Sieci neuronowe domowej roboty – własna implementacja sieci neuronowych

🟢 Obowiązkowa rejestracja i zakup biletów:
https://stacja.it/produkt/sieci-neuronowe-domowej-roboty-wlasna-implementacja-sieci-neuronowych-z-uzyciem-numpy/

🟢 Warsztat weekendowy w godz. 9:00-17:00 (8 h) 🟢

🟢 Co trzeba umieć?
- Przygotowanie środowiska pracy - tworzenie i aktywacja środowiska wirtualnego, instalacja pakietów przy pomocy managera pip,
- Swobodne posługiwanie się językiem Python w prostych, codziennych zadaniach w tym znajomość typów i struktur danych,
- Podstawy programowania funkcyjnego i obiektowego,
- Znajomość pakietu numpy i podstawowe operacje na tablicach,
- Rozumienie i intuicja w pracy na tablicach wielowymiarowych - 2D i 3D.

🟢 Wymagania wstępne
Wymagania techniczne:
- Python >= 3.10.7,
- scikit-learn==1.5.2,
- numpy,
- pandas,
- matplotlib,
- statsmodels,
- ipykernel,
- VS code.

🟢 Prowadzący
Wiktor Piela:
Od 2020 roku zajmuje się analizą danych, tworzeniem modeli predykcyjnych oraz programowaniem w Pythonie. Przygodę z danymi zaczynał w branży FMCG jako młodszy analityk danych, gdzie razem z zespołem wspierał marketing i handel w podejmowaniu decyzji biznesowych w oparciu o analizę danych i modelowanie statystyczne. Pracując w szeroko pojętym sektorze finansowanym, tworzył rozwiązania automatyzujące procesy przepływu i obróbki danych oraz raportowania. Obecnie tworzy systemy predykcyjne na potrzeby sprzedaży, windykacji oraz rozwija wspólnie z zespołem aplikacje bazujące na modelach semantycznych LLM oraz computer vision. Zajmuje się ponadto tworzeniem backendu dla aplikacji webowych, także na potrzeby aplikacji ML.

🟢 Program
1. Prosty model perceptronu Franka Rosenblatta:
a) Czym jest i jakie problemu rozwiązuje,
b) Formuła i wyjaśnienie procesu uczenia,
c) Elementy algebry liniowej – operacje na macierzach,
d) Własna implementacja perceptronu w numpy,
e) Metryki klasyfikacji i regresji w ocenie efektywności modelu,
f) Własna implementacja funkcji train_test_split,
g) Rozszerzenie implementacji z użyciem OOP,
h) Porównanie własnej implementacji vs implementacja sklearn.
2. Implementacja własnej wielowarstwowej sieci neuronowej:
a) Proces uczenia na przykładzie dwóch architektur sieci – analitycznie,
b) Implementacja sieci w użyciem pakietu numpy,
– Problem klasyfikacji binarnej,
– Problem regresji.
c) Porównanie własnej implementacji z pytorch/tensorflow.

UWAGA
Liczba miejsc ograniczona! Organizator zastrzega sobie prawo do odwołania wydarzenia w przypadku niezgłoszenia się minimalnej liczby uczestników.

🟢 Obowiązkowa rejestracja i zakup biletów:
https://stacja.it/produkt/sieci-neuronowe-domowej-roboty-wlasna-implementacja-sieci-neuronowych-z-uzyciem-numpy/