Machine Learning and Local GenAI: Od Scikit-Learn i TensorFlow do LM Studio

Tytuł: Machine Learning and Local GenAI: Od Scikit-Learn i TensorFlow do LM Studio
Kod: ml-gen
Kategoria: ML
Forma: 50% wykłady / 50% warsztaty
Czas trwania: 1 dzień
Zapisy: Indywidualne zamówienie i dopasowanie dla grupy.
Logistyka: W siedzibie klienta lub w innym dowolnym miejscu.

W świecie AI narzędzia zmieniają się błyskawicznie.

To szkolenie porządkuje wiedzę, łącząc sprawdzone metodyki Data Science z najnowszymi trendami Local GenAI.

Uczymy budować kompletne pipeline'y przetwarzania danych, świadomie dobierać narzędzia (kiedy klasyczny ML, a kiedy Deep Learning?) oraz uruchamiać modele LLM lokalnie na własnym sprzęcie. Program inspirowany projektami badawczymi, gdzie kluczowa była prywatność danych (Off-line AI) oraz precyzyjna walidacja wyników.

    Dla kogo jest to szkolenie?
  • Szkolenie dla zespołów technicznych, które chcą wyjść poza proste skrypty i zacząć budować skalowalne, bezpieczne rozwiązania ML, rozumiejąc różnice między dostępnymi technologiami.

Wyróżniki szkolenia

  • Architektury rozwiązań: Kiedy stosować Scikit-learn (klasyczne algorytmy), kiedy TensorFlow (sieci neuronowe), a kiedy gotowe modele LLM.
  • TensorFlow od podstaw: Zrozumienie tensorów, warstw i budowa prostego modelu, z naciskiem na różnice względem podejścia klasycznego.
  • LM Studio and Local LLMs: Jak uruchamiać potężne modele językowe (Llama 3, Mistral) lokalnie, bez wysyłania danych do chmury – idealne dla danych wrażliwych.
  • Unikania pułapek: Data Leakage, Overfitting i Bias w modelach.

Program Szkolenia

Program jest ramą w jakiej możemy się poruszać merytorycznie - program dla konkretnego szkolenia dedykowanego ustalamy z grupą na podstawie analizy przed-szkoleniowej.

  1. Fundamenty Pipeline’u i Feature Engineering
    1. Data Science Methodology: Dlaczego model to tylko 20% sukcesu? Cykl życia projektu.
    2. Przygotowanie danych w Pandas: Czyszczenie, normalizacja i walidacja jakości.
    3. Feature Engineering: Jak zamienić surowe dane w wartościowe cechy? (Encoding, Scaling).
    4. Case study: Wykrywanie Data Leakage – jak nieświadomie "oszukujemy" sami siebie podczas treningu.
  2. Klasyczne ML vs. Deep Learning (Scikit-learn vs. TensorFlow)
    1. Scikit-learn: Szybkie prototypowanie modeli klasyfikacyjnych i regresyjnych (Decision Trees, Random Forest).
    2. Wprowadzenie do TensorFlow:
      1. Czym różni się tensor od zwykłej macierzy?
      2. Kiedy klasyczne ML przestaje wystarczać? Granice Scikit-learn.
      3. Budowa prostej sieci neuronowej – warstwy, aktywacje, optymalizatory.
    3. Warsztat porównawczy: Rozwiązanie tego samego problemu (np. klasyfikacja ryzyka/anomalii) za pomocą Scikit-learn oraz TensorFlow. Analiza wyników, czasu treningu i złożoności.
  3. Walidacja i Interpretowalność
    1. Jak ocenić, czy model działa? Metryki (Accuracy vs. Recall/Precision) w zależności od problemu biznesowego.
    2. Anomaly Detection: Wykorzystanie prostych metod statystycznych vs. Autoenkodery w TensorFlow.
    3. Explainable AI: Interpretacja „czarnej skrzynki”. Użycie bibliotek (np. SHAP) do wyjaśnienia, dlaczego model podjął daną decyzję (kluczowe w medycynie/finansach).
  4. Local GenAI z LM Studio
    1. Dlaczego warto uruchamiać LLM lokalnie? Prywatność, koszty, brak zależności od API.
    2. LM Studio w praktyce:
      1. Instalacja i konfiguracja środowiska.
      2. Przegląd otwartych modeli (Hugging Face) – jak dobrać model do sprzętu (kwantyzacja).
    3. Use-case: Automatyczna analiza/streszczanie dokumentów z zachowaniem pełnej poufności (Offline).
  5. Podsumowanie i Best Practices
    1. MLOps w pigułce: Jak zarządzać wersjami modeli i danych.
    2. Etyka i Bias: Jak zapobiegać stronniczości modeli w zastosowaniach badawczych i komercyjnych.
    3. Q&A i roadmapa dalszego rozwoju dla uczestników.


Pobierz program w formacie PDF

Trenerzy

Poznaj ekspertów, którzy mogą poprowadzić Twoje szkolenie.

Marcin Sikorski

trener IoT

Materiały związane ze szkoleniem

Idea renesansowej pracowni - Bottegi zakłada nieustanną pracę jej członków i dzielenie się jej wynikami.

Zamów szkolenie

Imię i nazwisko:
Firma:
E-mail:
Nr tel:
Temat:
Wiadomość:

Jeżeli preferujesz osobisty kontakt to zawsze możesz zadzwonić.

Iwona Sobótka

Koordynatorka szkoleń


Twoje dane osobowe przetwarzamy, aby udzielić odpowiedzi na Twoje pytanie. Administratorem Twoich danych osobowych jest Bottega It Minds Sławomir Sobótka. Przysługuje Ci prawo wniesienia sprzeciwu wobec przetwarzania, prawo dostępu do danych, prawo żądania ich sprostowania, usunięcia lub ograniczenia ich przetwarzania. Szczegółowe informacje dotyczące przetwarzania Twoich danych osobowych znajdują się TUTAJ.