Barion Pixel

AI Technológia

A képzés részletei

10+1 alkalom, 84 óra*

a képzés indulása:
2025. március 14.
jelentkezési határidő:
2025. március 13.
képzési alkalmak:
péntekenként

9-17 óra között

szükséges képzettség:
alapszintű adatmodellezési és Python ismeretek, amelyek a Python alapok képzésünkkel megszerezhetőek
helyszín:
CEU Budapest

1051 Budapest, Nádor utca 15.

részvételi díj:
Január 31-ig 15% Early Bird kedvezménnyel 1.147.500 Ft + ÁFA
Juhász Dániel Ügyfélkapcsolati munkatárs
Érdeklődöm! Jelentkezem!

* a változtatás jogát fenntartjuk

A ChatGPT megjelenésével mindenki számára egyértelművé vált, hogy a mesterséges intelligencia (MI) itt van és megkerülhetetlen. Robbanásszerű növekedése számtalan iparágban tapasztalható a világon, mint például a pénzügyi szektor, az oktatás, az egészségügy, a logisztika és szállítmányozás, a telekommunikáció, vagy a marketing és értékesítés. Egyre nagyobb igény van olyan szakemberekre, akik széles körű technológiai és iparági ismereteikkel képesek lesznek MI projekteket megvalósítani, és a vállalatok digitális átalakulásában vezető szerepet játszani. Képzésünkkel az a célunk, hogy ezeket az AI szakembereket kiképezzük.

AI Technológia képzésünk végzett hallgatójaként:

  • képes leszel önállóan alkalmazni különféle Machine Learning (gépi tanulás) módszereket, amelyek sok egyéb más közt olyan területeken hasznosíthatók, mint a robotika, a prediktív analitika, önvezető autók, ügyfélszolgálati chatbotok, gyártásautomatizálás, gyógyszerkutatás és orvosi diagnosztika, videojátékok. Megtanulod felmérni, hogy milyen összetevők szükségesek konkrét gépi tanulási projektek megvalósításához, és képes leszel többféle szempontból felmérni a különböző modellek sikerességét.
  • bevezetést kapsz a neurális hálók és mélytanulás (deep learning) elméletébe, és elsajátítod a neurális hálók betanításának alapvető módszereit
  • megismerkedsz az NLP (természetesnyelv-feldolgozás) alapjaival és olyan architektúrákkal, amelyeken többek közt a széles körben is ismert ChatGPT és Bard is alapulnak. Megismered a képfelismerésre, képszegmentálásra és egyéb vizuális területhez kapcsolódó feladatokra specializálódott neurális architektúrák alapjait. Összességében készen állsz majd mesterséges intelligencia projektek menedzselésére és Python alapú megvalósítására.

 A KÜRT Akadémia AI Technológia képzésén:

  • kiemelkedő gyakorló hazai szakemberekkel, specialistákkal,
  • jövőbemutató kutatási irányokkal,
  • gyakorlat fókuszú interaktív órákkal várunk.

Képzési anyagainkat, az előadások és feladatok témáját mindig az adott csapathoz igazítjuk, így bármelyik terület hangsúlyosabbá válhat, ha a résztvevők azt igénylik.

Bizonytalan vagy abban, hogy neked való a képzés? Pötyögsz Pythonban, de nem tudod, hogy a képzés elvégzéséhez ez elegendő-e?

Az alábbi tesztet neked állítottuk össze. Az egyes feladatok végén láthatod, hogy a képzés során mire elegendő a tudásod, és milyen extra erőforrást érdemes belefektetned a programozásba a képzés előtt és alatt.

Ha van most 30 perced, vágj bele! Kattints az alábbi linkre, a megjelenő képernyőn pedig jobb oldalon fent a Connect gombra, és kezdheted is!

 

Kitöltöm a Python tesztet

 

Úgy érzed, hogy még gyúrnod kell Pythonra? Akkor jó hírünk van, hiszen elindítottuk a Python alapok képzésünket! 

A 3 napos intenzív Python alapok képzésünk során elsajátíthatod az adattudomány és a gépi tanulás területeihez nélkülözhetetlen Python könyvtárak és eszközök elméleti és gyakorlati alapjait, illetve a képzés az AI Technológia képzésünkhöz szükséges Python alapokat adja meg. Amennyiben egyszerre jelentkezel a Python és az AI Technológia képzésünkre, a Python képzés árának 50%-át, azaz 180.000 Ft-ot elengedünk az AI Technológia képzés díjából.

Érdekel a Python alapok

 

 


 

Szívesen meghallgatnád a képzés átfogó tematikáját Szabados Leventétől, a képzés vezetőjétől? Akkor iratkozz fel hírlevelünkre, és mi küldjük is neked a tematikáról szóló videót.

Feliratkozom a videóért!


 

Megkérdeztük hallgatóinkat, miért jelentkeztek a képzésre, és miben változott az, ahogy dolgoznak.

 

"Jellemző, hogy a vállalatok ma már nagy mennyiségű adatvagyonon ülnek, amik valamilyen gyakorisággal, tehát szintén idősorosan írják le egy termék vagy ügyfél viselkedését. Nem véletlen, hogy a kurzuson tanult módszereket már munkahelyi környezetben is elkezdtük használni."

Olvasd el Szabó Dániellel készült teljes interjút, aki pénzügyi és zenei téren is kamatoztatta a tanultakat!

 

"A Data Science képzésre mindenkinek érdemes eljönnie, akinek a közelében eddig kiaknázatlan adatok hevernek; nehezen tudom elképzelni, hogy hasznos információ nélkül távozna bárki. Az AI Technológia specializálódás annak lehet jó, aki tudja, hogy erre van szüksége; van is konkrét megoldandó AI feladat a hobbijai vagy az üzleti élete területén."

Olvasd el Varga Józseffel készült teljes interjút, aki Data Science és AI Technológia képzésünket is elvégezte!

 

A KÉPZÉS SZAKMAI PARTNERE: 


Szakértők

Szabados Levente
Vezető AI szakértő, Képzésvezető, KÜRT Akadémia
https://www.linkedin.com/in/levente-szabados-76334728/

“A tudat a hivatásom.” – Levente eredeti háttere a kognitív tudomány és buddhizmus, de az utóbbi évtizedben mesterséges intelligencia területen dolgozik, tanácsadóként, egyetemi tanárként, kutatásvezetőként és technológiai igazgatóként. Bár fő fókusza a természetes nyelvfeldolgozás területére esik, vezetőként a technológia üzleti alkalmazása is figyelme homlokterében van, egyaránt részt vesz az elméleti kutatásban és gyakorlati megvalósításban is, tanácsadóként pedig segít az ügyfeleknek az AI által teremtett lehetőségek realizálásában.

 

https://kurtakademia.hu/wp-content/uploads/2019/08/szabados-levente.jpg

Szabados Levente

Vezető AI szakértő, Képzésvezető, KÜRT Akadémia

Gyarmathy Zsófia
Data Scientist, Neuron Solutions

Mesterdiplomáját az Eötvös Loránd Tudományegyetemen és doktori fokozatát a düsseldorfi Heinrich Heine Egyetemen matematikai nyelvészetből szerezte, több éven át ezen a területen folytatott kutatói és egyetemi oktatói munkát. Néhány éve szabadúszóként változatos adattudományi és gépi tanulási projektekben kezdett el dolgozni: többek közt kurzormozgás alapú vásárlói hajlandóság előrejelzésével, árucikkek piaci forgalmával, illetve opciós kereskedési folyamatokkal kapcsolatos munkákban vett részt. Jelenleg a Neuron Solutions MI szakértője és oktatója.

https://kurtakademia.hu/wp-content/uploads/2022/05/GyarmathyZs-1.jpg

Gyarmathy Zsófia

Data Scientist, Neuron Solutions

Simonyi András
Szenior NLP kutató és fejlesztő
https://www.linkedin.com/in/andrás-simonyi-a6b5523b/

Simonyi András számítógépes nyelvész, filozófus. Korábban az Analogy Zrt., az MTA-PPKE Magyar Nyelvtechnológiai Kutatócsoport és az Alkalmazott Logikai Laboratórium kutató-szoftverfejlesztője, jelenleg szabadúszó. Több mint egy évtizede foglalkozik intelligens rendszerek tervezésével és fejlesztésével, szűkebb szakterülete a számítógépes szemantika.

https://kurtakademia.hu/wp-content/uploads/2019/08/simonyi-andras.jpg

Simonyi András

Szenior NLP kutató és fejlesztő

Kinek ajánljuk?

  • Azoknak, akik olyan vállalatnál vagy iparágban dolgoznak, ahol sok adat termelődik, ilyen például a telekommunikáció vagy a pénzügyi szektor, és kifizetődő lenne számukra mesterséges intelligenciát alkalmazni.  
  • IT szakembereknek és programozóknak, akik átfogó képet szeretnének kapni az AI technológiáról. Mindazoknak, akik gyakorlati példákon, esettanulmányokon és programozási feladatokon keresztül szeretnének mélyebb ismereteket szerezni. 
  • Akik keresik a lehetőséget, hogy gyakorló mesterséges intelligencia szakemberekkel vitassanak meg üzleti és technológiai kérdéseket, és részévé váljanak annak a szakmai közösségnek, amely Magyarországon lerakja az AI alapú gazdaság alapjait. 

A képzés tematikája


  • 1. Alkalom:

    Bevezetés: AI alapfogalmai, történeti áttekintés, a gépi tanulás alap megközelítései

    2. Alkalom:

    Adatok megjelenítése, klaszterezés, outlier detektálás: anomáliák és "outlierek" felismerése egyszerű disztribúciós módszerek segítségével, klaszterezési megoldások és kapcsolatuk az osztályozással és anomáliadetekcióval.

    Felügyelt tanulás – osztályozás: osztályozás (klasszifikáció), mint alap gépi tanulási feladat ismertetése, mérési módszerek és főbb alkalmazott technikák áttekintése.

    3. Alkalom:

    Felügyelt tanulás – regresszió: regresszió, mint alap gépi tanulási feladat ismertetése, mérési módszerek és főbb alkalmazott technikák áttekintése.

    Idősorok elemzése: idősoros problémák szerkezetének ismertetése, idősor-dekompozíciós megoldások, alapvető prediktív módszerek bemutatása.

    4. Alkalom:

    Reprezentáció – dimenziócsökkentés: adatdimenziók fogalma, magas dimenzionalitású adatok problémái, lineáris és nem lineáris dimenziócsökkentési módszerek áttekintése.

    Ensemble módszerek és vizsgaelőkészítés (problémakörök): ensemble fogalma, bagging, boosting, stacking eljárások ismertetése, főbb képviselőik (pl. random forest) megismerése.


  • 5. Alkalom:

    Neurális hálók alapjai – perceptron: neurális jellegű modellek alapjai, történeti áttekintés, a perceptron modell részletes megismerése, perceptron tanulási szabály ismertetése.

    6. Alkalom:

    Neurális hálók alapjai – többrétegű hálók: mély neurális hálók modellje, grádiens alapú tanulás alkalmazása mély hálókra backpropagation módszerrel, főbb kihívások ismertetése.

    Deep learning – az áttörés: a mély neurális hálók tanítása során fellépő főbb kihívások és megoldásaik ismertetése.

    7. Alkalom:

    Regularizáció: overfitting megakadályozása mély neurális modellek esetén, regularizációs módszerek, dropout.

    Aktivációs függvény és jobb SGD (stochastic gradient descent): újabb deep learning architektúrákban alkalmazott aktivációs függvénytípusok és optimalizációs eljárások ismertetése.


  • 8. Alkalom:

    Képfeldolgozás – konvolúciós hálók: Képfeldolgozási domén bemutatása, konvolúciós és pooling operátorok, a konvolúciós hálók elemeinek megismerése.

    Képfeldolgozás – modern hálók, modularitás és új ötletek: összetett képfeldolgozó architektúrák elemeinek és felépítésének részletes megismerése.

    9. Alkalom:

    Rekurrens hálók: idősoros problémák neurális hálókkal történő megoldásának alapjai, rekurrens hálók fogalma és főbb problémái, megoldásai (LSTM modellek ismertetése).

    NLP – természetes nyelvfeldolgozás: nyelvfeldolgozási domén megismerése, rekurrens és attention alapú architektúrák alkalmazása nyelvi problémák megoldására.


  • 10. Alkalom:

    Reprezentáció tanulás és modern eszközei: kitekintés, reprezentációtanulás kiemelt szerepe, nem felügyelt mély neurális tanulás előnyei.

    11. Alkalom:

    Vizsga: egyéni projektmunka bemutatása.

Hallgatóink mondták



Az első előadás után ért igazából a nagy meglepetés, hogy itt iszonyat mély szakmaiság van. Ott volt bennem egy kicsit fordulópont, mikor azt mondtam, hogy na jó, olyan sok mindennel találkoztam már, hogy ezt is megpróbálom most így végig csinálom aztán meglátjuk, hogy mi lesz belőle. És őszintén szólva a végére teljesen jó sikerélményem lett.

Hallgatónk

Állásinterjún plusz pontot ért a KÜRT Akadémia név. Köszönöm a képzést!!!

Nekem az volt a legpozitívabb, hogy nem betanított segédmunkásokat akartatok képezni, hanem sokkal inkább az alapokra helyeztétek a hangsúlyt és inkább elindítani minket egy úton, ahol az alapok után magunktól tudunk tovább menni és tanulni.

Már a tréning előtt picit próbáltam ismerkedni a témával, de egy végtelen óceánnak tűnt, ahol az ember elvész és azt se látja, hogy mettől meddig tart. És maga a kurzus iszonyatosan jó volt arra, hogy adott egy struktúrát, úgyhogy, ha most valaminek utána kell olvasni, akkor tudom, hogy hova tartozik és neki merek fogni.

Kiváló, a szakmában magas szinten jártas előadók, kítűnő szervezés, odafigyelés a hallgatói viszajelzésekre, tartalmas, nagy mennyiségű tananyag, sok önálló tovább tanulási/olvasási lehetőséggel.

Miért minket válassz?

  • Módszertan és tudás mellett szemléletet és kontextust is adunk képzéseinken. Arra buzdítunk ezzel, hogy teszteld az eszköztárad határait, állj kritikusan az új ismeretekhez, és értsd meg, melyik módszer mikor alkalmazható.
  • A legjobb hazai szakemberekkel dolgozunk, akiknek komoly üzleti vagy világszínvonalú akadémiai múltja van azon a területen, amelyen oktat.
  • A nyílt képzések mellett évek óta vállalati tanácsadással, agilis és digitális transzformációval foglalkozunk a legkülönbözőbb szervezeteknél, ezért valós képünk van arról, milyen munkaerőpiaci igényeik vannak a vállalatoknak.
  • Szenvedélyünk az oktatás-fejlesztés, ezért tíz éve dolgozunk azon, hogy szakemberekből, érdeklődőkből, gondolkodókból álló kreatív, tenni akaró közösséget formáljunk, több mint ezer fős alumni és oktatói közösségünk is ezt bizonyítja.


A képzés részletei

10+1 alkalom, 84 óra*

a képzés indulása:
2025. március 14.
jelentkezési határidő:
2025. március 13.
képzési alkalmak:
péntekenként

9-17 óra között

szükséges képzettség:
alapszintű adatmodellezési és Python ismeretek, amelyek a Python alapok képzésünkkel megszerezhetőek
helyszín:
CEU Budapest

1051 Budapest, Nádor utca 15.

részvételi díj:
Január 31-ig 15% Early Bird kedvezménnyel 1.147.500 Ft + ÁFA
Juhász Dániel Ügyfélkapcsolati munkatárs
Érdeklődöm! Jelentkezem!

* a változtatás jogát fenntartjuk

Cégemet fejleszteném

Kedvezmények

Kedvezményt biztosítunk a részvételi díjból az alábbi esetekben:

  • Csoportos jelentkezés (4 vagy több fő): 10% kedvezmény
  • Alumni tagként: 15% kedvezmény
  • Phyton Képzés együtt vásárlási kedvezmény: 180.000Ft levonható az AI Technológia képzés árából

Az egyes kedvezmények nem vonhatók össze!

Részletfizetési lehetőségről érdeklődj kollegánknál!

Hasznos információk

Minimum létszám

A képzésünket csak megfelelő számú jelentkező esetén indítjuk el.

Egyedi ajánlat - Zártkörű képzés

Képzésünk testreszabott zártkörű képzésként is elérhető, további információért keresd kapcsolattartónkat!

Nyilvántartási szám

B/2024/000996



Akik minket választottak