
Το Εθνικό Δίκτυο Υποδομών Τεχνολογίας και Έρευνας (ΕΔΥΤΕ Α.Ε. – GRNET), στο πλαίσιο του Ευρωπαϊκού Κόμβου Ψηφιακής Καινοτομίας Smart Attica, διοργανώνει μία σειρά δωρεάν εκπαιδευτικών σεμιναρίων με τίτλο «Training Modules for SMEs».
Τα σεμινάρια απευθύνονται σε όλους όσοι ενδιαφέρονται να αποκτήσουν πρακτικές γνώσεις γύρω από τις ψηφιακές τεχνολογίες, με ιδιαίτερη έμφαση στις μικρομεσαίες επιχειρήσεις, ερευνητές, προγραμματιστές και ειδικούς στους τομείς της Τεχνητής Νοημοσύνης (AI), της Μηχανικής Μάθησης (ML) και των Μεγάλων Γλωσσικών Μοντέλων (LLMs). Στόχος είναι η κατανόηση των βασικών εννοιών και η αξιοποίηση των τεχνολογιών αυτών στην έρευνα και την επιχειρηματική πρακτική.
Στην συνέχεια παρουσιάζονται τα σεμινάρια της σειράς που έχουν διεξαχθεί μαζί με σύνδεσμο για περισσότερες πληροφορίες όπου μπορείτε να βρείτε και βιντεοσκοπημένο υλικό των σεμιναρίων. Θα ακολουθήσουν και άλλα σεμινάρια της σειράς!
Εισαγωγή στην Τεχνητή Νοημοσύνη και την Υπολογιστική Υψηλής Απόδοσης
Σε αυτό το σεμινάριο παρουσιάζεται μια ολοκληρωμένη εισαγωγή στην Τεχνητή Νοημοσύνη (AI) και την Υπολογιστική Υψηλής Απόδοσης (HPC). Οι συμμετέχοντες γνωρίζουν τις βασικές αρχές και ιστορικές εξελίξεις της AI, τη συμβολή της HPC στην επιτάχυνση της καινοτομίας, καθώς και τρόπους πρόσβασης σε πόρους HPC για την επίλυση σύνθετων προβλημάτων. Αναλυτικές πληροφορίες
Εισαγωγή στα Μεγάλα Γλωσσικά Μοντέλα (LLMs)
Το σεμινάριο αυτό εισάγει τα Μεγάλα Γλωσσικά Μοντέλα, τη χρήση της βιβλιοθήκης Transformers και τη δημιουργία περιβάλλοντος εργασίας. Οι συμμετέχοντες αποκτούν πρακτική εμπειρία σε δημιουργία κειμένου και χρήση embeddings. Αναλυτικές πληροφορίες
Δημιουργία Εξατομικευμένου Chatbot με Ευκολία
Ένα πρακτικό σεμινάριο για την κατασκευή προηγμένων chatbots με χρήση HuggingFace και Retrieval-Augmented Generation (RAG). Περιλαμβάνει ενσωμάτωση με το Streamlit για φιλικά περιβάλλοντα χρήστη και διαχείριση συμφραζομένων μέσω embeddings. Αναλυτικές πληροφορίες
Βασικές Αρχές Επιστήμης Δεδομένων: Μέρος Α – Εισαγωγή στη Μηχανική Μάθηση
Αυτό το σεμινάριο εισάγει βασικές έννοιες της μηχανικής μάθησης και της εξόρυξης δεδομένων, με στόχο την κατανόηση μοντέλων, τη διαδικασία εκπαίδευσης και εφαρμογές σε επιχειρησιακά περιβάλλοντα. Αναλυτικές πληροφορίες
Βασικές Αρχές Επιστήμης Δεδομένων: Μέρος B – Γραμμική Παλινδρόμηση
Οι συμμετέχοντες εμβαθύνουν στη θεωρία και την υλοποίηση της γραμμικής παλινδρόμησης, με παραδείγματα και hands-on ασκήσεις στην Python. Αναλυτικές πληροφορίες
Βασικές Αρχές Επιστήμης Δεδομένων: Μέρος C – Δέντρα Απόφασης
Το σεμινάριο επικεντρώνεται στα decision trees για κατηγοριοποίηση και παλινδρόμηση, προσφέροντας θεωρία, πρακτική εφαρμογή και μεθόδους αξιολόγησης απόδοσης. Αναλυτικές πληροφορίες
Τεχνικές Ensemble Learning
Αυτό το σεμινάριο εστιάζει στις τεχνικές Random Forests και XGBoost, καλύπτοντας θεωρία, υλοποίηση με Python και τεχνικές βελτιστοποίησης υπερπαραμέτρων. Αναλυτικές πληροφορίες
Για περισσότερες πληροφορίες σχετικά με την δράση, επισκεφθείτε την επίσημη ιστοσελίδα του GRNET.