2 lygis Nemokamos studijos

Dirbtinis Intelektas – pažengusių

Dirbtinis intelektas apima sistemų, galinčių atlikti užduotis, kurioms įprastai būtinas žmogaus intelektas, kūrimą. Dabar šios sistemos gali imituoti rutininį, kūrybiškumo nereikalaujantį elgesį ir automatizuoti tam tikrus procesus. Ateities technologija tituluojamo dirbtinio intelekto išmanymas specialistui suteikia milžinišką pranašumą. Pakankamai ilga istorija pasižyminti dirbtinio intelekto technologija vis dar nuolatos auga ir keičiasi. Dirbtinio intelekto srityje slypi didžiulės galimybės – juk jis gali išplėsti žmogaus galimybes taip, kaip šiandien dar sunku įsivaizduoti.

  • 2760€
    Vidutinis Dirbtinio Intelekto specialisto atlyginimas Lietuvoje
  • 97%
    Dirbtinio Intelekto specialistai Lietuvoje yra patenkinti savo darbu
  • 81%
    Studentų sėkmingai pabaigia Dirbtinio Intelekto kursą

Įsidarbinimo galimybės

Atsiliepimai

Mantas Sviklas

RPA DevOps Engineer @Telia

CodeAcademy pasirinkau nes jie aiškiai papasakojo apie kursų krypčių pasirinkimus ir galimybes. Įsiminė kantrūs dėstytojai, kurie visada atsakydavo į kilusius klausimus ir informuodavo, kad kiekvieną problemą galima spręsti keliais būdais.

Programa

8 mėnesiai
  • 1 tema
  • 2 tema
  • 3 tema
  • 4 tema
  • 5 tema
  • 6 tema
  • 7 tema
  • 8 tema
  • 9 tema

Python Crash Course

We will start the course with Python crash course. We will ensure that every student has the basic Python knowledge required to proceed with the course. We will cover the language syntax, iterators, generators, comprehensions, object-oriented programming patterns, algorithms and data structures.

Numeric Python with Numpy

In this section we will learn how to handle numeric information in Python using Numpy library. We will about two of the most important data science concepts – code vectorization and broadcasting as well as Numpy array methods and operations.

Tabular Data Analysis with Pandas

In this part of the course we will learn how to use Pandas library to work with tabular data. We will learn how to create, write, read and index Pandas dataframes. We will also learn dataframe methods and how to use them for analysing and visualizing tabular data.

Fundamentals of Machine Learning

In this section we will learn the fundamentals of machine learning. We will focus on random forests – one of the most powerful and versatile machine learning algorithms. We will also learn how to explore your data, validate your models, handle missing values and other machine learning essentials.

Introduction to Deep Learning

In this section we will learn the basics of deep learning. We will learn about the types of neural networks, activation functions, loss functions and optimizers. We’ll also spend some time learning about the current applications of deep learning in artificial intelligence and why they are behind the current artificial intelligence revolution.

Regression with Neural Networks

In this part of the course we will move our focus to structured data, which is extremely important in business, but often neglected in most of the deep learning courses. We will do a portfolio project classifying a binary variable.

Image Classification

In this section we will start tackling the most important and the most useful application of artificial intelligence – computer vision. We will concentrate our attention to convolutional neural networks. The main focus of this section are the portfolio projects: you will build image classifiers with vastly different architectures, formats and number of classes. While working on the projects you’ll learn the most advanced architectures, and will practice the most modern training methods.

Inverse Image Search

In this section of the course we will be diving deeper into computer vision and build a reverse image search model capable of finding similar items to the one provided by the user. This project will help us understand the underlying meaning of the weights in the deep learning models and prepare us for the natural language processing and recommender systems sections.

Sequential Data Analysis

Finally it is time to make some money! We will try to predict stock market movements using recurrent neural networks. While working on this portfolio project we will learn the differences between recurrent neural networks, long short-term memory networks and gated recurrent units, when to use each of those architectures and their strengths and weaknesses.

Natural Language Processing

In this section we will learn how neural networks learn the representations of natural language. While natural language processing (NLP) is totally new to us, we will use the familiar recurrent neural networks to tackle this problem. We will learn the most important NLP concepts and use them to create two NLP portfolio projects.

Recommender Systems

In this section of the course we will build a recommender system. While not new, recommender systems saw a huge improvement in accuracy with the coming of the deep learning models. While working on the recommender systems we will learn about embeddings and collaborative filtering.

Generative Deep Learning

In this section we will return to computer vision once again. We will learn about generative deep learning models and create a convolutional neural network capable of generating images aka deep dreaming.

Advanced Computer Vision

In this section we will focus on the advanced computer vision topics such as object detection and segmentation. You will learn how to build and apply state of the art computer vision algorithms.

Capstone Project

During the final part of the course you will work on your capstone project. You will be able to apply everything that you learned during the course to create a great AI project. While you are working on the project we will also review your Github portfolio, LinkedIn profile and conduct mock interviews to prepare you for getting a job as a deep learning/machine learning/artificial intelligence engineer.

Dėstytojai

Mūsų dėstytojų komanda – skirtingų IT specialistų mišinys. Vieni, kaip kokie superdidvyriai 🦸, dienomis
užima Top pozicijas savo įmonėse ir vakarais atsiliepia į studentų pagalbos šauksmus, kiti – dirba kaip freelancer’iai, kasdien žongliruodami tarp klientų bei studentų. Tačiau visi jie 100% pasiruošę žiniomis ir patirtimi padėti tau! 🧑‍🎓

Dirbtinis intelektas

Mindaugas Bernatavičius

Principal Software Engineer @Virtustream 

Dirbtinis intelektas

Povilas Pažėra

Lead Data Scientist @Omnisend

Programos kalendorius

Laikotarpis

vasario 7 d. rugpjūčio 19 d.

Laikas

18:00 - 22:00

Trukmė

480 valandų

Kaina

nuo 3500 € arba nuo 50€/mėn. išsimokėtinai.

Skaičiuoklė

Išsimokėjimo galimybės

Mes siūlome tiek skirtingų išsimokėjimo galimybių ir lengvatų, kad sukūrėme skaičiuoklę savo galimybes pasiskaičiuoti pačiam – visai kaip banke. 💸

CodeAcademy finansavimas

  • Nuo 50 €/mėn.

Lietuvos Užimtumo Tarnybos finansuojami kursai

  • Finansuoja Lietuvos Užimtumo Tarnyba ir Europos Sąjungos fondai
  • Reikalinga atitikti Užimtumo Tarnybos reikalavimus.

Mokėk po sėkmingo įsidarbinimo!

  • Mėnesinis mokestis – 10% nuo Neto pajamų, su galimybe turėti mokėjimo atostogas iki 5 mėnesių.

Dažniausiai užduodami klausimai

Kursų grafikas yra fiksuotas, visos pamokos yra vedamos gyvai, profesionalių CodeAcademy dėstytojų, kuriems, paskaitų metu, galite užduoti klausimus, pasitikrinti namų užduotis, gauti patarimų dėl ateities projektų.

Mokslams virtualioje ervėje naudojame vieną pažangiausių bei lanksčiausių pedagoginių programų – Microsoft Teams. Kartu su Microsoft Teams turėsite prieigą prie Microsoft Office paketo nemokamai vieneriems metams.

Prisijungimai prie Studijų aplinkos studentams atsiunčiami likus 5-3 darbo dienoms iki užsiėmimų pradžios į sutartyje nurodytą el. paštą.

Susisiekite su mumis!