Intrati in legatura

Schița de curs

1. Introducere în ingineria IA

  • Ce este ingineria IA?
  • IA vs. Învățare automată vs. Învățare profundă (Deep Learning)
  • Ciclu de viață al ingineriei IA
  • Aplicații ale IA în industrie
  • Roluri și responsabilități ale unui inginer IA

2. Fundamentele inteligenței artificiale

  • Concepte de bază ale IA și terminologie
  • Învățare supravegheată, nesupravegheată și prin întărire (reinforcement learning)
  • Rețele neuronale și fundamentele învățării profunde
  • Sprevederea IA generativă și a modelelor fundamentale
  • Ecosisteme și cadre de dezvoltare pentru IA

3. Python pentru ingineria IA

  • Biblioteci esențiale Python pentru IA
  • NumPy, Pandas și Matplotlib
  • Manipularea și vizualizarea datelor
  • Lucrul cu notebook-urile Jupyter
  • Scrierea de cod reutilizabil pentru AI

4. Pregătirea datelor pentru IA

  • Colectarea și înțelegerea seturilor de date
  • Curățarea și preprocesarea datelor
  • Ingineria caracteristicilor (feature engineering)
  • Scalaționarea și normalizarea caracteristicilor
  • Împărțirea seturilor de date în antrenament, validare și test
  • Manipularea valorilor lipsă și a outlier-ilor

5. Fundamentele învățării automate (Machine Learning)

  • Algoritmi de regresie
  • Algoritmi de clasificare
  • Tehnici de clustering
  • Fluxul de lucru pentru antrenamentul modelelor
  • Metrici de evaluare a modelelor
  • Prevenirea overfitting-ului și underfitting-ului

6. Construirea modelelor IA cu TensorFlow și PyTorch

  • Introducere în TensorFlow
  • Introducere în PyTorch
  • Creația de rețele neuronale
  • Antrenarea și validarea modelelor
  • Salvarea și încărcarea modelelor
  • Compararea celor două cadre tehnice

7. Fundamentele procesării limbajului natural (NLP)

  • Pregătirea textului
  • Incorporarea cuvintelor (word embeddings)
  • Clasificarea textului
  • Analisă de sentiment
  • Introducere în modelele tip transformer
  • Aplicații practice NLP

8. IA în dezvoltarea software

  • Integrarea IA în aplicațiile existente
  • Interacțiunea cu serviciile IA prin API-uri
  • Dezvoltarea de aplicații impulsionate de AI
  • Instrumente AI asistate pentru dezvoltarea software
  • Testarea aplicațiilor dotate cu AI

9. Cele mai bune practici în ingineria IA

  • Organizarea proiectului
  • Controlul versiunilor cu Git
  • Urmărirea experimentelor
  • Versiunea modelelor
  • Standarde de documentare
  • Reproductibilitatea în proiectele AI

10. Deployarea modelelor IA

  • Serializarea modelelor
  • Construirea serviciilor de inferență
  • API-uri REST pentru modelele AI
  • Introducere în Docker pentru deployarea AI
  • Monitorizarea modelelor deployate
  • Mentenanta și actualizările modelelor

11. Ingineria datelor IA

  • Pipleline-uri de date
  • Procesarea ETL (Extract, Transform, Load)
  • Gestionarea datelor structurate și nestructurate
  • Opțiuni de stocare a datelor
  • Gestiunea calității datelor
  • Pregătirea seturilor de date pentru producție

12. IA responsabilă și etică

  • Bias-ul și echitatea în AI
  • IA explicabilă (XAI)
  • Confidențialitate și protecția datelor
  • Considerații privind securitatea IA
  • Dezvoltarea responsabilă a AI
  • Considerații legale și de guvernanță

13. Gestionarea proiectelor IA

  • Ciclu de viață al proiectului IA
  • Metodologii Agile pentru proiectele AI
  • Colaborarea dintre echipele tehnice și cele de business
  • Evaluarea proiectelor IA
  • Gestionarea riscurilor
  • Măsurarea succesului proiectului

14. Atelier practică de inginerie IA și tendințe viitoare

  • Configurarea unui flux complet de dezvoltare AI
  • Construirea unui proiect end-to-end de machine learning
  • Antrenarea și evaluarea unui model folosind TensorFlow sau PyTorch
  • Deployarea unei aplicații simple IA
  • Tendințe actuale în ingineria IA
  • IA generativă și Modele de Limbaje Mari (LLM)
  • MLOps și automatizarea AI
  • Căi de carieră și învățarea continuă
  • Concluzii, întrebări (Q&A) și pași următori

Cerințe

  • O înțelegere de bază a conceptelor de programare
  • Experiență cu limbajul de programare Python
  • Cunoștințe preliminare de statistică și algebră liniară

PUBLICULȚINTĂ

  • Ingineri IA
  • Dezvoltatori software
  • Analiști de date
 14 Ore

Numărul de participanți


Pret per participant

Mărturii (1)

Cursuri viitoare

Categorii înrudite