AI projektek üzleti- és technológiai kihívásai a gyakorlatban
Képzés AI projektekről, generatív AI-ról, algoritmusokról és ML modellekről kódolás nélkül: értsd meg üzleti és technológiai oldalról, mitől sikerül vagy bukik el egy Machine Learning projekt.
Mit fogsz tanulni?
6 hét alatt az AI és gépi tanulás alapfogalmaitól a projektek indításán és üzemeltetésén át a kiértékelésig jutsz el.
1 Bevezetés az AI-ML alapjaiba Az AI, gépi tanulás, deep learning és adattudomány alapfogalmainak áttekintése a generatív AI hatásaival együtt.
- Áttekintés: AI, gépi tanulás, deep learning, adattudomány, big data
- A gépi tanulás fő részhalmazai
- A gépi tanulás adatai
- Machine learning vagy Deep learning?
- Felügyelt és nem felügyelt gépi tanulás
- Osztályozás és regresszió, gépi látás, NLP alapok
- Idősorelemzés és ajánlórendszerek
- Generative AI
- Generative AI alkalmazásai és azok hatásai a világra
- Generative AI hatásai hosszabb távon
2 AI-ML projektek indulása Az adattárolási megoldások, az adatcsapat felépítése és az AI projekt indításának üzleti szempontjai.
- Relációs és nem relációs adatbázisok
- Data Lake, Data Warehouse, Data Mart, Data Lakehouse
- Data Team
- AI projekt indulásának szempontjai
- Adatok az induláshoz, adatminőség
- Mérlegelendő szempontok az ML projekt indulásánál
- Esettanulmány: gépjármű kötelező biztosítás, átlagos ML projekt költségei
- Azure Machine Learning Studio
- Google AutoML
3 AI fejlesztés és üzemeltetés A gépi tanulási modellek fejlesztésének lépései az adatok megértésétől az MLOps üzemeltetésig.
- Gépi tanulási algoritmusok (modellek) fejlesztésének lépései
- Adat megértése
- Adatminőség ellenőrzése
- Adatok előkészítése
- Adattisztítás
- Adatok felosztása Machine Learning modellezéshez
- Cross-validation idősorok esetében
- ML algoritmus példa (döntési fa)
- Modellek értékelése
- Adattudósok időbeosztása
- MLOps - Machine Learning üzemeltetés
- Az MLOps főbb lépései
- Az MLOps szintjei
4 AI projektek kiértékelése A gépi tanulási algoritmusok előnyei és hátrányai, a neurális hálók és az AI fejlesztés eredményeinek kiértékelése.
- Machine-learning algoritmusok előnyei és hátrányai
- Nem felügyelt tanulás algoritmusai
- Neurális hálók
- Az AI fejlesztés eredményeinek kiértékelése
- Regresszió
- Machine Learning projektek kiértékelése
- Nagy nyelvi modellek finomhangolása
- ML projektekhez használt fejlesztői környezetek
- ML fejlesztéshez és üzemeltetéshez használt eszközök
5 Záróprojekt Egy AI projekt megtervezése az ötlettől a fejlesztésen és üzemeltetésen át az üzleti haszonig.
- Egy AI projekt megtervezése az ötlettől az üzleti haszonig
Miért érdemes belevágnod?
Túlzásnak hangozhat, de a mesterséges intelligencia, azon belül is a generatív AI, ma már nem egyszerű technológiai trend, hanem egy alapvető gazdasági átrendeződést mozgató erő. A piac mérete önmagáért beszél: egyes előrejelzések szerint a generatív AI piac a 2024-es körülbelül 67 milliárd dolláros méretéről 2032-re 967 milliárd dollár fölé nőhet. Ez a robbanásszerű bővülés új iparágakat teremt, és alapjaiban írja újra a meglévő üzleti modelleket: a vállalatoknak ma már nem az a kérdésük, hogy foglalkozzanak-e az AI-jal, hanem az, hogyan építsék be gyorsan és hatékonyan a saját folyamataikba.
A tempó lenyűgöző: míg tavaly a cégeknek nagyjából harmada használt rendszeresen generatív AI-t, egy éven belül ez az arány közel duplájára, 65%-ra nőtt. A piacvezetők pedig már túlléptek a puszta költségcsökkentésen és folyamat-automatizáláson: az AI-t a bevételnövelésre és alapvető üzleti folyamataik újratervezésére használják. Ez a szemléletváltás jelenti a valódi ugrást, az AI nem csupán egy IT-eszköz, hanem a stratégia szerves része.
A legtöbben itthon azonban még nem igazán értik, mire és hol alkalmazható mindez. Egy AI-projekt elindítása, menedzselése és kiértékelése ugyanis messze túlmutat a technológiai ismereteken: szükséges hozzá az üzleti folyamatok mély megértése, a megfelelő adatok és infrastruktúra ismerete, valamint a gépi tanulási modellek üzemeltetésének (MLOps) és a generatív AI-projektek speciális kihívásainak átlátása.
- Munka mellett végezheted, rugalmas időbeosztással
- Gyakorlati projekteken keresztül, oktatói mentorálással
- LinkedIn profilodba beágyazható tanúsítvány
Ismerd meg oktatódat
Boros Gerzson Dávid
AI Architect, Lead Machine Learning Engineer
Több mint egy évtizede fejlesztek egyedi gépi tanulás és mesterséges intelligencia megoldásokat, ez idő alatt több mint 40 AI/ML projektet vittem sikerre. Dolgoztam ML Engineerként, Architectként és Data Scientistként multinacionális vállalatoknál, szabadúszóként és saját tanácsadó cégemen keresztül is.
Jelenleg a Redivivum technológiai startup társalapítója és technológiai vezetője vagyok, ahol a mesterséges intelligencia, a számítógépes látás és a szoftverfejlesztés irányításáért felelek. Egyetemi oktatóként az Óbudai Egyetem adattudományi mesterképzésén saját tantárgyam van, és posztgraduális képzésen tanítottam ML/DL fejlesztést és MLOps-ot.
Kinek ajánlott?
- Üzleti döntéshozóknak az adataikban rejlő növekedési lehetőségek megismeréséhez
- Menedzsereknek és üzemeltetőknek az AI és ML projektek buktatóinak elkerüléséhez
- Szoftverfejlesztőknek és architekteknek az AI-rendszerek vállalati integrációjának megértéséhez
- Termékmenedzsereknek és Product Ownereknek új GenAI-alapú funkciók kifejlesztéséhez
- Mindenkinek, aki általános, naprakész tudást szeretne az AI alkalmazásairól
Kinek nem ajánlott?
- Akik hands-on kódolást és modellépítést várnak, a képzés kódolásmentes
- Data scientistek, akik technikai mélységű ML-tudásukat bővítenék
- Akik matematikai, algoritmikus részletekre kíváncsiak
- Akik nem vesznek részt AI/ML projektek tervezésében vagy az azokról szóló döntésekben
Mik a képzés előkövetelményei?
Ehhez a képzéshez nincs szükséged semmilyen előzetes tudásra, elég a nyitottság és az érdeklődés az újdonságok iránt. Programozói vagy matematikai háttér sem kell, a képzés végig kódolásmentes. Ha üzleti döntéshozóként, menedzserként, fejlesztőként vagy termékmenedzserként AI- és ML-projektek tervezésében, döntéseiben veszel részt, könnyebben ráismersz a saját helyzeteidre, de ez nem feltétel, a tananyag általános, naprakész tudást ad az AI alkalmazásairól bárkinek.
Hogyan fogsz tanulni?
Rugalmas időbeosztás
A tanfolyamot munka mellett is végezheted, hiszen a tananyag elsajátítása heti 8-12 óra elfoglaltságot igényel összesen, melyet saját időbeosztás szerint dolgozhatsz fel.
Gyakorlatorientált oktatás
Minden héten izgalmas gyakorló feladatokat kapsz majd, amelyek keretében már menetközben is konkrét projekteket fogsz megvalósítani.
Interaktív digitális tananyag
A gyakorlati feladatok elvégzéséhez és a képzés sikeres teljesítéséhez szükséges tudást digitális tananyagok és vezetett kódolások formájában adjuk át, amelyeket saját időbeosztásod szerint, akár munka mellett is feldolgozhatod és egy évig korlátlan alkalommal visszanézheted.
Oktatói mentoring
A képzés ideje alatt az oktató folyamatosan a rendelkezésedre áll, bármikor kérdezhetsz tőle, ha elakadtál, és rendszeresen visszajelzést ad a feladataidra, fejlődésedet végigkíséri.
Konzultációk
Valamennyi tanegység végén egy-egy élő konzultációs alkalmat is szervezünk, amikor élőben is felteheted kérdéseidet, közösen kiértékelhetitek és átbeszélhetitek a gyakorlás során elkészített projekteket, és tanulhattok egymás elakadásaiból is.
Limitált férőhely
A fent említett interakciók miatt képzéseinket korlátozott létszámmal indítjuk csak el, hogy biztosan jusson mindenkire ideje az oktatóknak.
Minőségbiztosított képzések
Képzéseink szakmai minőségbiztosítását az iparági vezető technológiai vállalatok és a Budapesti Műszaki és Gazdaságtudományi Egyetem végzi.
- Tanúsítványt kapsz, amelyet önéletrajzodhoz és LinkedIn profilodhoz csatolhatsz
- Bizonyítja, hogy elsajátítottad az adott ismereteket
- Segíti a szakmai előmeneteledet és karriered fejlődését
Jó társaságban leszel!
Már több mint 150 hazai és nemzetközi cég munkatársa képezte magát tovább nálunk.
Tudtad?
A munkáltatók 83%-a finanszírozza a munkatársak képzését, ne felejtsd el megkérdezni a tiédet!
Elvégzett képzés: Machine Learning projektek üzleti- és technológiai kihívásai a gyakorlatban
„Nagyon jól értelmezhető kurzus. Eljutottam onnan hogy az alig tudtam valamit az AI-ról hogy mostmár tudom hogyan működnek komplex AI-projektek. Csakis ajánlani tudom"
Hallgatói közösség
A több mint 9100 tagot számláló hallgatói közösségünket főként olyan, az iparágban vezető IT-cégek és szoftverfejlesztő cégek munkatársai alkotják, akik folyamatosan fejleszteni szeretnék meglévő készségeiket.
Légy Te is tagja közösségünknek!
Következő indulási dátum
Más időpont érdekel?
Add meg az e-mail címed, és szólunk, ha új időpontot hirdetünk meg.
Fizetési lehetőségek
Többféle fizetési lehetőséget biztosítunk, hogy a legmegfelelőbb opciót válaszd.
Online fizetés bankkártyával
Az OTP SimplePay az egyik legelterjedtebb online fizetési megoldás — gyors és biztonságos fizetési folyamatáról ismert.
Kamatmentes részletfizetés
Nem szeretnénk, ha a fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat több részletben, teljesen kamatmentesen is kifizetheted.
Fizetés banki átutalással, egy összegben
Ha online kártyás fizetés helyett banki átutalással szeretnél fizetni, az sem probléma — írj nekünk, és ebben is segítünk.
Készen állsz a jelentkezésre?
Jelentkezz most, és kezdd el a fejlődést!
Gyakran Ismételt Kérdések
Szükséges-e előzetes programozási tudás?
Nem. A képzés kódolás nélkül zajlik, nincs szükség semmilyen előzetes ismeretre, csak nyitottságra és érdeklődésre.
Mennyi heti időráfordítást igényel?
A képzés rugalmas időbeosztású, jellemzően heti 8-12 óra elfoglaltságot jelent. Az interaktív digitális tananyag egy évig korlátlanul megtekinthető.
Van lehetőség részletfizetésre?
Igen, kamatmentes részletfizetés elérhető, és áfás céges számla is igényelhető. A képzés indulásától számított 8 napig 100%-os pénzvisszafizetési garanciát biztosítunk.
Kapok tanúsítványt a képzés végén?
Igen, a záróprojekt sikeres beadása után név szerinti tanúsítványt kapsz a megszerzett tudásról.
Vannak élő alkalmak?
Igen, minden tanegység után élő konzultációs alkalmat tartunk az oktatóval, amely később visszanézhető.