Május 31.-től képzésünkre is igényelhető a kamatmentes Képzési Hitel 2 vagy az alacsony kamatú Képzési Hitel 1. Bővebb információt a Diákhitel Központ honlapján találsz.

AI Technológia

A mesterséges intelligencia robbanó növekedése számtalan iparágban tapasztalható a világon, mint például a pénzügyi szektor, az oktatás, az egészségügy, logisztika és szállítmányozás, telekommunikáció, marketing és értékesítés. Magyarországon is egyre több olyan üzleti döntéshozó van, akit foglalkoztatnak a mesterséges intelligencia által nyújtott lehetőségek, emellett nagy igény van olyan szakemberekre, akik széles körű technológiai és iparági ismereteikkel képesek lesznek AI projekteket megvalósítani, és a vállalatok digitális átalakulásában vezető szerepet játszani. Képzésünkkel az a célunk, hogy ezeket az AI szakembereket kiképezzük.

Azok a hallgatók, akik elvégzik az AI Technológia képzést, azaz mesterséges intelligencia képzésünket, képesek lesznek önállóan alkalmazni a különféle machine learning (gépi tanulás) módszereket olyan területeken, mint a robotika, a prediktív analitika, önvezető autók, videojátékok, ügyfélszolgálati chatbotok, gyártás automatizálás, gyógyszerkutatás és orvosi diagnosztika – sok más egyéb közt.  

Aktuális esettanulmányokkal, programozási ismeretekkel várunk titeket, és azzal az ígérettel, hogy AI Technológia képzésünk segítségével bekapcsolódhattok az itthoni, mesterséges intelligenciával foglalkozó vérkeringésbe.


2021-ben új képzési beosztásban tartjuk a kurzusokat. Az alábbi időpontokra tedd szabaddá magadat:

  • szeptember 17. – 9-13 óráig
  • szeptember 24., október 1., október 8., október 15., október 29., november 5., november 12., november 19., november 26., december 3. – 9-17 óráig (1 óra ebédszünettel)
  • január 7. – vizsgaalkalom 9-13 óráig

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

 

Hogyha úgy érzed, hogy még gyúrnod kell Pythonra, ezeket a szintre-hozó képzéseket ajánljuk figyelmedbe:


 

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!

 


Szak- és felnőttképzési hitellel is!

Május 31.-től AI Technológia képzésünkre is igényelhető a szak- és felnőttképzéshez kapcsolódó kamatmentes Képzési Hitel 2 vagy az alacsony kamatú Képzési Hitel 1.

Bővebb információt itt találsz: https://diakhitel.hu/ut-valaszto-3/

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, 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

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


  • 0. Alkalom:

    Python bevezető: rövid áttekintés a Python nyelv alapjairól, "szintrehozó" alkalom az előzetes anyagok alapján.

    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.

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

1 félév, 12 alkalom, 88 óra*

a képzés indulása:
2021. szeptember 17.
jelentkezési határidő:
2021. szeptember 16.
képzési alkalmak:
péntekenként

9-17 óra között (kivéve az első és az utolsó alkalom 9-13 óra között)

szükséges képzettség:
alapszintű adatmodellezési és Python ismeretek
helyszín:
CEU Budapest és/vagy Zoom Meeting

1051 Budapest, Nádor utca 15.

részvételi díj:
1.200.000 Ft helyett Early Bird kedvezménnyel 1.020.000 + ÁFA

* a változtatás jogát
fenntartjuk

Tasnády Fanni Projektmenedzser
Érdeklődöm! Jelentkezem!

Kedvezmények

Kedvezményt biztosítunk a részvételi díjból az alábbi esetekben:

  • Early Bird jelentkezés július 2-ig: 15% kedvezmény
  • Helyszíni jelentkezés esetén rendezvényeinken: 5% kedvezmény
  • Csoportos jelentkezés (4 vagy több fő): 10% kedvezmény
  • Alumni tagként: 15% kedvezmény

Az egyes kedvezmények nem vonhatók össze!

Minimum létszám

Early Bird 15% kedvezmény július 2-ig

Kapcsolódó anyagok

Kedvezményt biztosítunk a részvételi díjból az alábbi esetekben:

  • Early bird: 15% kedvezmény
június 14-ig

  • Helyszíni jelentkezés esetén
rendezvényeinken: 5% kedvezmény

  • Csoportos jelentkezés
(4 vagy több fő): 10% kedvezmény.


  • Kérünk, amennyiben ezt szeretnéd igénybe venni, az elektronikus jelentkezés előtt írj nekünk az info@kurtakademia.hu címre!

  • Alumni tagként: 10% kedvezmény

Az egyes kedvezmények
nem vonhatók össze!



Ajánlott képzéseink

Data Science

2 félév, 18 alkalom, 90 óra*
Képzés indulás: 2021. november 12.

Az adatok nyelvét beszélő specialisták a következő évek legkeresettebb szakemberei közé tartoznak. Hogy miért vagyunk biztosak ebben? Mert az adatgyűjtésre alkalmas eszközök elárasztották a mindennapjainkat és ezzel egy időben az adatokba zárt intelligencia lett a sikeres vállalkozások legnagyobb tőkéje.

Product Owner

3 nap, 20 óra*
Képzés indulás: 2021 ősz

A Product Owner tréning célja az agilis és Scrum keretrendszer bemutatása, ezen belül a PO szerephez szükséges elmélet és gyakorlat átadása.

IOT for Business

11 alkalom
Képzés indulás: Új időpont hamarosan

Tudod már, honnan lesz adatod? 9 napos képzés a fizikai rendszerek digitalizációjáról.




Akik minket választottak