Mesterséges intelligencia alapok
Fejlesztők és adatelemzők számára
- 3 hónap
Leírás
Fejlesztők, programozás iránt érdeklődők és adatelemzők számára összeállított mesterséges intelligencia alapozó képzésünk bevezet az MI világába; a kurzus címe épp ezért lehetne ez is: From Zero to AI Hero.
A tanfolyam Python nyelven zajlik, mivel ez a legelterjedtebb a mesterséges intelligencia és gépi tanulás területén.
Könyvtárak és eszközök:
- NumPy, pandas, matplotlib, seaborn – adatelemzéshez
- Scikit-learn – gépi tanuláshoz
- TensorFlow/Keras – mélytanuláshoz
- SpaCy / Hugging Face / OpenAI API – NLP és nyelvi modellekhez
- OpenAI Gym – megerősítéses tanuláshoz
- Gradio / Streamlit – egyszerű AI alkalmazások bemutatásához
az időpontot?
Egyet se csüggedj! Csak iratkozz fel a hírlevelünkre, hogy időben megtaláld a számodra megfelelő oktatást!
További információk a tanfolyamról
Kinek ajánljuk
Ez a képzés azoknak szól, akik adatelemzőként szeretnének elmozdulni az AI irányába; programozóként megismernék a mesterséges intelligencia alapjait és eszközeit; karrierváltás előtt állnak, és versenyképes tudást szeretnének; technológiai érdeklődésű hallgatók, akik valós projekteken keresztül tanulnának.
Cél
Előfeltételek
Alapszintű Python-tudás előny, logikus gondolkodás és a nyitottság fontos, magas szintű matematikai háttér nélül.
Vizsga és képzés
A résztvevők a tanfolyam utolsó alkalmával számot adnak megszerzett tudásukról, vizsga keretében, melyről nyilvántartási számmal rendelkező tanúsítványt állítunk ki.
Áfa: A tanfolyam árai bruttó árak, a képzés típusának megfelelő ÁFA tartalommal!
Tanórák: A tanórák 45 percnek felelnek meg. Az oktatási napokon több tanórát veszel, szünet közbeiktatásával.
Részletfizetés: Legalább 2 hónapot átölelő képzéseknél igény esetén kamatmentes részletfizetést biztosítunk, amit a honlapon történő jelentkezésednél tudsz igényelni. Részletfizetés esetén a részletek havonta, előre fizetendők, az aktuális hónap 10. napjáig.
Kedvezmény: Ha már elvégeztél nálunk egy tanfolyamot és a jelentkezésnél ezt jelzed a megjegyzés mezőben, 5%-os kedvezményre vagy jogosult az új tanfolyami jelentkezésed árából. Két tanfolyam elvégzése után 10%-os kedvezményt adunk a harmadikra.
Ha ajánlásodra érkezik másik hallgató is, és ezt jelzed a megjegyzésnél, szintén 5% kedvezményt adunk a te újabb jelentkezésednél, két új hallgató ajánlása után 10% kedvezményt biztosítunk.
A kedvezmények nem összevonhatóak, induló tanfolyam esetén igénybe vehetők.
Becsatlakozás: Tanfolyamtól függően lehetőséget biztosítunk a közelmúltban indult tanfolyamainkba való becsatlakozásra.
Általános információk: A jelentkezés szóbeli szerződésnek minősül, amit felnőttképzési szerződés követhet. A résztvevő nem kér előzetes tudásfelmérést és a sikeres tanfolyamzárást követően magyar-angol nyelven kapja a tanúsítványát. Az ettől eltérő igényeket az ügyfélszolgálaton lehet jelezni.
Mesterséges intelligencia alapok tanfolyam - tematika
Bevezetés, AI alapok
- Alapok, területek, rövid MI történeti áttekintés
- MI definíciók, célok
- Gépi tanulás, deep learning, reinforcement learning különbségei
- AI etika, torzítás, valós példák
Adatok világa
- Adattisztítás, előfeldolgozás, EDA
- Hiányzó adatok, encoding, normalizálás
- Outlierek, szűrés, imputálás
- Pandas, matplotlib, seaborn gyakorlatok
Felügyelt tanulás
- Klasszikus ML algoritmusok
- Döntési fa, KNN, SVM, random forest, logist. regression
- Sklearn pipeline
- Metrikák (accuracy, F1, ROC)
- Gyakorlati feladat: predikció valós
adatokon
Nem felügyelt tanulás
- Klaszterezés, dimenziócsökkentés
- K-means, DBSCAN, PCA
- Vizualizáció, clusterek értelmezése
Mélytanulás alapok
- Neurális hálók (MLP), TensorFlow/Keras
- Perceptron, MLP, aktivációk
- Keras alapok, háló építés
- Túltanulás, dropout
- Képfeldolgozás: MNIST vagy egyszerű képfelismerés
Nyelvi modellek
- NLP + LLM alapozás
- Tokenizálás, Word2Vec, transformer koncepciók
- ChatGPT/LLM demó + gyakorlati alkalmazások
- Open-source modellek
Megerősítéses tanulás
- Alapelvek, egyszerű példák
- Agent, reward, state, action fogalmak
- OpenAI Gym bemutató
- Epsilon-greedy, Q-learning egyszerű példán
Projektfeladat
- Egyéni vagy páros mini projekt: valós probléma
- Pipeline, egyszerű webes bemutató (pl. Gradio)
- Értékelés, tanúsítvány, visszajelzés