Information and communication technologies
"CodeAcademy" UAB
Dirbtinis intelektas ir Python pagrindai
4.7
(18)
Learning begins:
Tikslinama
656 (ac. h.)
Price from:
Tikslinama
About course
Information provided by the training provider
Abstract
Important information
Way of learning
-
Place
-
Language
-
Aukštos pridėtinės vertės programa
Yes
Minimum requirements for the participant
Education
Vidurinis išsilavinimas
Acquired and improved competencies
Ordinary:
Professional competencies:
Content of the learning program
| Topic name | Brief description of the topic |
|---|---|
|
Topic name
Python I dalis
|
Brief description of the topic
programavimo situacijose. Kursas apims Python sintaksę, pagrindines koncepcijas, kintamuosius ir jų tipus, bazines struktūras kaip sąrašai, sąlygos sakiniai ir ciklai, bei funkcijos.
|
|
Topic name
Python II dalis
|
Brief description of the topic
Mokymų metu bus nagrinėjami objektinio programavimo principai, įskaitant klasių kūrimą ir paveldėjimą ir naudojimąsi Python standartinėmis bibliotekomis duomenų manipuliavimui. Kursas baigsis praktinėmis užduotimis, per kurias dalyviai taikys įgytas žinias kurdami projektus ir spręsdami problemas, ruošiantis pažengusiems kursams kaip "Duomenų analizė" ir "Dirbtinis intelektas bei mašininis mokymasis".
|
|
Topic name
Python III dalis
|
Brief description of the topic
Šiame kurso etape dalyviai gilinasi į pažangesnes Python programavimo kalbos sritis. Mokymų metu bus nagrinėjami išimčių valdymo mechanizmai, leidžiantys efektyviai tvarkytis su klaidomis programose.
|
|
Topic name
Python IV dalis
|
Brief description of the topic
Bus išmokstama naudotis moduliais ir paketais, kas suteiks galimybę integruoti išorinį funkcionalumą į savo projektus. Dėmesys bus skiriamas dekoratoriams, generatoriams ir iteratoriams, kurie leidžia rašyti lankstesnį ir efektyvesnį kodą. Dalyviai taip pat supažindinami su asinchroniniu programavimu, testavimu ir programavimo architektūromis, kas padės kurti kokybiškesnes ir patikimesnes aplikacijas.
|
|
Topic name
Duomenų analizė
|
Brief description of the topic
Duomenų analizės skyriuje kursų dalyviai išmoks naudoti Pandas ir NumPy bibliotekas duomenų valymui, apdorojimui ir analizei. Bus nagrinėjamos duomenų vizualizacijos technikos, pasitelkiantMatplotlib ir Seaborn bibliotekas, leidžiančias atvaizduoti duomenis aiškiai ir suprantamai. Taip pat kursas apims duomenų klasifikavimo ir prognozavimo pagrindus, naudojant paprastus mašininio mokymosi modelius. Tai suteiks dalyviams tvirtą pagrindą duomenų analizės srityje ir paruoš juos sudėtingesniems uždaviniams.
|
|
Topic name
Duomenų bazių pagrindai I dalis
|
Brief description of the topic
Ši dalis skirta suteikti dalyviams pagrindines žinias apie duomenų bazių valdymo sistemas (DBMS), su ypatingu dėmesiu SQL kalbai ir duomenų bazių integracijai su Python.
|
|
Topic name
Duomenų bazių pagrindai II dalis
|
Brief description of the topic
Kursas padės dalyviams suprasti, kaip efektyviai saugoti, valdyti ir prieiti prie duomenų, kurie yra būtini bet kokio dydžio projektams ir aplikacijoms.
|
|
Topic name
Mašininis mokymasis I dalis
|
Brief description of the topic
Šioje kurso dalyje dėmesys bus skiriamas mašininio mokymosi (ML) pagrindams ir metodams, suteikiant studentams būtiną supratimą ir įgūdžius, reikalingus modelių kūrimui ir taikymui. Dalyviai išmoks naudoti scikit-learn biblioteką, kuri yra viena populiariausių Python bibliotekų mašininiam mokymuisi, apimant tiek prižiūrimąjį (supervised) mokymasį, tiek neprižiūrimajį (unsupervised) mokymąsi.
|
|
Topic name
Mašininis mokymasis II dalis
|
Brief description of the topic
Mokymu metu bus nagrinėjami pagrindiniai ML modeliai, tokie kaip linijinė ir logistinė regresija, sprendimų medžiai, atsitiktinių miškų algoritmai ir palaikymo vektorių mašinos (SVM).
|
|
Topic name
Neuroniniai tinklai ir gilusis mokymasis
|
Brief description of the topic
Ši kurso dalis skirta supažindinti dalyvius su neuronalinių tinklų ir giliojo mokymosi (deep learning, DL) konceptais. Pradėsime nuo pagrindų – kas yra dirbtiniai neuronai, kaip jie sujungiami į tinklus, ir kaip šie tinklai mokomi atpažinti raštus, garsus, vaizdus ir kitus sudėtingus duomenų tipus. Dalyviai išmoks naudoti TensorFlow ir Keras, dvi pagrindines bibliotekas, kurios palengvina DL modelių kūrimą ir mokymą. Bus detaliai nagrinėjami pagrindiniai DL modeliai, įskaitant konvoliucinius (CNN) ir rekurentinius (RNN) neuronalinius tinklus, kurie yra itin svarbūs vaizdo atpažinimo ir natūralios kalbos apdorojimo (NLP) užduotims. Kursas apims laiko eilučių analizę ir modelius kaip (LSTM) ir (GRU).
|
|
Topic name
Egzistuojantys sprendimai ir teisiniai bei etiniai reikalavimai
|
Brief description of the topic
Šiame kurso segmente dalyviai susipažins su įvairiais dirbtinio intelekto (DI) taikymo atvejais, įskaitant pažangias asistentų sistemas ir automatizuotą klientų aptarnavimą, bei sužinos apie DI projektų teisinius ir etinius aspektus. Kursas apims sėkmingų DI sprendimų analizę ir jų poveikį verslui, sveikatos priežiūrai bei kitoms sritims. Teisiniai ir etiniai klausimai, tokie kaip privatumas, duomenų apsauga ir intelektinė nuosavybė, bus aptarti kartu su etinėmis dilemomis, susijusiais su automatizuoto sprendimų priėmimo poveikiu ir atsakomybe. Dalyviai išmoks, kaip svarbu integruoti etines vertybes ir laikytis teisinių reikalavimų, kuriant DI sprendimus. Kursas taip pat nagrinės tarptautinius reglamentus ir skirtingas šalių politikas DI reguliavimo srityje, paruošdamas studentus atsakingam DI technologijų kūrimui ir taikymui.
|
|
Topic name
Minkštieji įgūdžiai
|
Brief description of the topic
CV, LinkedIn, darbo pokalbio dirbtuvės, inviduali veikla ir mokesčiai, IT specialisto kompetencijos.
|
Features of the program
Additional requirements
Duration of the learning programme
Duration of the learning programme: 656 (ac. h.)
Duration of practical contact work: 472 (ac. h.)
Duration of theoretical contact work: 184 (ac. h.)
Duration of self-employment: 0 (ac. h.)
Assessment
System / scale of assessment of acquired competencies: 1-10.
Important information
Way of learning
-
Place
-
Language
-
Aukštos pridėtinės vertės programa
Yes
Minimum requirements for the participant
Education
Vidurinis išsilavinimas
Contacts
Name, Surname
Ingrida Bušmaitė
Obligations
Administratorė
Email
info@codeacademy.lt
Phone
+370 663 66 555
Timetables
Šiuo metu grupių nėra.Ratings
Mokymus baigusių asmenų bendras mokymosi programos įvertinimas
1
Ar mokymai Jums buvo naudingi?
4.7
2
Ar pasiteisino Jūsų lūkesčiai įgyti, patobulinti kompetenciją (-as) (žinias, įgūdžius, gebėjimus)?
4.5
3
Ar įgytas žinias, gebėjimus, įgūdžius taikote / taikysite kasdieniame darbe / gyvenime?
4.5
4
Ar rekomenduotumėte šią Mokymosi programą savo pažįstamiems?
4.5
5
Ar gerai vertinate Mokymosi programą vykdžiusio asmens (lektoriaus) darbą?
4.8
6
Ar Mokymosi programą vykdęs asmuo (lektorius) sukūrė gerą psichologinę atmosferą?
4.9
7
Ar vykdytų mokymų turinys atitiko Mokymosi programos turinį?
4.9
8
Ar mokymo medžiaga / priemonės padėjo geriau suprasti Mokymosi programos turinį?
4.7
9
Ar mokymų vieta / aplinka buvo palanki mokymuisi?
4.8
10
Ar pakankamai buvo praktinio darbo / praktinių užsiėmimų?
4.8
11
Ar mokymų organizavimas buvo tinkamas?
4.7
Reviews from who completed the training
Justas Kvederis puikus dėstytojas! Ačiū Justui už atsidavimą ir kantrybę mus mokant. Ypatingai vertinu Justo geranoriškumą, tinkamos mokslui aplinkos sukūrimą, profesionalumą, prieinamumą (buvo galimybė konsultuotis ir individualiai) bei atsakymus ir į papildomus klausimus. Dėl minkštųjų įgūdžių dalies, kuri buvo vesta kitų lektorių - pati medžiaga gera, įdomi ir naudinga, bet reikėtų, kad tų dalių lektorius bendrautų su auditorija daugiau mokymų metu.
Visas kursas buvo labai įdomus ir naudingas. Justo Kvederio gebėjimas aiškiai ir sistemiškai paaiškinti medžiagą klausytojams bei padėti jiems ją suprasti buvo itin profesionalus. Iš tikrųjų informacijos buvo labai daug, todėl, mano nuomone, norint išsamiai pereiti per visą pateiktą medžiagą, reikėtų papildomo laiko ir praktikos. Kursas turėtų trukti mažiausiai 8–10 mėnesių, kad būtų galima tinkamai įsigilinti į daugelį temų ir jų niuansus.
Justas Kvederis buvo puikus dėstytojas, savo srities ekspertas. Labai esu patenkintas jo mokymu. Ačiū.
Puikūs mokymai. Pasiūlyčiau lektoriui dažniau naudoti gyvus testus (pvz. Kahoot) žinioms įtvirtinti ir įsitraukimui per paskaitas pagerinti.
Manau, kad niekas neturi teisės žmogaus reikalauti dirbti šeštadieniais, todėl ši organizavimo pusė man nepatiko.
Labai dėkoju destytojui Justui, kuris labai nuoširdžiai dėstė mokymus. Mokėmės ne tik, kas yra programoje, bet ir daugiau.
Buvo naudinga ir įdomu. Ačiū!
Shown records:
1-7
from
7
Kainų istorija
Scroll to the top