קורסים מקצועיים למתקדמים

פיתוח תוכנה

Introduction to AI/Generative AI

מספר הקורס 3594

למה ללמוד בג'ון ברייס?
  • למידה חדשנית ודינמית עם כלים מתקדמים בשילוב סימולציות, תרגול וסביבות מעבדה
  • מגוון הכשרות טכנולוגיות עם תכנים המותאמים להתפתחות הטכנולוגית ולביקוש בתעשיית ההייטק
  • מובילים את תחום ההכשרות לעולם ההייטק והטכנולוגיה כבר 30 שנה, עם קהילה של עשרות אלפי בוגרים
  • אתם בוחרים איך ללמוד: פרונטאלית בכיתה, מרחוק ב- Live Class או בלמידה עצמית

המועדים הקרובים

קורס לקבוצות

הקורס נפתח במתכונת של קבוצה בלבד, בהתאמה אישית לארגונים.
לפרטים נוספים: Muzman@johnbryce.co.il

משך הקורס

שעות לימוד:

32

מתכונת הקורס

הקורסים המוזמנים לארגונים מותאמים באופן אישי ומלא לצרכי הארגון, מערכי הלימוד גמישים וניתן לשלב בהם תכנים רלוונטיים וייעודיים.

Overview

עולם הבינה המלאכותית (AI) הוא תחום מדעי העוסק בפיתוח מערכות מחשוב שיכולות לחשוב ולתפקד כמו בני אדם. AI משמש כיום במגוון רחב של תחומים, החל מרכיבים אוטונומיים ועד לזיהוי פנים.

למידת מכונה (Machine Learning) היא תת-תחום של AI העוסק בפיתוח מערכות מחשוב שיכולות ללמוד מהנתונים שלהן ולאפשר להן לבצע משימות ללא צורך בתכנות מדויק.
דוגמאות ליישומים של למידת מכונה כוללות כאמור מכוניות אוטונומיות, זיהוי פנים כמו גם חיפוש יעיל באינטרנט וניתוח הגנום האנושי.

בינה מלאכותית גנרטיבית (Generative AI) היא תת-תחום נוסף של AI העוסק בפיתוח מערכות מחשוב שיכולות ליצור תוכן חדש, כגון טקסט, תמונות, שמע, וידאו או סוגים אחרים של נתונים.

בניגוד לדגמי AI דיסקרימיטיביים, המיועדים לסווג או לבצע הבחנה בין סוגים שונים של תוכן, דגמי AI גנרטיביים נועדו ליצור תוכן חדש.

בקורס זה תלמדו על הטכניקות היעילות ביותר של AI וכן תוכלו לתרגל וליישמן בעצמכם. הקורס יסקור את סוגי ה-AI השונים, הטכניקות הנפוצות ביותר ואת היישומים העיקריים של AI בעולם האמיתי.

מטרות הקורס

קהל היעד

הקורס מיועד למנתחי נתונים, מהנדסי נתונים, מפתחים, אנשי בינה עסקית ותפקידים נוספים אחרים האמונים על ניתוח נתונים בארגון.

תכנית הלימודים

Full Syllabus
  • Python Refresher/Crash Course
    • Introduction
    • IDEs and Tools for data analysis
    • Data types and strings
    • Control structures
    • Functions and functional programming
    • Collections
    • Object Oriented
    • Modules and Packages

 

  • Introduction to Data Science
    • Data Science
    • Machine Learning Overview
    • Data Analysis and ML Packages overview
    • Demo – Complete Machine Learning task
  • Machine Learning Basic Concepts
    • Overview
    • Why Learn
    • Applications
    • Machine Learning Process
    • Learning Types:
    • Supervised Learning
    • Unsupervised Learning
    • Semi-Supervised Learning
    • Active Learning
    • Reinforcement learning
    • Batch vs Online Learning
    • Instance-based vs model-based learning
    • CRISP – DM Methodology
    • Data Understanding
    • Data Preparation
  • Supervised Learning
    • Overview
    • Regressions
    • Classification
    • Non-Linear Regression
    • Model evaluation using metrics

 

  • Unsupervised Learning
    • Overview
    • Clustering
    • K-Means
    • Recommender systems
  • Deep Learning and Neural Networks
    • Deep Learning
    • Neural networks overview
    • Network structure and hidden layers
    • Training the network
    • Convolutional Neural Networks
    • Recurrent Neural Networks
    • Auto Encoders
    • NLP
  • Generative AI
    • Generative Adversarial Networks (GANs)
    • Generative vs. Discriminative Models
    • Role in Modern Tech Landscape
    • Advanced GAN Types: cGAN, StackGAN, BigGAN
    • Practical Sessions on GANs
    • Variational Autoencoders (VAEs)
    • Implementing VAEs for Practical Use Cases
    • Natural Language Processing (NLP) and Text Generation
    • Advanced Text Generation Techniques
    • Deepfake generation and detection
    • Procedural content generation in gaming
    • Generative models in design and art
Prerequisites

הבנה בסיסית במושגי תכנות

Schedule Appointment

Fill out the form below, and we will be in touch shortly.

לא הצלחנו לאתר את הטופס.