Online magyar nyelvű mesterséges intelligencia fejlesztő és mélytanulás kurzus

MESTERSÉGES
INTELLIGENCIA

A kurzus célja

Ismerkedjen meg magyar nyelvű képzésünkön a mesterséges intelligenciák, ezen belül a gépi és mély tanulás tudományával 10 hetes online, tanár által élőben tartott kurzusunkon! A tanulók többek között betekintést nyerhetnek a kép-, hang- és szövegfelismerő algoritmusok fejlesztésébe és az egyik legalapvetőbb Python könyvtár, a TensorFlow működésébe. A képzés végére a tanulók képesek lesznek önállóan egyszerűbb neurális hálókat és más, gépi tanulást felhasználó algoritmusokat összeállítani. Tanfolyamunk egy alapozó képzés iskolánk tavaszi, haladó AI képzésére, ahol erre a kurzusra építve ismerkedhetnek majd meg a résztvevők a modern, mesterséges intelligenciát használó technológiák működésével és fejlesztésével, mint a ChatGPT vagy a StableDiffusion. A kurzus végén a tanulók egy önálló projektmunkát készítenek el, ami után iskolánktól tanúsítványt kapnak a képzés elvégzéséről. A tanfolyamon támaszkodunk iskolánk Python programozó kurzusának tananyagára, így ha annak bármelyik témakörében úgy érzi, hogy hiányosságai lennének, először az alapozó tanfolyamot ajánljuk elvégezni.

A kurzuson használt fejlesztői környezet:
Google Colab

A kurzuson használt programozási nyelv:
Python

Tanár:

"Egy igen bonyolult és összetett anyagot adott le közérthetően és átláthatóan." - Bertalan



"Kiváló tanár, több kurzusára is jártam már, végre értem és átlátom az összefüggéseket." - Ferenc



"Eleinte féltem, mert nagy és komoly anyagnak tűnt, de a tanár úr olyan szemléletesen magyarázott, hogy bárki másnak is merem ajánlani a kurzusait." - Gergő


"A mesterséges intelligencia napjaink informatikájának szent grálja, ennek megfelelően az élet minden területén megjelenik, vagy meg fog jelenni." - András, az oktató

Időpont: kedd, 18:00-19:00
Első óra: 2025. október 7.
Jelentkezési határidő: 2025. október 6.
Ára: 120 000 Ft



Miért érdemes gépi és mély tanulást tanulnom?

Napjainkban a mély tanulás (deep learning) a mesterséges intelligenciák leginkább fejlődő technológiája. A mesterséges intelligenciák fejlesztése mind a kutatói, informatikai szektorban, mind pedig az üzleti ágazatban egy igen fejlődő és domináns terület, ezért rengeteteg álláslehetőség vár azokra, akik elsajátítják ennek a tudománynak az alapjait. Ezt mi sem bizonyítja jobban, hogy 2023-ban félmilliárd AI-al kapcsolatos állást hirdettek meg. A gépi tanulással foglalkozó szakemberek képesek kép- és szövegfelismerő szoftverek, orvosi diagnosztikai programok, valamint üzleti szolgáltatások fejlesztésére.

Milyen előzetes ismeretek kellenek a tanfolyamhoz?

Az órán való részvételhez Python programozó kurzusunk tananyagának előismerete szükséges. Amennyiben úgy érzi, nem rendelkezik a megfelelő alapokkal, először az alapozó kurzust ajánljuk elvégezni. Tanfolyamunkon ezen alapokra építve kezdjük el a tanulók gépi tanulásba való bevezetését a Python nyelv segítéségével.
Kérjük győződjön meg, hogy az alapozó kurzus tematikája alapján rendelkezik-e minden szükséges ismerettel!

Miért a Teachify Tech Sulit válasszam?

Kurzusunkat magyar nyelven, online, élőben tartjuk, oktatónk, Dr. Kelemen András, a Szegedi Tudományegyetem kutatója és tanára, akinek már több évtizedes tapasztalata van informatikai technológiák fejlesztésében és oktatásában egyaránt. Képzésünk során a TensorFlow megismerésével megalapozunk egy haladó, tavaszi mesterséges intelligencia kurzust, ahol a hallgatók elmélyedhetnek a modern AI technológiák, mint a ChatGPT vagy a StableDiffusion működésébe és fejlesztésébe, így az ezen a kurzuson szerzett tudás elengedhetetlen a következő tanfolyamhoz. A képzés végén a tanulók egy önálló projektmunkát készítenek, ami után iskolánktól tanúsítványt kapnak a kurzus elvégézésről.


Alkalom Dátum Téma
1. 10.07. Bevezetés a TensorFlow-ba
2. 10.14. A gépi tanulás alapfogalmai és felügyelt tanulás
3. 10.21. A mély tanulás alapjai és a neurális hálók működése
4. 10.28. Adatfeldolgozás és az adatok előkészítése gépi tanuláshoz
5. 11.04. Képfelismerés, konvolúciós neurális hálók
6. 11.11. Rekurrens neurális hálók és LSTM-ek
7. 11.18. Transfer Learning és előre tréningezett modellek használata
8. 11.25. Hyperparaméter optimalizálás és modell tuning
9. 12.02. A modell értékelése és kiértékelési metrikák
10. 12.09. Modell deployálás és TensorFlow Serving
>

Rólunk mondták