Celem kursu jest zapoznanie uczestników z podstawowym warsztatem, narzędziami i szerokim zestawem bibliotek wykorzystywanych w pracy z danymi – od ich wczytywania i przetwarzania, po trenowanie, optymalizację i monitorowanie modeli sztucznej inteligencji. Zajęcia będą miały formę warsztatową – uczestnicy będą samodzielnie (lub w parach) rozwiązywać zadania przygotowane na bazie realnych problemów.
Program przedmiotu obejmuje m.in.:
* najważniejsze narzędzia deweloperskie
* podstawowe i zaawansowane operacje w NumPy i Pandas,
* budowanie modeli przy użyciu scikit-learn oraz PyTorch,
* optymalizację hiperparametrów z Optuna,
* śledzenie eksperymentów z użyciem Weights & Biases oraz TensorBoard,
* analizę wyników i tworzenie przejrzystych wykresów,
* efektywne wykorzystanie multiprocessing w Pythonie,
* wykorzystanie biblioteki numba
* zarządzanie środowiskami obliczeniowymi
Zajęcia będą prowadzone w sposób praktyczny. Liczne przykłady i zadania pozwolą nie tylko zrozumieć, ale też samodzielnie zastosować omawiane narzędzia.
