Курс за обучение по OpenNMT: Setting Up a Neural Machine Translation System
В това обучение на живо, ръководено от инструктор, участниците ще се научат как да настройват и използват OpenNMT за извършване на превод на различни примерни набори от данни. Курсът започва с преглед на невронните мрежи, приложими към машинния превод. Участниците ще изпълняват упражнения на живо по време на курса, за да демонстрират своето разбиране на научените концепции и да получат обратна връзка от инструктора.
До края на това обучение участниците ще имат знанията и практиката, необходими за прилагане на живо OpenNMT решение.
Извадките от изходния и целевия език ще бъдат предварително организирани според изискванията на аудиторията.
Формат на курсаЧаст лекция, част дискусия, тежка практическа практика
План на курса
Въведение
- Защо невронен машинен превод?
Преглед на Torch проекта
Инсталиране и настройка
Предварителна обработка на вашите данни
Обучение на модела
Превод
Използване на предварително обучени модели
Работа с Lua скриптове
Използване на разширения
Отстраняване на неизправности
Присъединяване към Общността
Обобщение и заключение
Изисквания
- Известен опит в програмирането е полезен.
- Опит с използването на командния ред.
- Основно разбиране на концепциите за машинен превод.
Публика
- Специалисти по локализация с технически опит
- Глобални мениджъри на съдържание
- Инженери по локализация
- Разработчици на софтуер, отговорни за внедряването на глобални решения за съдържание
Отворените курсове за обучение изискват 5+ участници.
Курс за обучение по OpenNMT: Setting Up a Neural Machine Translation System - Booking
Курс за обучение по OpenNMT: Setting Up a Neural Machine Translation System - Enquiry
OpenNMT: Setting Up a Neural Machine Translation System - Консултантско запитване
Upcoming Courses
Свързани Kурсове
Introduction to Stable Diffusion for Text-to-Image Generation
21 ЧасаТова водено от инструктор обучение на живо (онлайн или на място) е насочено към специалисти по данни, инженери по машинно обучение и изследователи на компютърно зрение, които желаят да използват Stable Diffusion за генериране на висококачествени изображения за различни случаи на употреба.
До края на това обучение участниците ще могат:
- Разберете принципите на Stable Diffusion и как работи за генериране на изображения. Изградете и обучете Stable Diffusion модели за задачи за генериране на изображения. Приложете Stable Diffusion към различни сценарии за генериране на изображения, като вписване, изрисуване и превод от изображение към изображение. Оптимизирайте производителността и стабилността на Stable Diffusion модели.
Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни на средно до напреднало ниво, инженери по машинно обучение, изследователи в дълбокото обучение и експерти по компютърно зрение, които желаят да разширят знанията и уменията си в дълбокото обучение за генериране на текст към изображение.
До края на това обучение участниците ще могат:
- Разберете усъвършенствани архитектури за дълбоко обучение и техники за генериране на текст към изображение. Внедрете сложни модели и оптимизации за висококачествен синтез на изображения. Оптимизирайте производителността и скалируемостта за големи набори от данни и сложни модели. Настройте хиперпараметрите за по-добра производителност и обобщение на модела. Интегрирайте Stable Diffusion с други рамки и инструменти за дълбоко обучение
AlphaFold
7 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към биолози, които искат да разберат как AlphaFold работи и да използват AlphaFold модели като ръководства в своите експериментални изследвания.
До края на това обучение участниците ще могат:
- Разберете основните принципи на AlphaFold.
- Научете как работи AlphaFold.
- Научете как да интерпретирате AlphaFold прогнози и резултати.
TensorFlow Lite for Embedded Linux
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват TensorFlow Lite за внедряване на модели за дълбоко обучение на вградени устройства.
До края на това обучение участниците ще могат:
- Инсталирайте и конфигурирайте Tensorflow Lite на вградено устройство.
- Разберете основните концепции и компоненти TensorFlow Lite.
- Конвертирайте съществуващи модели във формат TensorFlow Lite за изпълнение на вградени устройства.
- Работете в рамките на ограниченията на малките устройства и TensorFlow Lite, докато се научавате как да разширите обхвата на операциите, които могат да се изпълняват.
- Внедрете модел на задълбочено обучение на вградено устройство, работещо под Linux.
TensorFlow Lite for Android
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват TensorFlow Lite за разработване на мобилни приложения с възможности за дълбоко обучение.
До края на това обучение участниците ще могат:
- Инсталирайте и конфигурирайте TensorFlow Lite.
- Разберете принципите зад TensorFlow, машинното обучение и дълбокото обучение.
- Заредете TensorFlow модели на устройство с Android.
- Активирайте функции за задълбочено обучение и машинно обучение, като компютърно зрение и разпознаване на естествен език в мобилно приложение.
Tensorflow Lite for Microcontrollers
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да пишат, зареждат и изпълняват модели за машинно обучение на много малки вградени устройства.
До края на това обучение участниците ще могат:
- Инсталирайте TensorFlow Lite.
- Заредете модели за машинно обучение на вградено устройство, за да му позволите да открива реч, да класифицира изображения и т.н.
- Добавете AI към хардуерни устройства, без да разчитате на мрежова свързаност.
TensorFlow Lite for iOS
21 ЧасаТова водено от инструктор обучение на живо (онлайн или на място) е насочено към разработчици, които желаят да използват TensorFlow Lite за разработване на мобилни приложения за iOS с възможности за дълбоко обучение.
До края на това обучение участниците ще могат:
- Инсталирайте и конфигурирайте TensorFlow Lite.
- Разберете принципите зад TensorFlow и машинното обучение на мобилни устройства.
- Заредете TensorFlow модели на iOS устройство.
- Стартирайте iOS приложение, способно да открие и класифицира обект, заснет от камерата на устройството.
Edge AI with TensorFlow Lite
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици на средно ниво, специалисти по данни и AI практици, които желаят да използват TensorFlow Lite за Edge AI приложения.
До края на това обучение участниците ще могат:
- Разберете основите на TensorFlow Lite и ролята му в Edge AI.
- Разработвайте и оптимизирайте AI модели с помощта на TensorFlow Lite.
- Разположете TensorFlow Lite модели на различни крайни устройства.
- Използвайте инструменти и техники за преобразуване и оптимизиране на модела.
- Внедрете практически Edge AI приложения с помощта на TensorFlow Lite.
Optimizing AI Models for Edge Devices
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици на AI на средно ниво, инженери по машинно обучение и системни архитекти, които желаят да оптимизират AI модели за крайно внедряване.
До края на това обучение участниците ще могат:
- Разберете предизвикателствата и изискванията при внедряването на AI модели на крайни устройства.
- Прилагайте техники за компресиране на модели, за да намалите размера и сложността на AI моделите.
- Използвайте методи за квантуване, за да подобрите ефективността на модела на крайния хардуер.
- Приложете съкращаване и други техники за оптимизация, за да подобрите производителността на модела.
- Внедрете оптимизирани AI модели на различни крайни устройства.
Edge AI in Industrial Automation
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към индустриални инженери на средно ниво, професионалисти в производството и разработчици на AI, които желаят да внедрят решения на Edge AI в индустриалната автоматизация.
До края на това обучение участниците ще могат:
- Разберете ролята на Edge AI в индустриалната автоматизация.
- Внедрете решения за предсказуема поддръжка с помощта на Edge AI.
- Прилагайте AI техники за контрол на качеството в производствените процеси.
- Оптимизирайте индустриалните процеси с помощта на Edge AI.
- Внедрете и управлявайте Edge AI решения в индустриални среди.
Edge AI for Financial Services
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към финансови професионалисти на средно ниво, финтех разработчици и AI специалисти, които желаят да внедрят Edge AI решения във финансовите услуги.
До края на това обучение участниците ще могат:
- Разберете ролята на Edge AI във финансовите услуги.
- Внедрете системи за откриване на измами с помощта на Edge AI.
- Подобрете обслужването на клиентите чрез решения, управлявани от AI.
- Приложете Edge AI за управление на риска и вземане на решения.
- Внедрете и управлявайте Edge AI решения във финансови среди.
Deep Learning Neural Networks with Chainer
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към изследователи и разработчици, които желаят да използват Chainer за изграждане и обучение на невронни мрежи в Python, като същевременно правят кода лесен за отстраняване на грешки.
До края на това обучение участниците ще могат:
- Настройте необходимата среда за разработка, за да започнете да разработвате модели на невронни мрежи.
- Дефинирайте и внедрявайте модели на невронни мрежи, като използвате разбираем изходен код.
- Изпълнявайте примери и модифицирайте съществуващите алгоритми, за да оптимизирате моделите за обучение за задълбочено обучение, като същевременно използвате GPU за висока производителност.
Distributed Deep Learning with Horovod
7 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици или специалисти по данни, които желаят да използват Horovod за провеждане на разпределени обучения за задълбочено обучение и да го мащабират, за да работят паралелно на множество GPU.
До края на това обучение участниците ще могат:
- Настройте необходимата среда за разработка, за да започнете да провеждате обучения за дълбоко обучение.
- Инсталирайте и конфигурирайте Horovod за обучение на модели с TensorFlow, Keras, PyTorch и Apache MXNet.
- Мащабирайте обучението за дълбоко обучение с Horovod, за да работите на множество графични процесори.
Accelerating Deep Learning with FPGA and OpenVINO
35 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни, които желаят да ускорят приложенията за машинно обучение в реално време и да ги внедрят в мащаб.
До края на това обучение участниците ще могат:
- Инсталирайте OpenVINO инструментариума.
- Ускорете приложение за компютърно зрение с помощта на FPGA.
- Изпълнете различни CNN слоеве на FPGA.
- Мащабирайте приложението в множество възли в клъстер на Kubernetes.
Building Deep Learning Models with Apache MXNet
21 ЧасаТова водено от инструктор обучение на живо (онлайн или на място) е насочено към специалисти по данни, които желаят да използват Apache MXNet за изграждане и внедряване на модел за дълбоко обучение за разпознаване на изображения.
До края на това обучение участниците ще могат:
- Инсталирайте и конфигурирайте Apache MXNet и неговите компоненти.
- Разберете архитектурата и структурите на данните на MXNet.
- Използвайте API от ниско и високо ниво на Apache MXNet за ефективно изграждане на невронни мрежи.
- Изградете конволюционна невронна мрежа за класифициране на изображения.