Python ilə Deep Learning
Python ilə Deep Learning təlimində siz datanızı analiz üçün hazırlayaraq, Proqnozlaşdırma və Şəkillərin tanınması üçün Maşın Öyrənməsi, Dərin Öyrənmə və Süni İntellekt alqoritmlərinin yaradılmasından istifadəsinə və baza ilə inteqrasiyasına qədər Dərin Öyrənmə bacarıqlarını öyrənəcəksiniz. Data Təhlilinin Süni İntellekt və Proqramlaşdırma bacarıqları ilə avtomatlaşdırılması üçün ən populyar dillərdən biri məhz Python-dur. Tədris müddətində marketinq, maliyyə, biznes, səhiyyə və dövlət qurumlarında qərarların verilməsində əhəmiyyət kəsb edən metodologiyaları real iş mühitində qarşılaşılan problemlərə tətbiq edərək öyrənəcəksiniz.
Təlim Cədvəli
Python ilə Deep Learning
Deep Learning with Python
Deep Learning mit Python
Глубокое обучение с Python
Təlim haqqında məlumat
Son illərdə texnoloji yeniliklər (sosial şəbəkələr, e-ticarət layihələri, əşyaların interneti (internet of things) və s.) data artımına səbəb oldu. Data artımı isə öz növbəsində süni zəka sahəsində yeniliklər, özünü idarə edən maşınlar, səhiyyənin inkişafı, iqtisadiyyatda proqnozlar, əyləncə sektorunda daha dəqiq təkliflər və s. kimi bir sıra texnoloji inqilablara yol açır. Siz bu təlimə qoşulmaqla böyük datalarda machine learning alqoritmləri əvəzinə Keras, PyTorch, TensorFlow platformalarından istifadə etməklə RNN, CNN, Neural Prophet və Fastai kimi deep learning alqoritmlərindən istifadə edərək daha dəqiq modellər qurmağı öyrənəcək, Time series analizi edərək gələcək datalarınızı proqnoz edə biləcəksiniz.
Bu təlim kimlər üçündür?
Data Science bilikləri olanlar və əmək bazarında önə çıxmaq üçün daha müasir və mürəkkəb mövzularla biliklərini dərinləşdirmək istəyənlər, Python proqramlaşdırma dili istifadə edərək müasir və mürəkkəb Deep Learning mövzularını öyrənmək istəyənlər, Analitikanı öyrənmək istəyən proqramçılar və data mühəndisləri, Biznes Menecerlər, Biznes Analitiklər, Data Analitiklər, Data Analtikasını öyrənən və bu sahəyə marağı olanlar, böyük həcmli datalarla işləmək istəyən şəxslər, tədqiqatla məşğul olanlar, Data Science karyerası qurmaq istəyən Data Sciencei üzrə məlumatlı olan tələbələr və mütəxəssislər, satış, supermarket, telekommunikasiya, bank və digər biznes sahələrində və ya dövlət qurumlarında data analizi edərək hesabat hazırlayanlar və hazırlamaq istəyənlər.
Sertifikat
Təlimi müvəffəqiyyətlə bitirən şəxslərə Certified Deep Learning with Python və digər şəxslərə isə iştirakçı sertifikatı təqdim ediləcək. Sağ tərəfdə nümunə sertifikatı görə bilərsiniz.
Deep Learning Təlimatı 1 (TensorFlow Təlimatı, Keras və Python)
Python ilə Deep Learning
codebasics
Yeni Deep Learning təlimatı üçün tam başlanğıc səviyyəsində bir video. Video üçün təşəkkürlər: codebasics
Sillabus
Sessiya 1
- Deep learning nədir?
- Deep Learning və onun komponentləri: Neyronlar
- Neyron şəbəkələr, deep learning modelləri ilə tanışlıq.
- Pytorch kitabxanası və tensorlar
- Neyron şəbəkələr necə işləyir? Fr-Bd propagation.
- NN gradientlər, cost funksiyaları və metriklər.
Case Study 1
Pytorch kitabxanası istifadə edərək Neyron şəbəkə yaratmaq və “Rain prediction” datasında tətbiq etmək.
Sessiya 2
- Time Series analizi
- ARIMA və ARMA modelləri
- Prophet və NeuralProphet kitabxanaları ilə tanışlıq.
- Time Series üçün feature engineering.
- Time Series Analizi üçün Hyperparameter Tuning.
Case Study 2
“Stock Price of Google” datasında Facebook Prophet kitabxanasından istifadə edərək gələcək 100 günün satış qiymətini müəyyən edən model qurmaq.
Sessiya 3
- Convolutional Neural Network (CNN) ilə tanışlıq və arxitekturası
- Maşın Görünüşü: Klassik ConvNet
- Arxitekturalar: LeNet-5, AlexNet, VGGNet, Resnet, Inception, Darknet.
- Şəkil datası: matrislər, ölçülər, şəkil artırılması üsulları
Case Study 3
CNN istifadə edərək CIFAR10 datasının şəkillərinin proqnoz edilməsi.
Sessiya 4
- FastAI Framework (Tabular, Vision və Collaborative filterləmə).
- FastAI vision modulu: Optimal öyrənmənin tapılması.
- Hyperparameters Tuning, model freezing və unfreezing.
Case Study 4
FastAI ilə yarpaq xəstəliyinin proqnozu.
Sessiya 5
- Deployment
- Scikit-Learn API
- Feauture Engine
- Maşın öyrənməsində feature selection rolu
- Creating pipeline - "İş axınının qurulması"
Case Study 5
CIFAR-10 datasetindən istifadə edərək PyTorch ilə CNN modeli qurmaq, vizuallaşdırmaq, modelin performansını təhlil etmək və nəticələri GitHub-a yerləşdirmək.
Təlimçilər
Emil Mirzəyev
SÜNİ İNTELLEKT VƏ STRATEJİ QƏRARQƏBULETMƏ RESEARCHER, UNİVERSİTY COLLEGE LONDONDr. Emil Mirzəyev İtqdisadiyyat və Biznes Administrasiyası üzrə ikili fəlsəfə elmləri doktoru (PhD) dərəcəsinə sahibdir və hal-hazırda dünyanın top universitetlərindən biri olan University College London-da Süni intellekt və Strateji Qərarqəbuletmə sahələrinin kəsişməsində elmi araşdırma ilə məşğuldur. Python və Data Science ilə 10 ilə yaxın təcrübəsi var və öz işlərini MIT, Harvard və LBS kimi nüfuzlu universitetlərdə, hebelə çoxsaylı beynəlxalq konfranslarda təqdim etmişdir. Azərbaycanda da ML, AI ilə bağlı mövzularda çoxsaylı pulsuz vörkşoplar keçmişdir.
Əhməd Əhmədov
Senior Data Scientist, Porsche AGƏhməd Əhmədov Cənubi Koreyanın Yonsei universitetində "Data Mining" va "Big Data" ixtisasları üzrə magistratura təhsili almışdır. Süni intellekt və data analitikası üzrə 10 ildən artıq təcrübəyə sahibdir. 6 ildir Almaniyada "Porsche AG" şirkətində Senior Data Scientist və Tech Lead olaraq çalışır. Əsasən, "GenAI", "Digital Assistants", "customer mobility predictions", "charging experience optimization", "content quality analysis" kimi istiqamətlərdə süni intellekt modellərinin hazırlanması və proyektlərin idarə olunmasını təmin edir.
Çalışmış olduğu digər qurumlar:
* Drezden Universiteti (Almaniya), Al va Data Science üzrə elmi tədqiqatçı. Araşdırma sahələri: "Data imputation", "Data quality", "Information retrieval", "Web tables", "Semi-structured datasets", "Machine learning". (4 il)
* Bakcell, ERP Technical Analyst (1 il)
Eyni zamanda, bir çox beynalxalq konfranslarda dərc olunan elmi məqalələrin müəllifidir.