Optymalizacja modeli uczenia głębokiego w procesie treningu i inferencji (wieczorowy)

Mateusz Wójcik jest doświadczonym inżynierem ds. uczenia maszynowego oraz pasjonatem edukacji w dziedzinie Data Science i AI. Obecnie pracuje jako Machine Learning Engineer w AI Clearing, gdzie rozwija innowacyjne rozwiązania do monitorowania postępów na projektach budowlnaych, kontroli jakości i analizy defektów, specjalizując się w analizie danych z farm fotowoltaicznych pozyskiwanych za pomocą teledetekcji. Trener posiada bogate doświadczenie badawcze. Pracował jako Research Software Engineer w projekcie xLUNGS w MI2.ai, gdzie zajmował się rozwojem systemów wspomagających identyfikację zmian chorobowych na zdjęciach rentgenowskich i tomografii komputerowej płuc. Wcześniej, jako Machine Learning Engineer na Politechnice Warszawskiej, brał udział w projekcie INKUB, związanym z wykorzystaniem dronów i AI do inspekcji fasad budynków. Jest absolwentem Politechniki Warszawskiej, gdzie studiował na kierunku Data Science oraz ukończył studia licencjackie z matematyki, będąc również prezesem Koła Naukowego Matematyków i pracownikiem dydaktycznym. Równocześnie, Mateusz dzieli się swoją wiedzą i doświadczeniem jako trener w Sages, gdzie prowadzi angażujące kursy i warsztaty dla przyszłych profesjonalistów AI. W ramach programów AI & Data Science oraz AI & Machine Learning Engineer w Kodołamacz, prowadzi praktyczne zajęcia z zakresu uczenia nadzorowanego, nienadzorowanego, wdrażania systemów ML, a także uczy zaawansowanych technik uczenia głębokiego, w tym wizji komputerowej i przetwa