Algorytmy Sztucznej Inteligencji (AI). Implementacja w języku Python
Algorytmy Sztucznej Inteligencji (AI). Implementacja w języku Python
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Aplikacje biznesowe
- Identyfikatory projektówMałopolski Pociąg do kariery, Zachodniopomorskie Bony Szkoleniowe, Kierunek - Rozwój, Regionalny Fundusz Szkoleniowy II
- Grupa docelowa usługi
Profil uczestników
Szkolenie Implementacja algorytmów AI w Python przeznaczone jest dla programistów języka Python, którzy chcą poszerzyć swoją wiedzę o zaawansowane algorytmy sztucznej inteligencji w implementacji języka Python oraz umiejętność programowania wybranych struktur za pomocą bibliotek Pythona.
Przygotowanie uczestników
Uczestnik powinien posiadać wiedzę i doświadczenie w programowaniu w języku Python na poziomie średniozaawansowanym (zakres kursu podstawowego i warsztatów średniozaawansowanych).
Czas trwania kursu wynosi 32 godziny lekcyjne, godzina lekcyjna to 45 minut.
Usługa jest dedykowana dla uczestników projektu Małopolski pociąg do kariery.
Usługa również adresowana dla uczestników projektu Małopolskie Bony rozwojowe Plus" i "Małopolski Pociąg do Kariery”
"Usługa adresowana również dla Uczestników Projektu Kierunek – Rozwój"
- Minimalna liczba uczestników4
- Maksymalna liczba uczestników12
- Data zakończenia rekrutacji28-07-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi32
- Podstawa uzyskania wpisu do BURZnak Jakości Małopolskich Standardów Usług Edukacyjno-Szkoleniowych (MSUES) - wersja 2.0
Cel
Cel
Cel edukacyjny
Celem szkolenia jest wprowadzenie uczestników w zaawansowane zagadnienia związane z algorytmami sztucznej inteligencji i ich implementacji w języku Python. Przygotowanie uczestników do zrozumienia poszczególnych algorytmów oraz używania stosownych bibliotek języka Python .Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Wykorzystuje wybrane algorytmy sztucznej inteligencji do tworzenia rozwiązań informatycznych. | dobiera algorytm AI odpowiedni do określonego problemu, konfiguruje parametry algorytmu w środowisku programistycznym, uruchamia algorytm na przygotowanych danych, ocenia uzyskane wyniki działania algorytmu. | Test teoretyczny z wynikiem generowanym automatycznie |
| Stosuje algorytmy przeszukiwania przestrzeni rozwiązań do rozwiązywania problemów obliczeniowych. | identyfikuje problem wymagający zastosowania algorytmu przeszukiwania, implementuje wybrany algorytm przeszukiwania, analizuje poprawność działania algorytmu na przykładzie zadania, porównuje wyniki działania różnych metod przeszukiwania. | Test teoretyczny z wynikiem generowanym automatycznie |
| Wykorzystuje algorytmy heurystyczne do rozwiązywania problemów optymalizacyjnych. | dobiera heurystykę odpowiednią do charakteru problemu, implementuje algorytm heurystyczny w środowisku programistycznym, analizuje wpływ zastosowanej heurystyki na wynik rozwiązania, ocenia skuteczność zastosowanego podejścia. | Test teoretyczny z wynikiem generowanym automatycznie |
| Implementuje algorytmy genetyczne z wykorzystaniem frameworka DEAP oraz wybranych bibliotek programistycznych. | konfiguruje środowisko programistyczne z biblioteką DEAP, definiuje populację początkową oraz funkcję dopasowania, implementuje operatory selekcji, krzyżowania i mutacji, analizuje wyniki działania algorytmu genetycznego. | Test teoretyczny z wynikiem generowanym automatycznie |
| Stosuje algorytmy rozproszonej inteligencji do rozwiązywania problemów obliczeniowych. | opisuje strukturę działania algorytmów rozproszonej inteligencji, implementuje przykładowy algorytm (np. inspirowany zachowaniem rojów), analizuje działanie algorytmu na przykładowym problemie, ocenia efektywność uzyskanego rozwiązania. | Test teoretyczny z wynikiem generowanym automatycznie |
| Wykorzystuje algorytmy oparte na sieciach neuronowych do realizacji zadań analitycznych. | przygotowuje dane wejściowe do modelu sieci neuronowej, konfiguruje strukturę modelu w wybranej bibliotece programistycznej, przeprowadza proces trenowania modelu, analizuje wyniki działania modelu. | Test teoretyczny z wynikiem generowanym automatycznie |
| Stosuje algorytm Q-learning do rozwiązywania problemów decyzyjnych. | definiuje środowisko i przestrzeń stanów dla algorytmu Q-learning, implementuje mechanizm uczenia ze wzmocnieniem, analizuje proces uczenia agenta, ocenia skuteczność działania algorytmu. | Test teoretyczny z wynikiem generowanym automatycznie |
| Analizuje nowe rozwiązania i algorytmy sztucznej inteligencji. | identyfikuje nowe podejścia w obszarze algorytmów AI, porównuje wybrane metody pod względem zastosowań i ograniczeń, ocenia potencjalne możliwości wykorzystania algorytmów w praktyce. | Test teoretyczny z wynikiem generowanym automatycznie |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
1.Usługa jest realizowana w godzinach lekcyjnych, tj. za godzinę usługi szkoleniowej rozumie się 45 minut, łącznie 32 godziny lekcyjne.
Planowane przerwy w trakcie zajęć: 10:30-10:45, 13:00-13:30, 14:45-15:00. Przerwy nie są wliczone w godziny zajęć usługi. Liczba godzin zajęć praktycznych: 16 godzin lekcyjnych , liczba godzin zajęć teoretycznych: 16 godzin lekcyjnych, w tym test 10 min.
Wykładowca ma prawo zmienić godziny przerw, jeśli wymaga tego proces dydaktyczny (np. rozpoczęte ćwiczenie) lub na życzenie większości uczestników kursu (zmęczenie, większa trudność treści kształcenia).
2.Grupa docelowa: Szkolenie Implementacja algorytmów AI w Python przeznaczone jest dla programistów języka Python, którzy chcą poszerzyć swoją wiedzę o zaawansowane algorytmy sztucznej inteligencji w implementacji języka Python oraz umiejętność programowania wybranych struktur za pomocą bibliotek Pythona.
Przygotowanie uczestników: Uczestnik powinien posiadać wiedzę i doświadczenie w programowaniu w języku Python na poziomie średniozaawansowanym (zakres kursu podstawowego i warsztatów średniozaawansowanych).
Szczegółowy program szkolenia
Wprowadzenie do zagadnień związnych ze sztuczną inteligencją
- Wstęp do Sztucznej Inteligencjii
- Algorytmy Sztucznej Inteligencjii
Przeszukiwanie
- Problemy roziwązywane za pomocą przeszukiwania
- Rodzaje algorytmów przeszukiwania
- Rozwiązania siłowe a grafy
- Zastosowania algorytmów przeszukiwania
- Implementacja w języku Python przykłady
Przeszukiwanie a pomocą algorytmów heurystycznych z imolementacją w języku Python
Algorytmy Ewolucyjne - Algorytmy Genetyczne
- Ewolucja, Genetyka - wstęp
- Do jakich zagadnień stosujemy algorymy ewolucyjne, genetyczne
- Cykl życia algorymu genetycznego
- Przestrzeń i populacja rozwiązań
- Przystosowanie – pomiar w populacji
- Operacje na populacji: krzyżowanie, mutacja
- Selekcja
- Operatory selekcji
- Funkcja celu
- Zaawansowane techniki ewolucyjne
- Framework DEAP Python
- Biblioteka geneticalgorithm 1.0.2
- Algorytmy ewolucyjne i struktury danych
- Przykłady implementacji w języku Python
Algorytmy mrówkowe - inteligencja rozproszona
- Inteligencja rozproszona
- Cykl życia algorymu mrówkowego
- Zastosowania algorymu mrówkowego
- Optymalizacja rojem cząstek
- Przykłady w języku Python
Sztuczne sieci neuronowe
- Czym są sztuczne sieci neuronowe?
- Perceptron: reprezentacja neuronu
- Sieć ANN
- Projektowanie sztucznych sieci neuronowych
- Przykłady zastosowań sieci neuronowych w języku Python: scikit-learn, TensorFlow, Keras
Uczenie przez wzmacnianie z użyciem algorytmu Q-learning
Przegld najnowszych algorymów AI: ReBeL, Efficient Non-Convex Reformulations, Memory-Efficient First-Order Semidefinite Programming, Advantage Weighted Actor-Critic (AWAC), RigL Algorithm, Behaviour-Regularised Model-ENsemble (BREMEN)
Metoda realizacji szkolenia
Szkolenie jest realizowane różnymi metodami takimi jak, mikrowykład, ćwiczenia współne, ćwiczenia indywidualne, praca indywidualna, z głębokim naciskiem położonym na aspekt praktyczny programowania.
Harmonogram
Harmonogram
| Przedmiot / temat | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Brak wyników. | |||||
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 3 567,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 2 900,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 111,47 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 90,63 PLN |
Prowadzący
Prowadzący
Marcin Albiniak
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Uczestnicy otrzymują podręcznik w wersji elektronicznej.
W czasie zajęć wykorzystywane są autorskie materiały dydaktyczne przygotowane przez wykładowcę oraz inne materiały dydaktyczne przygotowane przez organizatora szkolenia.
Warunki uczestnictwa
Warunkiem skorzystania ze szkolenia jest dokonanie równolegle rejestracji na kurs na stronie www.comarch.pl/szkolenia w formie:
- elektronicznego zamówienia szkolenia (przycisk "Zamów" przy wybranym temacie i terminie). Opcja ta dotyczy osób fizycznych oraz firm/instytucji
albo
- poprzez uzupełnienie i odesłanie na adres szkolenia@comarch.pl tradycyjnego formularza zgłoszeniowego który jest dostępny na stronie www.comarch.pl/szkolenia (przycisk "Pobierz formularz zgłoszeniowy"). Opcja ta dotyczy wyłącznie firm/Instytucji.
W obu przypadkach przy dokonaniu zgłoszenia prosimy o informacje dotyczącą projektu z którego dofinansowania korzysta Uczestnik.
Planowana przerwa: –obiadowa 30 min plus 2 kawowe po 15 minut.
Wykładowca ma prawo zmienić godziny przerw, jeśli wymaga tego proces dydaktyczny (np. rozpoczęte ćwiczenie) lub na życzenie większości uczestników kursu (zmęczenie, większa trudność treści kształcenia).
Informacje dodatkowe
Szkolenie zakończone jest testem wiedzy z zakresu tematycznego omawianego na szkoleniu.
Szkolenie może być zwolnienione z VAT-u w zależności od rodzaju dofinasowania
Zawarto umowę z WUP Kraków na rozliczanie Usług z wykorzystaniem elektronicznych bonów szkoleniowych w ramach projektu „Małopolski Pociąg do Kariery” i "Małopolskie Bony Rozwojowe Plus"
Szkolenie może być nagrywane /rejestrowane w celu kontroli/audytu zgodnie z Regulaminem Świadczenia Usług Szkoleniowych Organizatora.
Zawarto umowę z WUP w Toruniu w ramach Projektu Kierunek – Rozwój.
Warunki techniczne
Warunki techniczne
Wymagania techniczne:
- Komputer / laptop ze stałym dostępem do Internetu (Szybkość pobierania/przesyłania: minimalna 2 Mb/s / 128 kb/s; zalecana 4 Mb/s / 512 kb/s
- przeglądarka internetowa – zalecane: Google Chrome, Mozilla Firefox, Microsoft Edge
- słuchawki lub dobrej jakości głośniki
- mikrofon
Zalecane
- dodatkowy monitor
- kamera ( w przypadku komputerów stacjonarnych)
- spokojne miejsce, odizolowane od zewnętrznych czynników rozpraszających
- podstawowa znajomość języka angielskiego (do sprawnego poruszania się po platformie zdalnej)
Informacje dodatkowe
Szkolenie Zdalne prowadzone jest w czasie rzeczywistymi i transmitowane za pomocą kanału internetowego z wykorzystaniem systemu ZOOM, który umożliwia komunikację głosową oraz wideo z Uczestnikami przebywających w dowolnym miejscu ze sprawnie działającym stałym łączem internetowym. Każdy z uczestników szkolenia otrzymuje przed szkoleniem link dostarczony w wiadomości mailowej z informacjami dotyczącymi szkolenia zdalnego. Link umożliwiający uczestnictwo w spotkaniu jest ważny do momentu zakończenia szkolenia.
Szkolenie zakończone jest testem wiedzy z zakresu tematycznego omawianego na szkoleniu.
Szkolenie może być nagrywane /rejestrowane w celu kontroli/audytu zgodnie z Regulaminem Świadczenia Usług Szkoleniowych Organizatora.
Uczestnicy szkolenia otrzymają materiały szkoleniowe w wersji elektronicznej.