Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
1. Introducere în Ingineria IA
- Ce este Ingineria IA?
- Diferența dintre IA, Învățarea Automată și Deep Learning.
- Ciclu de viață al ingineriei IA.
- Aplicații ale inteligenței artificiale în diferite industrii.
- Sarcinile și responsabilitățile unui inginer IA.
2. Fundamentele Inteligenței Artificiale
- Conceptele de bază ale IA și terminologie aferentă.
- Învățarea supravegheată, nesupravegheată și prin recompensă.
- Fundamentele rețelelor neuronale și deep learning.
- O privire de ansamblu asupra IA generative și a modelelor fundamentale.
- Ecosisteme și cadre de dezvoltare pentru inteligența artificială.
3. Python pentru Ingineria IA
- Bibliotecile Python esențiale pentru AI.
- NumPy, Pandas și Matplotlib.
- Manipularea și vizualizarea datelor.
- Lucrul cu Jupyter Notebooks.
- 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).
- Scalarea și normalizarea caracteristicilor.
- Separarea seturilor de date în antrenament, validare și testare.
- Gestionarea valorilor lipsă și a valorilor outlier.
5. Fundamentele Învățării Automate
- Algoritmi de regresie.
- Algoritmi de clasificare.
- Tehnici de clustering.
- Fluxul de lucru pentru antrenarea modelului.
- 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.
- Criarea rețelelor neuronale.
- Antrenarea și validarea modelului.
- Salvarea și încărcarea modelelor.
- Compararea celor două cadre de lucru.
7. Fundamentele Procesării Limbajului Natural
- Preprocesarea textului.
- Încorporări word embeddings (word embeddings).
- Clasificarea textului.
- Analiza sentimentelor.
- Introducere în modelele transformer.
- Aplicații practice de procesare a limbajului natural.
8. IA în Dezvoltarea Software
- Integrarea inteligenței artificiale în aplicațiile existente.
- Interacțiunea cu serviciile IA prin intermediul API-urilor.
- Dezvoltarea de aplicații cu AI.
- Instrumente de dezvoltare software asistate de IA.
- Testarea aplicațiilor care utilizează AI.
9. Cele mai bune practici în Ingineria IA
- Organizarea proiectului.
- Controlul versiunilor cu Git.
- Urmărirea experimentelor (experiment tracking).
- Versiunile modelelor.
- Standardele de documentație.
- Reproducibilitatea în proiectele de IA.
10. Implementarea modelelor IA
- Serializarea modelelor.
- Crearea serviciilor de inferență.
- API-uri REST pentru modelele AI.
- Introducere în Docker pentru implementarea AI.
- Monitorizarea modelelor implementate.
- Mentenanța și actualizarea modelelor.
11. Ingineria Datelor pentru IA
- Conducte de date (Data pipelines).
- Procesele ETL.
- Gestionarea datelor structurate și nestructurate.
- Opțiuni de stocare a datelor.
- Gestionarea calității datelor.
- Pregătirea seturilor de date pentru producție.
12. IA Responsabilă și Etică
- Bias-ul (părerea) în IA și corectitudinea.
- IA explicabilă (XAI).
- Confidențialitatea și protecția datelor.
- Considerații de securitate a AI.
- Dezvoltarea responsabilă a AI.
- Considerații normative și de guvernanță.
13. Gestionarea proiectelor IA
- Ciclul de viață al proiectului IA.
- Metodologiile Agile pentru proiectele IA.
- Colaborarea între echipele tehnice și cele de business.
- Estimarea proiectelor IA.
- Gestionarea riscurilor.
- Măsurarea succesului proiectului.
14. Atelier Practic de Inginerie IA și Tendințe Viitoare
- Configurarea unui flux complet de lucru pentru dezvoltarea IA.
- Construirea unui proiect end-to-end de învățare automată.
- Antrenarea și evaluarea unui model folosind TensorFlow sau PyTorch.
- Implementarea unei aplicații AI simple.
- Tendințele actuale în Ingineria IA.
- IA generativă și Modele Mari de Limbaj (LLM).
- MLOps și automatizarea AI.
- Căi de carieră și învățare continuă.
- Rezumat, Întrebări și Răspunsuri și pașii următori.
Cerințe
- O înțelegere a conceptelor de bază ale programării.
- Experiență cu limbajul de programare Python.
- Familiaritate cu statistica de bază și algebra liniară.
Audiența țintă
- Ingenieri IA.
- Dezvoltatori software.
- Analiști de date.
14 Ore
Mărturii (1)
Stilul deschis si cald al trainerului, limbajul accesibil.
