Szkolenie z PyTorch

Infoshare to największa społeczność technologiczna w CEE i organizator wiodącej konferencji tech w Gdańsku. Łączy startupy, inwestorów, korporacje i pasjonatów innowacji. Promuje przedsiębiorczość, dzielenie się wiedzą i networking. Dzięki wydarzeniom, konkursom i programom wspiera rozwój ekosystemu technologicznego w Polsce i regionie.

Szkolenie PyTorch to intensywny, dwudniowy kurs, który w 80% opiera się na praktycznych warsztatach, a w 20% na teorii. Kurs jest zaprojektowany tak, aby uczestnicy zdobyli solidne podstawy teoretyczne oraz praktyczne umiejętności w korzystaniu z PyTorch – jednego z najpopularniejszych frameworków do uczenia maszynowego. Podczas szkolenia uczestnicy będą mieli okazję pracować na rzeczywistych danych, budować i trenować modele oraz wdrażać je w środowisku produkcyjnym.

• Programistów i inżynierów danych, którzy chcą poszerzyć swoje umiejętności o PyTorch.
• Data scientistów pragnących zastosować PyTorch w swoich projektach.
• Entuzjastów sztucznej inteligencji i uczenia maszynowego chcących rozpocząć pracę z PyTorch
• Dla osób, które znają podstawy programowania w Pythonie i podstawową wiedzę z zakresu uczenia maszynowego
• Dla tych, którzy potrafią pracować w środowisku Jupyter Notebook lub Google Colab

Uczestnicy zdobędą wiedzę jak zainstalować i skonfigurować PyTorch w swoim środowisku pracy. Także jak budować, trenować i optymalizować modele uczenia maszynowego w PyTorch. Nauczymy Cię przygotowywać i wdrażać modele PyTorch w środowisku produkcyjnym. Poznasz metody implementowania zaawansowanych sieci neuronowych, takich jak CNN i RNN.

1. DZIEŃ 1: WPROWADZENIE DO PYTORCH I PODSTAWY UCZENIA MASZYNOWEGO
    • wprowadzenie do PyTorch
     – historia i rozwój PyTorch
     – architektura i główne komponenty
    • instalacja i konfiguracja środowiska
     – instalacja PyTorch i niezbędnych zależności
     – konfiguracja środowiska pracy (Jupyter Notebook, Google Colab)
    • podstawy PyTorch
     – operacje na tensorach, autograd i grafy obliczeniowe
     – tworzenie i uruchamianie prostych modeli
    • warsztat: tworzenie pierwszego modelu
     – implementacja modelu liniowego w PyTorch
     – trening i ewaluacja modelu na rzeczywistych danych

2. DZIEŃ 2: ZAAWANSOWANE TECHNIKI I PRAKTYCZNE ZASTOSOWANIA
    • zaawansowane modele w PyTorch
     – sieci neuronowe i ich architektura
     – implementacja i trening sieci konwolucyjnych (CNN) oraz rekurencyjnych (RNN)
    • optymalizacja modelu i fine-tuning
     – techniki optymalizacji i regularyzacji
     – fine-tuning pretrenowanych modeli w PyTorch
    • warsztat: tworzenie modelu klasyfikacji obrazów
     – przygotowanie i przetwarzanie danych obrazowych
     – implementacja i trening modelu CNN do klasyfikacji obrazów
    • deployowanie modeli PyTorch
     – eksportowanie modeli i przygotowanie do wdrożenia
     – praktyczne aspekty wdrażania modeli w środowisku produkcyjnym

16 h/2 dni