Курс за обучение по Обучение за откриване на измами с Python и TensorFlow

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.

Целева група

Този курс е подходящ за изследователи и инженери в областта на Дипълърнинг, които искат да използват наличните инструменти (предимно с отворен код) за анализ на компютърни изображения.

Курсът предоставя рабощи пример.

Това обучителен курс с инструктор, провеждан онлайн или на място, е предназначен за разработчици, които искат да използват стека FARM (FastAPI, React и MongoDB), за да създават динамични, високо ефективни и масштабируеми уеб приложения.

До края на този курс участниците ще бъдат в състояние да:

• Настроят необходимата разработваща среда, която интегрира FastAPI, React и MongoDB.
• Разберат ключовите концепции, особености и предимства на стека FARM.
• Научат как да създават REST API-тата с FastAPI.
• Научат как да проектират интерактивни приложения с React.
• Разработват, тестват и пускат приложения (предна и задна част) използвайки стека FARM.

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 обучение, водено от инструктор (онлайн или на местоприбоя), е насочено към разработчици и специалисти по данни, които желаят да използват TensorFlow 2.x за създаване на прогнозатори, класификатори, генеративни модели, нейронни мрежи и други.

По завършването на това обучение участниците ще могат да:

• Инсталират и конфигурират TensorFlow 2.x.
• Разберат предимствата на TensorFlow 2.x в сравнение с предходните версии.
• Създават модели за глъбоко учене.
• Имплементират напреднал класификатор за изображения.
• Разглеждат модели за глъбоко учене в облака, на мобилни 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 на втора генерация на Google’s отворен код софтуерна библиотека за Дълбоко Обучение. Системата е проектирана за облекчаване на изследванията в областта на машинното обучение и за бързо и лесно преминаване от прототип на изследване към продуктивна система.

Целева аудитория

Този курс е предназначен за инженери, които искат да използват TensorFlow за своите проекти по Дълбоко Обучение.

След завършване на този курс, участниците ще могат:

• да разберат структурата и механизмите за развертане на TensorFlow
• да извършват задачи за инсталиране, конфигуриране на производствена среда и архитектура
• да оценяват качеството на кода, да извършват отстраняване на грешки и мониторинг
• да имплементират напреднали продуктивни задачи като обучение на модели, изграждане на графики и записване

Този курс разглежда, с конкретни примерни приложения, на TensorFlow за целите на разпознаване на изображения

Целева аудитория

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

След завършване на този курс, участниците ще могат да:

• разбират структурата и механизмите за развертане на TensorFlow
• извършват задачи за инсталация/продукционна среда/архитектура и конфигурация
• оценяват качеството на кода, извършват отстраняване на грешки и мониторинг
• реализират напреднати продуктивни задачи като обучение на модели, изграждане на графи и записване на логове

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни, които желаят да преминат от обучение на един ML модел към внедряване на много ML модели в производство.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте TFX и поддържащи инструменти на трети страни.
• Използвайте TFX, за да създадете и управлявате пълен ML производствен конвейер.
• Работете с TFX компоненти, за да извършвате моделиране, обучение, изводи за обслужване и управление на внедрявания.
• Внедрете функции за машинно обучение в уеб приложения, мобилни приложения, IoT устройства и др.

TensorFlow™ е отворена библиотека с отворен код за числени изчисления, използвайки графи на поток на данни.

SyntaxNet е рамка за обработка на естествен език (NLP) с невромрежи, базирана на TensorFlow.

Word2Vec се използва за обучение на векторни представяния на думи, наречени „вмъкнати думи“. Word2vec е особено ефикасен предиктивен модел за обучение на вмъкнати думи от суров текст. Има две версии, модела на непрекъснати торби с думи (CBOW) и модела на пропускане на грама (глави 3.1 и 3.2 в Mikolov et al.).

При използване заедно, SyntaxNet и Word2Vec позволяват на потребителите да създават модели с обучени вмъквания от естествен език.

Целова публика

Този курс е направен за разработчици и инженери, които планират да работят с моделите на SyntaxNet и Word2Vec в графите си на TensorFlow.

След завършване на този курс, участниците ще:

• разбират структурата и механизмите за развертяване на TensorFlow
• могат да извършват задачи за инсталиране/продукционна среда/архитектура и конфигуриране
• могат да оценяват качеството на кода, да извършват отстраняване на грешки и мониторинг
• могат да реализират напреднати продукционни дейности като обучение на модели, вмъкване на термини, построяване на графи и логване

Този курс започва с изградяване на концептуалните знания във области като невронните мрежи и по-общо машинното обучение, дълбокото обучение (алгоритми и приложения).

Първата част (40%) от това обучение се фокусира върху основите, но ще помага за избора на правилната технология: TensorFlow, Caffe, Theano, DeepDrive, Keras и др.

Втората част (20%) от обучението представя Theano - библиотека на Python, която улеснява създаването на модели за дълбоко обучение.

Третата част (40%) от обучението ще бъде изцяло базирана върху TensorFlow - API на софтуерната библиотека за дълбоко обучение, която Google е обявил с отворен код. Примерите и практически упражнения ще бъдат извършени в TensorFlow.

Целева група

Този курс е предназначен за инженери, които искат да използват TensorFlow за своите проекти на дълбоко обучение.

След завършване на този курс, учениците ще:

• имат добро разбиране за дълбоките невронни мрежи (DNN), CNN и RNN
• разбират структурата на TensorFlow и механизми за deployment
• могат да извършват задачи по инсталация, производствена среда, архитектура и конфигуриране
• могат да оценяват качеството на кода, да извършват отстраняване на грешки и мониторинг
• могат да имплементират продвината производствена практика като обучаване на модели, създаване на графи и логване