Fraud Detection with Python and TensorFlow Training Course

Това е 4-дневен курс, представящ AI и неговото приложение. Има опция да имате допълнителен ден за предприемане на AI проект след завършване на този курс.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към учени по данни и софтуерни инженери, които желаят да използват Dask с Python екосистемата за изграждане, мащабиране и анализиране на големи набори от данни.

До края на това обучение участниците ще могат:

• Настройте средата, за да започнете да изграждате обработка на големи данни с Dask и Python.
• Разгледайте функциите, библиотеките, инструментите и API, налични в Dask.
• Разберете как Dask ускорява паралелните изчисления в Python.
• Научете как да мащабирате екосистемата на Python (Numpy, SciPy и Pandas) с помощта на Dask.
• Оптимизирайте средата на Dask, за да поддържате висока производителност при работа с големи набори от данни.

Този курс с инструктор, воден в живо време (онлайн или на място), е предназначен за разработчици и аналитици на данни с среден ниво, които искат да подобрят уменията си в анализ и манипулация на данни, използвайки Pandas и NumPy.

До края на този курс участниците ще могат да:

• Създават разработваща среда, включваща Python, Pandas и NumPy.
• Създават приложение за анализ на данни, използвайки Pandas и NumPy.
• Извършват напреднали операции за манипулиране, подреждане и филтриране на данни.
• Извършват агрегатни операции и анализират временни редове на данни.
• Визуализират данни, използвайки Matplotlib и други библиотеки за визуализация.
• Диагностицират и оптимизират кода си за анализ на данни.

В това водено от инструктор обучение на живо в България участниците ще се научат да използват Python библиотеки за НЛП, докато създават приложение, което обработва набор от снимки и генерира надписи.

До края на това обучение участниците ще могат:

• Проектирайте и кодирайте DL за NLP, като използвате Python библиотеки.
• Създайте Python код, който чете значително огромна колекция от снимки и генерира ключови думи.
• Създайте Python код, който генерира надписи от откритите ключови думи.

Публика

Този курс е подходящ за Deep Learning изследователи и инженери, които се интересуват от използването на налични инструменти (предимно с отворен код) за анализиране на компютърни изображения

Този курс предоставя работещи примери.

Това водено от инструктор обучение на живо (онлайн или на място) е насочено към разработчици, които желаят да използват стека FARM (FastAPI, React и MongoDB) за изграждане на динамични, високопроизводителни и мащабируеми уеб приложения.

До края на това обучение участниците ще могат:

Настройте необходимата среда за разработка, която интегрира FastAPI, React и MongoDB. Разберете ключовите концепции, функции и предимства на стека FARM. Научете как да създавате REST API с FastAPI. Научете как да проектирате интерактивни приложения с React. Разработвайте, тествайте и внедрявайте приложения (преден и заден край) с помощта на FARM стека.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват FastAPI с Python за изграждане, тестване и внедряване на RESTful API по-лесно и по-бързо.

До края на това обучение участниците ще могат:

• Да настроят необходимата развойна среда за разработка на API с Python и FastAPI.
• Да създават API по-бързо и по-лесно, използвайки библиотеката FastAPI.
• Да научат как да създават модели на данни и схеми, базирани на Pydantic и OpenAPI.
• Да свързват API към база данни, използвайки SQLAlchemy.
• Да внедряват сигурност и удостоверяване в API, използвайки инструментите на FastAPI.
• Да изграждат контейнерни образи и да внедряват уеб API към облачен сървър.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни и разработчици, които желаят да използват Modin за изграждане и прилагане на паралелни изчисления с Pandas за по-бърз анализ на данни.

До края на това обучение участниците ще могат:

• Настройте необходимата среда, за да започнете да разработвате Pandas работни потоци в мащаб с Modin.
• Разберете характеристиките, архитектурата и предимствата на Modin.
• Познайте разликите между Modin, Dask и Ray.
• Изпълнете Pandas операции по-бързо с Modin.
• Внедрете целия Pandas API и функции.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици и специалисти по данни, които желаят да използват Tensorflow 2.x за изграждане на предиктори, класификатори, генеративни модели, невронни мрежи и т.н.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте TensorFlow 2.x.
• Разберете предимствата на TensorFlow 2.x спрямо предишните версии.
• Изградете модели за дълбоко обучение.
• Внедрете разширен класификатор на изображения.
• Внедрете модел за задълбочено обучение в облака, мобилни устройства и IoT устройства.

В това водено от инструктор обучение на живо в България (онлайн или на място), участниците ще се научат как да конфигурират и използват TensorFlow Serving за внедряване и управление на ML модели в производствена среда.

До края на това обучение участниците ще могат:

• Обучават, експортират и използват различните модели.
• Тестват и внедряват алгоритми с една архитектура и набор от API.
• Разширяват Serving за използване на други видове модели освен тези.

TensorFlow е API от 2-ро поколение на софтуерната библиотека с отворен код Google за дълбоко обучение. Системата е предназначена да улесни изследванията в машинното обучение и да направи бърз и лесен преходът от изследователски прототип към производствена система.

Публика

Този курс е предназначен за инженери, които искат да използват TensorFlow за своите проекти за задълбочено обучение

След завършване на този курс делегатите ще:

разбират структурата и механизмите за внедряване на TensorFlow да могат да изпълняват задачи и конфигуриране на инсталация/производствена среда/архитектура да могат да оценяват качеството на кода, да извършват отстраняване на грешки, мониторинг да могат да прилагат разширено производство като модели за обучение, изграждане на графики и регистриране

Този курс изследва, с конкретни примери, приложението на Tensor Flow за целите на разпознаването на изображения

Публика

Този курс е предназначен за инженери, които искат да използват TensorFlow за целите на разпознаването на изображения

След завършване на този курс делегатите ще могат да:

разбиране на структурата и механизмите за внедряване на TensorFlow изпълнява задачи по инсталация/производствена среда/архитектура и конфигурация оценява качеството на кода, извършва отстраняване на грешки, мониторинг прилага разширено производство като модели за обучение, изграждане на графики и регистриране

В това водено от инструктор обучение на живо в България участниците ще се научат как да се възползват от иновациите в TPU процесорите, за да увеличат максимално производителността на собствените си AI приложения.

До края на обучението участниците ще могат:

• Обучете различни видове невронни мрежи върху големи количества данни.
• Използвайте TPU, за да ускорите процеса на извод с до два порядъка.
• Използвайте TPU за обработка на интензивни приложения като търсене на изображения, облачно виждане и снимки.

TensorFlow™ е софтуерна библиотека с отворен код за цифрови изчисления, използвайки графики за потока на данни.

SyntaxNet е рамка за обработка на естествени езици с невронна мрежа за TensorFlow.

Word2Vec се използва за изучаване на векторни представи на думи, наречени "word embeddings". Word2vec е специално изчислително-ефективна предсказуема модел за изучаване на въвеждането на думи от суров текст. Той идва в два вкуса, моделът Continuous Bag-of-Words (CBOW) и моделът Skip-Gram (глави 3.1 и 3.2 в Mikolov et al.)

Използвани в тандем, SyntaxNet и Word2Vec позволяват на потребителите да генерират модели за учене от естествения език.

публиката

Този курс е насочен към разработчици и инженери, които възнамеряват да работят с SyntaxNet и Word2Vec модели в техните TensorFlow графики.

След завършване на този курс делегатите ще:

• Разбиране на структурата и механизмите за разпространение на TensorFlow’
• да може да изпълнява монтаж / производствена среда / архитектурни задачи и конфигурация
• да могат да оценяват качеството на кода, да извършват дебютиране, мониторинг
• да могат да прилагат напреднали производствени модели като модели за обучение, термини за вграждане, графика за строителство и записване

Този курс започва с предоставяне на концептуални знания за невронни мрежи и като цяло за алгоритъм за машинно обучение, задълбочено обучение (алгоритми и приложения).

Част-1 (40%) от това обучение се фокусира повече върху основите, но ще ви помогне да изберете правилната технология: TensorFlow, Caffe, Theano, DeepDrive, Keras и др.

Част-2 (20%) от това обучение представя Theano - библиотека на python, която прави лесно писането на модели за дълбоко обучение.

Част-3 (40%) от обучението ще бъде широко базирано на Tensorflow - 2-ро поколение API на софтуерната библиотека с отворен код на Google за дълбоко обучение. Всички примери и handson ще бъдат направени в TensorFlow.

Публика

Този курс е предназначен за инженери, които искат да използват TensorFlow за своите проекти за задълбочено обучение

След завършване на този курс делегатите ще:

имат добро разбиране на дълбоките невронни мрежи (DNN), CNN и RNN разбират TensorFlow структурата и механизмите за внедряване да могат да изпълняват задачи и конфигурация на инсталация / производствена среда / архитектура да могат да оценяват качеството на кода, да извършват отстраняване на грешки, мониторинг да можете да внедрявате разширено производство като модели за обучение, изграждане на графики и регистриране