Inżynier AI Associate dla Data Scientistów

Naucz się grupować, przekształcać, wizualizować i wyciągać wnioski z nieoznaczonych zbiorów danych za pomocą scikit-learn i scipy.

Poruszaj się po rozbudowanym repozytorium modeli i zbiorów danych dostępnych na Hugging Face Hub.

Dowiedz się, jak zbudować swoją pierwszą sieć neuronową, dostosować hiperparametry i rozwiązywać problemy klasyfikacji oraz regresji w PyTorch.

Zdobądź kluczowe umiejętności, używając Scikit-learn, SHAP i LIME, aby testować i tworzyć przejrzyste, godne zaufania i odpowiedzialne systemy AI.

Poznaj podstawowe architektury deep learning, takie jak CNN, RNN, LSTM i GRU, do modelowania danych obrazowych i sekwencyjnych.

Develop a multi-input model to classify characters from scanned documents.

Poznaj teorię odpowiedzialnego zarządzania danymi w każdym projekcie AI — od początku do końca i dalej.

Poznaj podstawy LLM-ów i rewolucyjną architekturę transformer, na której się opierają!

Use LLMs to solve diverse language tasks for a car dealership company.

Poznaj najnowsze techniki uruchamiania Llama LLM lokalnie i integrowania go ze swoim stosem.

Odkryj, jak MLOps przenosi modele machine learning z lokalnych notebooków do działających modeli w produkcji, które generują realną wartość biznesową.

Poznaj modułowość, dokumentację i automatyczne testowanie, aby szybciej i pewniej rozwiązywać problemy data science.

Poznaj podstawy Git do kontroli wersji w projektach software i data.

Opanuj testowanie w Pythonie: Poznaj metody, twórz testy i zapewnij kod bez błędów dzięki pytest i unittest.