Jednym z kluczowych aspekt\u00f3w pracy z danymi, jest umiej\u0119tno\u015b\u0107 wydobycia jak najwi\u0119kszej liczby warto\u015bciowych informacji z dost\u0119pnych zasob\u00f3w. O ile dane numeryczne czy kategoryczne s\u0105 cz\u0119sto proste do analizy i wykorzystania, tak praca z grafikami (na przyk\u0142ad z kreacjami reklam internetowych) mo\u017ce okaza\u0107 si\u0119 mniej oczywista. W szkoleniu poruszone zostan\u0105 tematy jak reprezentowa\u0107 obrazki, tak aby mo\u017cliwa by\u0142a dalsza ich analiza i wygodne prowadzenie eksperyment\u00f3w. Do zrozumienia tych reprezentacji obrazk\u00f3w przybli\u017cone zostan\u0105 koncepty wyja\u015bnialnych (odpornych) sieci neuronowych oraz ich unikalne w\u0142a\u015bciwo\u015bci, transfer learning oraz podstawowe zaplecze matematyczne. W ramach szkolenia przedstawiony zostanie konkretny, biznesowy problem przewidywania wsp\u00f3\u0142czynnika konwersji (CR) reklam internetowych. Zaproponowane rozwi\u0105zanie, wraz z eksperymentem potwierdzaj\u0105cym jego skuteczno\u015b\u0107, pozwoli na prze\u015bledzenie od pocz\u0105tku do ko\u0144ca przyk\u0142adowej pracy z danymi graficznymi i metrykami obarczonymi du\u017c\u0105 wariancj\u0105. Dodatkowo, jest to okazja na zapoznanie si\u0119 z konceptem klastrowania (grupowania) obiekt\u00f3w, problemem znajdowania duplikat\u00f3w w zbiorze danych. Poruszony zostanie te\u017c temat mo\u017cliwo\u015bci wykorzystania wyja\u015bnialnych sieci neuronowych do modyfikowania obrazk\u00f3w czy wizualizacji cech skorelowanych z wybranymi metrykami. Szkolenie skierowane jest do os\u00f3b, kt\u00f3re chc\u0105 dowiedzie\u0107 si\u0119 na przyk\u0142adzie praktycznego projektu, jak zabra\u0107 si\u0119 za prac\u0119 ze zbiorem grafik i pozna\u0107 podstawowy zestaw narz\u0119dzi i pomys\u0142\u00f3w na realizacj\u0119 bada\u0144 i eksperyment\u00f3w. Ponadto, jest to wyj\u0105tkowa szansa na zapoznanie si\u0119 z nowymi konceptami z dziedziny uczenia maszynowego i mo\u017cliwo\u015bciami zaaplikowania ich w swoim projekcie.<\/p>\n