematykę i uczenie maszynowe w Data Science? Jak pracować z Królową Nauk w kontekście zaawansowanej pracy analitycznej?

Opinie o LUT

Piotr Żmijewski

doktorant geofizyki, specjalizujący się w numerycznym modelowaniu mikrofizyki chmur.

Mateusz Wyszyński

Doświadczony ekspert z różnorodnym doświadczeniem w pracy w machine learningu. Pracował w firmach takich jak Appsilon Data Science, Data4Cure czy Polski Fundusz Rozwoju.

e-learning 

1800 zł

Cena: 1800 zł

Wszystkie programy kończą się otrzymaniem certyfikatu!

Liczba godzin kursu: 80

Co zyskasz?

Certyfikaty:

Kacper Madej

Mentor Lazarski University of Technology

Zapisz się teraz

1. Wprowadzenie z celami (forma online) + ewentualne pytania - 1h
    

2. Wprowadzenie do sztucznej inteligencji – 13h (w tym Coursera)
    

3. Poznaj OpenAI i GPT
   (GPT 3 i GPT 4) – 9,5h
    

4. Prompting – 13h
    

5. Zastosowania AI i OpenAI
   w praktyce - studia przypadków i sukcesy – 2h (w tym Coursera)

1. Głębokie uczenie i sieci
   neuronowe – 10h
    

2. Korzystanie z API OpenAI – 13h
    

3. Przegląd wtyczek AI – 4h
    

4. Generowanie obrazów za pomocą
   narzędzi AI – 3h
    

5. Prawo w kontekście AI – 9h

Moduł II : Mathematics for Machine Learning and Data Science - 80 h (Coursera)

• Wprowadzenie z celami (forma online) + ewentualne pytania - 1h

• Wprowadzenie do sztucznej inteligencji – 13h (w tym Coursera)

• Poznaj OpenAI i GPT (GPT 3 i GPT 4) – 9,5h

• Prompting – 13h

• Zastosowania AI i OpenAI
  w praktyce - studia przypadków i sukcesy – 2h (w tym Coursera)

• Głębokie uczenie i sieci neuronowe – 10h

• Korzystanie z API OpenAI – 13h

• Przegląd wtyczek AI – 4h

• Generowanie obrazów za pomocą narzędzi AI – 3h

• Prawo w kontekście AI – 9h

1. Algebra liniowa w uczeniu maszynowym i Data Sience: 17h asynchronicznie + 6h konsultacji
 

• Reprezentowanie  danych jako wektory i macierze oraz identyfikowanie ich właściwości, korzystając z  osobliwości, rząd macierzy czyli zależności liniowe;.
• Podstawowe operacje na wektorach i macierzach, takie jak iloczyn skalarny, odwrotność i wyznaczniki;
• Rodzaje operacji macierzowych( przekształcenia liniowe)  stosowanie koncepcji wartości własny i wektorów własnych do problemów związanych z uczeniem maszynowym.
   

2. Rachunek różniczkowy w ML i DS: 20h asynchronicznie + 6h konsultacji
 

• Analityczne optymalizowanie różnych rodzajów funkcji powszechnie stosowanych w uczeniu maszynowym, korzystając z właściwości pochodnych i gradientów;
• Przybliżona optymalizacja różnych rodzajów funkcji powszechnie stosowanych w uczeniu maszynowym;
• Interpretacja graficzna różniczkowania różnych rodzajów funkcji powszechnie stosowanych w uczeniu maszynowym;
• Obliczenia spadku gradientu w sieciach neuronowych z różnymi funkcjami aktywacji i kosztu.
   

3. Statystyka i Prawdopodobieństwo w ML i DS: 23h asynchronicznie + 8h konsultacji
 

• Opisywanie i kwantyfikowanie niepewności w prognozach dokonywanych przez modele uczenia maszynowego;
• Wizualne i intuicyjne rozumienie właściwości powszechnie stosowanych rozkładów prawdopodobieństwa w uczeniu maszynowym i naukach o danych;
• Powszechnie stosowane metody statystyczne, takie jak estymacja maksymalnej wiarygodności (MLE) i estymacja maksymalna a priori (MAP) w problemach związanych z uczeniem maszynowym;
• Ocenianie wydajność modeli uczenia maszynowego, korzystając z estymat przedziałowych i marginesów błędów.

Dla Kogo ?

Co wyróżnia Moduł Mathematics for Machine Learning and Data

Prowadzący Program IT Project Management Essentials

Opis Programu

Elastyczność i samodzielność

Zajęcia odbywają się w elastyczny sposób, co pozwala na dużą samodzielność w planowaniu swojego procesu nauki. Uczestnicy mają dostęp do materiałów na platformie i możliwość samodzielnego sprawdzania swojej wiedzy
 

Certyfikaty ukończenia
 

Po zakończeniu programu Uczestnicy otrzymują polskie i międzynarodowe certyfikaty, które potwierdzą zdobytą wiedzę i umiejętności w obszarze

Data Science

Kompleksowe podejście

Program oferuje zarówno teoretyczne podstawy, jak i praktyczne umiejętności związane szeroko pojętą dziedziną Data Science

Wsparcie i mentoring

Program zapewnia wsparcie i mentoring poprzez spotkania z opiekunem projektu. Uczestnicy będą mieli możliwość omówienia problemów lub uzyskania pomocy w zrozumieniu poszczególnych tematów.

Moduł Mathematics for Machine Learning and Data Science

Moduł Mathematics for Machine Learning and Data Science zaprojektowaliśmy z myślą o osobach początkujących, chociaż znajomość funkcji, podstaw algebry oraz programowania w języku Python pomoże uczącym się w pełni wykorzystać potencjał tego modułu.

Dlaczego?

Dzięki narzędziom dostępnym od razu, rozpoczęcie kariery jako inżynier uczenia maszynowego lub naukowiec danych będzie dużo łatwiejsze  niż kiedykolwiek. Jednakże, aby posunąć się dalej w swojej karierze, tworzyć efektywne modele, rozwiązywać problemy z algorytmami i wprowadzać kreatywne myślenie, potrzebne jest głębsze zrozumienie matematyki stojącej za tymi modelami.

Aparat matematyczny jest tym co wyróżnia prawdziwych specjalistów od uczenia maszynowego z grona ludzi zajmujących się ML. Wielu inżynierów jak i naukowców często potrzebuje wsparcia w zakresie matematyki związanej z ML. Ten kurs wykorzystuje innowacyjną ‘pedagogikę’ matematyczną, aby pomóc Ci szybko i intuicyjnie nauczyć się matematyki, z wykorzystaniem materiałów, które korzystają z łatwych do zrozumienia wtyczek i wizualizacji, aby pomóc Ci zrozumieć, jak działa matematyka w uczeniu maszynowym.
 

Ten program jest przyjazny dla początkujących, jednakże zalecamy minimum średnią wiedzę matematyczną na poziomie licealnym, aby wynieść jak najwięcej z tego kursu. Przydatny będzie też  podstawowa znajomość języka Python, ponieważ laboratoria wykorzystują Pythona. Python jest powszechnie wykorzystywany w uczeniu maszynowym i Data Sience.

Po zakończeniu tego kursu będziesz potrafił:

• Reprezentować dane jako wektory i macierze oraz identyfikowania ich właściwości za pomocą koncepcji takich jak:  osobliwość, rząd oraz niezależność liniowa;

• Wykonywać podstawowe operacje na wektorach i macierzach, takie jak iloczyn skalarny, odwrotność macierzy oraz wyznaczanie wyznacznika macierzy;

• Wyrażać pewne typy operacji macierzowych jako przekształcenia liniowe;

• Zastosować koncepcję wartości własnych i wektorów własnych w problemach związanych z uczeniem maszynowym;

• Optymalizować różne rodzaje  funkcji powszechnie stosowanych w uczeniu maszynowym.

• Wykonywać obliczenia  gradientu w sieciach neuronowych z różnymi funkcjami aktywacji i funkcjami kosztu;

• Opisywać i określać niepewności w prognozach dokonywanych przez modele uczenia maszynowego;

• Rozumieć właściwości powszechnie stosowanych rozkładów prawdopodobieństwa w ML i DS;

• Stosować powszechne metody statystyczne, takie jak MLE i MAP;

• Oceniać wydajności modeli ML za pomocą estymat przedziałowych i marginesów błędów;

• Stosować  koncepcje testowania hipotez statystycznych;

Ukończenie Programu Mathematics for Machine Learning and Data Science to trafiona inwestycja w Twoją przyszłość i rozwój kariery zawodowej.

ul. Świeradowska 43

02-662 Warszawa

+48 22 54 35 430

NIP: 527 02 09 936

 Projekt i wykonanie: Studio Kreatywa