План на курса
Въведение
- Apache MXNet срещу PyTorch
Deep Learning Принципи и Deep Learning екосистема
- Тензори, многослоен перцептрон, конволюционен Neural Networks и повтарящ се Neural Networks Компютърно зрение срещу обработка на естествен език
Преглед на Apache MXNet функции и архитектура
- Apache MXNet Compenents Gluon API интерфейс Преглед на GPUs и модел паралелизъм Символно и императивно програмиране
Настройвам
- Избор на среда за разполагане (локално, публичен облак и др.) Инсталиране Apache MXNet
Работа с данни
- Четене в данни Валидиране на данни Манипулиране на данни
Разработване на Deep Learning модел
- Създаване на модел Обучение на модел Оптимизиране на модела
Разгръщане на модела
- Прогнозиране с предварително обучен модел Интегриране на модела в приложение
Най-добри практики за сигурност на MXNet
Отстраняване на неизправности
Обобщение и заключение
Изисквания
- Разбиране на принципите на машинното обучение
- Python опит в програмирането
Публика
- Учени по данни
Oтзиви от потребители (5)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Course - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Course - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Course - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Course - Advanced Deep Learning
examples based on our data