Što ćeš naučiti
Vodimo te kroz posebno osmišljen kurikulum dizajniran da te u samo 12 tjedana (puno radno vrijeme) provede od 'tek znatiželjnog' do 'potpuno certificiranog' u znanosti o podacima, analitici podataka i umjetnoj inteligenciji.
Ovladaj analitikom i pripremom podataka
Izgradi snažne temelje u analitici podataka: pribavi, istraži, očisti i pripremi stvarne skupove podataka. Koristeći Pandas, obrađivat ćeš nedostajuće vrijednosti, outliere, neuravnotežene podatke i kategoričke značajke, primjenjivati statističku analizu i kreirati vizualizacije kako bi sirove podatke pretvorio u skupove podataka spremne za analizu.
Izgradi inteligentne modele strojnog učenja
Nauči cjelokupni ML proces, od pripreme skupa podataka do treniranja, evaluacije i optimizacije prediktivnih modela. Implementirat ćeš nadzirane i nenadzirane algoritme, uspoređivati ih koristeći industrijske standardne metrike, i povećati točnost kroz unakrsnu validaciju, podešavanje hiperparametara i odabir modela.
Razvij rješenja dubokog učenja i umjetne inteligencije
Otkrij kako moderne neuronske mreže pokreću AI. Krenuvši od osnova umjetnih neuronskih mreža, gradit ćeš modele dubokog učenja u PyTorchu istražujući pritom optimizaciju, regularizaciju, augmentaciju podataka, objašnjivu umjetnu inteligenciju i generativne modele — praktične vještine za napredne AI aplikacije.
Specijaliziraj se za računalni vid i obradu prirodnog jezika
Istraži dva najutjecajnija područja umjetne inteligencije. Izgradit ćeš konvolucijske neuronske mreže (CNN-ove) za klasifikaciju slika, detekciju objekata i segmentaciju, te naučiti NLP tehnike uključujući embeddinge, rekurentne neuronske mreže, transformere i mehanizme pažnje za AI sustave temeljene na tekstu.
Izgradi moderne aplikacije umjetne inteligencije i velikih jezičnih modela
Nadmaši tradicionalni ML i gradi aplikacije temeljene na LLM-ovima. Istražit ćeš prompt engineering, LangChain, Retrieval-Augmented Generation (RAG) te stvarne AI procese kako bi kreirao inteligentne asistente, sustave za pretraživanje znanja i generativne AI aplikacije spremne za produkciju.
Postavi, prati i skaliraj AI sustave
Prenesi ML modele iz razvoja u produkciju. Postavljat ćeš ih koristeći FastAPI, Docker i cloud rješenja, skalirati koristeći Ray, te pratiti modele s MLflowom — uz sigurnost, privatnost i najbolje prakse za pouzdane AI sustave u stvarnim uvjetima.
Poglavlje 0: Priprema
Znanost o podacima jedna je od najtraženijih karijera posljednjih godina. Uključuje rad s podacima, njihovo čišćenje, evaluaciju i razvoj modela strojnog učenja za predviđanje ishoda događaja. Zbog kompleksnosti ovog područja, ovladavanje njime zahtijeva temeljito razumijevanje širokog raspona alata i metoda, uključujući Python, okruženja, baze podataka, matematiku i linearnu algebru. U ovom poglavlju obradit ćemo temelje znanosti o podacima kako bismo te pripremili za početak tvog puta učenja.
Uvod u Python
- Programski jezik Python i njegova povijest
- Osnove Pythona
- Temeljne strukture podataka u Pythonu
- Klase i objekti
- Moduli i paketi
- Ulaz/izlaz
- Greške i iznimke
Okruženja
- Python okruženja
- Anaconda
- Jupyter bilježnice
SQL i baze podataka
- Osnove SQL-a
- SQL upiti
Linearna algebra
- Skalari i vektori
- Matrice
- Norme
Git i GitHub
- Uvod u kontrolu verzija, tijek rada, pregled repozitorija, poništavanje promjena, dohvaćanje i povlačenje promjena, guranje promjena
Projekt: Prilagodba krivulje (curve fitting)
- Ovaj projekt bavi se rješavanjem problema 'prilagodbe krivulje', koji uključuje pronalaženje jednadžbe krivulje koja najbolje odgovara zadanom skupu podataka. Provest će te kroz primjer ovog problema i podijeljen je u dijelove, gdje svaki dio vježba korištenje temeljnih koncepata poput OOP-a, SQL-a, linearne algebre i konačno procesa strojnog učenja.
Raspored učenja
Od ponedjeljka do petka, 9:30 – 15:30 (CET/CEST)
Predavanje
9:30 – 11:00
Predavanje
11:30 – 13:00
Praktična sesija
14:00 – 15:30
Naša metodologija
Online nastava uživo
- U CLA-u unaprijedite iskustvo učenja kroz interaktivne online sesije uživo, gdje izravno komunicirate s instruktorima i kolegama u stvarnom vremenu, potičući suradnju i brži razvoj vještina.
Samostalno učenje
- Skraćeno radno vrijeme: 9 sati nastave uživo, 11 sati samostalnog učenja, ukupno 20 sati tjedno
- Puno radno vrijeme: 22,5 sata nastave uživo, 17,5 sati samostalnog učenja, ukupno 40 sati tjedno
Flipped Classroom metoda
- Iskusite dinamičan pristup učenju kroz flipped classroom metodu, koja vas potiče na aktivno učenje i dublje uključivanje u bootcamp kurikulum.
Vođena praksa
- Uronite u intenzivno iskustvo učenja gdje se fokusiramo na aktivno sudjelovanje, praktične vježbe i izgradnju portfelja, kako biste postavili čvrste temelje znanja.
Radije učite vlastitim tempom?
Učite vlastitim tempom uz naš tečaj znanosti o podacima i umjetne inteligencije na zahtjev, uz potpunu fleksibilnost kroz naš intenzivni, samostalni program. Savladajte pretvaranje sirovih podataka u snažne uvide, treniranje inteligentnih modela i izradu stvarnih AI aplikacija te završite program spremni za pokretanje karijere u svijetu inovacija temeljenih na podacima.
Što vam je potrebno
Ne trebaju vam prethodne kvalifikacije iz računalnih znanosti ili programiranja kako biste se pridružili bootcampu. Pretpostavljamo da nemate prethodno znanje i vodimo vas kroz osnove u prvim tjednima, kako biste izgradili čvrste temelje od početka. Bilo da ste potpuno novi u području ili želite nadograditi postojeće znanje i vještine, program je osmišljen da brzo i sigurno napredujete.
- Laptop ili računalo: Pouzdan laptop ili desktop računalo s dovoljno procesorske snage i sposobnošću pokretanja potrebnih programa.
- Stabilna internetska veza: Pouzdan internet za nastavu uživo, laboratorijske vježbe i zadatke.
- Osnovna digitalna pismenost: Sposobnost snalaženja u operacijskim sustavima, uredskim alatima i internetskim preglednicima.
- Osnovno znanje algoritama i programiranja: Upoznatost s konceptima programiranja kako biste mogli ugodno pratiti nastavu.
- Znanje engleskog jezika: Razina B1 i sposobnost razumijevanja tehničkih materijala te učinkovite komunikacije, budući da se bootcamp izvodi na engleskom jeziku.
- Posvećenost učenju: Proaktivan pristup učenju i vježbanju, posebno tijekom pripremne jedinice, kako biste izgradili čvrste temelje za nastavak u bootcampu.
Career Services Center
Radionice profesionalnog razvoja
Kratke radionice za vas i širu CLA zajednicu. Isprobajte što naš Career Center nudi, upoznajte karijernog savjetnika i dođite po brzu pomoć, primjerice za završne dorade životopisa.
Personalizirane 1:1 sesije savjetovanja
Strukturirane sesije za definiranje ciljeva i izradu plana kako ih ostvariti, kroz prijateljsko savjetovanje i konkretan Career Action Plan.
Simulacije intervjua
Vježbajte najčešća bihevioralna pitanja: kako istaknuti svoje prednosti, pokazati ono što poslodavci traže, kako voditi razgovor o plaći i još mnogo toga.
Pregled životopisa i motivacijskog pisma
Dobijte personalizirane preporuke za životopis i/ili motivacijsko pismo, prilagođene da privuku pažnju regrutera i povećaju šanse za intervju.
Pregled prilika za posao i prakse
Najnovije prilike koje naši karijerni stručnjaci odabiru i dijele, s fokusom na junior i entry-level uloge, kao i pozicije pogodne za prelazak na tehničkije zadatke.
Pristup platformi s karijernim resursima
Otvoren pristup materijalima Career Servicesa na našoj platformi: zadaci, predlošci, vodiči i resursi vezani uz tech industriju.
Stručno vodstvo i networking događanja
Upoznajte tech profesionalce i dobijte smjernice iz prve ruke, uz priliku za umrežavanje kroz naše Career Chat događaje.
Umrežavanje s alumnijima
Povežite se s kolegama iz kohorte i CLA alumnijima, dijelite korisne sadržaje, pokrenite rasprave i razmjenjujte oglase za poslove koji bi mogli biti zanimljivi zajednici.
Zašto odabrati Code Labs Academy?
Individualno karijerno savjetovanje
Personalizirana podrška karijernih stručnjaka: osvježavanje životopisa i LinkedIn profila, simulacije intervjua i strategija traženja posla usmjerena na tehnologiju.
Projekti spremni za portfolio
Završite program s GitHub-spremnim portfoliom stvarnih projekata, izrađenih tijekom nastave i usavršenih uz povratne informacije mentora.
Kurikulum vođen industrijom
Kurikulum se osvježava svako tromjesečje kako bi pratio trenutačne potrebe zapošljavanja u području umjetne inteligencije, kibernetičke sigurnosti i web razvoja.
Priznati certifikat
Istaknite svoj AZAV-akreditirani certifikat Code Labs Academy na LinkedInu, u svom životopisu i pri prijavama za vizu.