Deep Learning - uczenie głębokie dla znających Pythona

Możliwość dofinansowania

Deep Learning - uczenie głębokie dla znających Pythona

Numer usługi 2026/02/04/47449/3306233

ALX Academy Sp. z o.o.

4 292,70 PLN

brutto

3 490,00 PLN

netto

134,15 PLN

brutto/h

109,06 PLN

netto/h

118,13 PLN

cena rynkowa

zdalna w czasie rzeczywistym

Usługa szkoleniowa

32 h

19.05.2026 do 22.05.2026

0 zapisanych uczestników

Obserwuj

Pobierz kartę usługi w PDF

Informacje podstawowe

Kategoria

Informatyka i telekomunikacja / Programowanie
Grupa docelowa usługi

Szkolenie przeznaczone jest dla analityków i programistów. To nie jest szkolenie dla statystyków – nie obejmuje matematycznych podstaw działania algorytmów. Od uczestników tego szkolenia oczekujemy znajomości następujących narzędzi – podstawowej znajomości Pythona (na poziomie naszego szkolenia
Skrypty w Pythonie
, albo pierwszego modułu kursu Programista Python), a także znajomości Pandas lub NumPy na poziomie wystarczającym do swobodnego importu i obróbki danych.
Dodatkowo wymagana jest znajomość środowiska Jupyter Notebook.
Minimalna liczba uczestników

6
Maksymalna liczba uczestników

15
Data zakończenia rekrutacji

18-05-2026
Forma prowadzenia usługi

zdalna w czasie rzeczywistym
Liczba godzin usługi

32
Podstawa uzyskania wpisu do BUR

Certyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych

Cel

Cel edukacyjny

Celem szkolenia jest wyposażenie uczestników w praktyczne umiejętności stosowania uczenia głębokiego w Pythonie z użyciem narzędzi takich jak Keras, TensorFlow i PyTorch. Kurs uczy trenowania modeli do analizy danych, rozpoznawania obrazów, dźwięków i tekstu, umożliwiając tworzenie inteligentnych aplikacji. Skierowany do programistów znających Pythona, Pandas i NumPy, kładzie nacisk na praktyczne zastosowania bez dogłębnej teorii matematycznej.

Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji

Efekty uczenia się, kryteria weryfikacji i metody walidacji.
Efekty uczenia się	Kryteria weryfikacji	Metoda walidacji
Uczestnik zaprojektuje i wytrenuje modele głębokich sieci neuronowych w Pythonie, korzystając z bibliotek Keras, TensorFlow i PyTorch. Potrafi dostosować architekturę modelu do analizy danych, obrazów lub tekstu.	Poprawność stworzonego modelu oceniana na podstawie zadania praktycznego, np. klasyfikacji obrazów z dokładnością min. 80%.	Test teoretyczny
Uczestnik wdroży modele uczenia głębokiego do rzeczywistych zastosowań, np. rozpoznawania obrazów lub analizy tekstu. Zrozumie proces przygotowania danych i optymalizacji modelu.	Wykonanie projektu końcowego, w którym aplikacja AI osiąga zadane cele, oceniane przez trenera.	Test teoretyczny
Uczestnik nauczy się optymalizować hiperparametry modelu i weryfikować jego skuteczność za pomocą metryk ewaluacyjnych. Potrafi interpretować wyniki i poprawiać wydajność modelu.	Poprawność analizy wyników modelu w zadaniu praktycznym, np. raport z metrykami precyzji i straty.	Test teoretyczny

Kwalifikacje

Kwalifikacje niewłączone do ZSK

Uznane kwalifikacje

Pytanie 1. Czy wydany dokument jest potwierdzeniem uzyskania kwalifikacji w zawodzie?

TAK

Informacje

Podstawa prawna dla Podmiotów / kategorii Podmiotów

uprawnione do realizacji procesów walidacji i certyfikowania na mocy innych przepisów prawa
Nazwa Podmiotu prowadzącego walidację

NIE
Nazwa Podmiotu certyfikującego

NIE

Program

Przegląd narzędzi do uczenia głębokiego
- TensorFlow
- PyTorch
- Keras
- Hugging Face
- JAX
- identyfikacja różnic pomiędzy narzędziami
- dobór odpowiedniego narzędzia w zależności od projektu
Wprowadzenie do sieci neuronowych
- budowa neuronu
- funkcje komponentów neuronu
- mechanizmy przetwarzania informacji
- jak uczy się sieć neuronowa
  - algorytmy uczenia z nadzorem
  - algorytmy uczenia bez nadzoru
  - funkcje aktywacyjne
  - funkcje błędu
- typy sieci neuronowych
  - perceptory
  - MLP – perceptory wielowarstwowe
  - sieci konwolucyjne (CNN)
  - rekurencyjne sieci neuronowe (RNN)
  - zastosowania sieci neuronowych w różnych dziedzinach
JAX
- architektura JAX
- unikalne cechy JAX
  - przejście z NumPy do JAX
  - wykorzystanie kompilacji JIT przez JAX
  - przetwarzanie równoległe
  - przyspieszenie działania modeli
  - zwiększanie wydajności modeli
Keras
- wprowadzenie – architektura Keras
- udostępniane API
- szkolenie modeli
  - budowa modeli w Keras
  - komplikowanie modeli
  - trenowanie modeli uczenia głębokiego
  - techniki optymalizacji
  - zestawy danych
- wnioskowanie i przewidywanie
  - wykorzystanie wytrenowanych modeli do predykcji
  - podejmowanie decyzji na podstawie nowych danych
Sieci neuronowe – zastosowania i przykłady
- Sztuczne sieci neuronowe (ANN)
  - zastosowania w zadaniach klasyfikacji i regresji
- Konwolucyjne sieci neuronowe (CNN)
  - rozpoznawanie obrazów
  - przetwarzanie obrazu
  - analiza obrazów
- Rekurencyjne sieci neuronowe (RNN, LSTM)
  - predykcja szeregów czasowych
  - inne zagadnienia analityczne
- Hugging Face
  - platforma open-source dla modeli uczenia maszynowego
  - strojenie modeli dopasowanych do potrzeb użytkownika
- Porównanie różnych środowisk (np. PyTorch, Tensorflow)
Walidacja

Harmonogram

Liczba przedmiotów/zajęć: 5

Harmonogram
Przedmiot / temat zajęć	Prowadzący	Data realizacji zajęć	Godzina rozpoczęcia	Godzina zakończenia	Liczba godzin
Przedmiot / temat zajęć 1 z 5 Przegląd narzędzi do uczenia głębokiego	Prowadzący Tomasz Kaniecki	Data realizacji zajęć 19-05-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 2 z 5 Wprowadzenie do sieci neuronowych	Prowadzący Tomasz Kaniecki	Data realizacji zajęć 20-05-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 3 z 5 JAX, Keras	Prowadzący Tomasz Kaniecki	Data realizacji zajęć 22-05-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 4 z 5 Sieci neuronowe – zastosowania i przykłady	Prowadzący Tomasz Kaniecki	Data realizacji zajęć 22-05-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 16:00	Liczba godzin 07:00
Przedmiot / temat zajęć 5 z 5 walidacja	Prowadzący -	Data realizacji zajęć 22-05-2026	Godzina rozpoczęcia 16:00	Godzina zakończenia 17:00	Liczba godzin 01:00

Cena

Jeżeli korzystasz z dofinansowania w wysokości co najmniej 70% przysługuje Tobie zwolnienie z podatku VAT

Cennik

Cennik
Rodzaj ceny	Cena
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto	Cena 4 292,70 PLN
Rodzaj ceny Koszt przypadający na 1 uczestnika netto	Cena 3 490,00 PLN
Rodzaj ceny Koszt osobogodziny brutto	Cena 134,15 PLN
Rodzaj ceny Koszt osobogodziny netto	Cena 109,06 PLN
Rodzaj ceny W tym koszt walidacji brutto	Cena 0,00 PLN
Rodzaj ceny W tym koszt walidacji netto	Cena 0,00 PLN
Rodzaj ceny W tym koszt certyfikowania brutto	Cena 0,00 PLN
Rodzaj ceny W tym koszt certyfikowania netto	Cena 0,00 PLN

Prowadzący

Liczba prowadzących: 2

1 z 2

Lech Hubicki

Lech posiada solidne wykształcenie wyższe. Zdobył tytuł doktora na Uniwersytecie Śląskim w Katowicach, ukończył studia w zakresie biostatystyki na University at Albany School of Public Health oraz studia podyplomowe z negocjacji i mediacji w biznesie na Uczelni Łazarskiego w Warszawie. Jest wysoce wyspecjalizowanym analitykiem z doświadczenie w takich technologiach jak Python, Machine Learning, Deep Learning oraz AI (sztuczna inteligencja), R.

2 z 2

Tomasz Kaniecki

Tomek to ekspert w dziedzinie programowania, cyberbezpieczeństwa i uczenia maszynowego. Od lat zgłębia tajniki technologii IT, w tym sztucznej inteligencji. Jego zainteresowanie programowaniem rozpoczęło się w erze komputerów 8-bitowych i przekształciło się w imponującą wiedzę oraz umiejętności, z którymi z entuzjazmem dzieli się z innymi.

Informacje dodatkowe

Informacje o materiałach dla uczestników usługi

Uczestnicy otrzymują autorskie materiały szkoleniowe ALX.

Informacje dodatkowe

Szkolenie może podlegać zwolnieniu z podatku VAT w w przypadku gdy udział w usłudze jest finansowany co najmniej w 70% ze środków publicznych.

Warunki techniczne

Czego potrzebujesz do kursu zdalnego?

komputer z dostępem do Internetu (zalecana prędkość łącza: min 3 Mbit/s download/upload; całkowicie wystarczające są w szczególności połączenia przez sieć komórkową, oby jedynie były one stabilne - nie zrywające się)
przeglądarka internetowa (Chrome, Firefox, Safari, Edge itp.),
głośniki lub słuchawki, oraz mikrofon (aby słyszeć i rozmawiać z trenerem oraz innymi uczestnikami szkolenia).

Opcjonalnie:

W miarę posiadania, można też wyposażyć stanowisko pracy w dodatkowy monitor. Jest wtedy możliwość jednoczesnego obserwowania udostępnionego obrazu (na jednym ekranie) i pracy w swoim edytorze/arkuszu/środowisku na drugim ekranie. Jeśli jednak nie posiadasz dodatkowego monitora, to również nie ma się czym martwić. Wystarczy przełączanie się między oknami w razie potrzeby, w ten sposób pracuje większość naszych kursantów.

Alternatywnie, istnieje jeszcze możliwość uruchomienia oprogramowania konferencyjnego (standardowo w ALX jest to Zoom) na tablecie lub ewentualnie telefonie Apple / Android (przy czym ekran telefonu jest jednak dość mały - kursanci raczej preferują tablety). Wtedy można uczestniczyć w sesji video poprzez urządzenie mobilne, a samodzielną pracę i ćwiczenia - wykonywać na komputerze.

Kontakt

Justyna Kamińska

E-mail

zakupy@alx.pl

Telefon

(+48) 604 280 025

Deep Learning - uczenie głębokie dla znających Pythona