Εξέλιξη Κομματιού

Εισαγωγή στη Τεχνητή Νοημοσύνη

  • Τι είναι AI και που χρησιμοποιείται;
  • AI vs. Μηχανική Μάθηση vs. Βαθιά Μάθηση.
  • Δημοφιλείς εργαλεία και πλατφόρμες.

Python για AI

  • Ανασκολίωση βασικών στοιχείων του Python.
  • Χρήση Jupyter Notebook.
  • Εγκατάσταση και διαχείριση βιβλιοθηκών.

Εργασία με Δεδομένα

  • Προετοιμασία και καθάριση δεδομένων.
  • Χρήση Pandas και NumPy.
  • Visualisation με Matplotlib και Seaborn.

Βασικά της Μηχανικής Μάθησης

  • Εποπτική vs. Ανεπόπτου Μάθηση.
  • Ταξινόμηση, προβλέψεις και συσχέτιση.
  • Εκπαίδευση μοντέλων, αξιολόγηση και δοκιμή.

Νευρωνικά Δίκτυα και Βαθιά Μάθηση

  • Αρχιτεκτονική νευρωνικών δικτύων.
  • Χρήση TensorFlow ή PyTorch.
  • Δημιουργία και εκπαίδευση μοντέλων.

Φυσική Γλώσσα και Οπτική του Υπολογιστή

  • Ταξινόμηση κειμένου και ανάλυση συναισθήματος.
  • Βασικές γνωστικές της αναγνώρισης εικόνας.
  • Προ-εκπαιδευμένα μοντέλα και περιφερειακή μάθηση.

Εκπαίδευση AI σε Εφαρμογές

  • Αποθήκευση και φόρτωση μοντέλων.
  • Χρήση AI μοντέλων σε APIs ή web apps.
  • Καλύτερες πρακτικές για τεστ και διατήρηση.

Περίληψη και Επόμενα Βήματα

Απαιτήσεις

  • Συμφραζόμενη στον τρόπο προγραμματισμού και δομές.
  • Έμπειρη εμπειρία με Python ή παρόμοιες υψηλού επιπέδου γλώσσες προγραμματισμού.
  • Βασική γνωσία με αλγόριθμους και δομές δεδομένων.

Ακροατήριο

  • Επαγγελματίες συστημάτων IT.
  • Προγραμματιστές λογισμικού που επιθυμούν να συνδυάσουν AI.
  • Μηχανικοί και τεχνικοί διευθυντές που εξερευνούν λύσεις βασισμένες σε AI.
 40 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες