Курс за обучение по Deep Learning with TensorFlow 2
TensorFlow е популярна библиотека за машинно обучение, разработена от Google за дълбоко обучение, числени изчисления и широкомащабно машинно обучение. TensorFlow 2.0, пуснат през януари 2019 г., е най-новата версия на TensorFlow и включва подобрения в нетърпеливото изпълнение, съвместимостта и последователността на API.
Това водено от инструктор обучение на живо (онлайн или на място) е насочено към разработчици и учени 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.
Формат на курса
- Интерактивна лекция и дискусия. Много упражнения и практика. Практическо внедряване в лабораторна среда на живо.
Опции за персонализиране на курса
- За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим. За да научите повече за TensorFlow, моля, посетете: https://www.tensorflow.org/
План на курса
Въведение
- TensorFlow 2.x спрямо предишни версии -- Какво е новото
Настройване на Tensoflow 2.x
Преглед на TensorFlow 2.x функции и архитектура
Как Neural Networks работи
Използване на TensorFlow 2.x за създаване на модели за задълбочено обучение
Анализиране на данни
Предварителна обработка на данни
Изграждане на модел
Внедряване на най-съвременен класификатор на изображения
Обучение на модела
Обучение на GPU срещу TPU
Оценяване на модела
Правене на прогнози
Оценяване на прогнозите
Отстраняване на грешки в модела
Запазване на модел
Внедряване на модел в облака
Внедряване на модел на мобилно устройство
Разполагане на модел към вградена система (IoT)
Интегриране на модел с различни Languages
Отстраняване на неизправности
Обобщение и заключение
Изисквания
- Опит в програмирането в Python.
- Опит с командния ред на Linux.
Публика
- Разработчици
- Учени по данни
Отворените курсове за обучение изискват 5+ участници.
Курс за обучение по Deep Learning with TensorFlow 2 - Booking
Курс за обучение по Deep Learning with TensorFlow 2 - Enquiry
Deep Learning with TensorFlow 2 - Консултантско запитване
Консултантско запитване
Oтзиви от потребители (4)
Обучението беше организирано и добре планирано и аз излязох от него със систематизирани знания и добър поглед върху темите, които разгледахме
Magdalena - Samsung Electronics Polska Sp. z o.o.
Курс - Deep Learning with TensorFlow 2
Машинен превод
Знанията на обучителя и фактът, че бяха много достъпни. Те лесно биха могли да предадат важни знания
Mateusz Stachyra - Samsung Electronics Polska Sp. z o.o.
Курс - Deep Learning with TensorFlow 2
Машинен превод
Хареса ми, че покрихме и основите
Tomasz - Samsung Electronics Polska Sp. z o.o.
Курс - Deep Learning with TensorFlow 2
Машинен превод
The trainer explained the content well and was engaging throughout. He stopped to ask questions and let us come to our own solutions in some practical sessions. He also tailored the course well for our needs.
Robert Baker
Курс - Deep Learning with TensorFlow 2.0
Предстоящи Курсове
Свързани Kурсове
Applied AI from Scratch
28 ЧасаТова 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.
Computer Vision with Google Colab and TensorFlow
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на напреднало ниво, които желаят да задълбочат разбирането си за компютърното зрение и да изследват възможностите на TensorFlow за разработване на сложни модели на зрение с помощта на Google Colab.
До края на това обучение участниците ще могат:
- Изградете и обучете конволюционни невронни мрежи (CNN) с помощта на TensorFlow.
- Използвайте Google Colab за мащабируемо и ефективно разработване на модели, базирани на облак.
- Прилагане на техники за предварителна обработка на изображения за задачи с компютърно зрение.
- Внедрете модели на компютърно зрение за приложения в реалния свят.
- Използвайте трансферно обучение, за да подобрите ефективността на моделите на CNN.
- Визуализирайте и интерпретирайте резултатите от моделите за класификация на изображения.
Deep Learning with TensorFlow in Google Colab
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към учени и разработчици на данни на средно ниво, които желаят да разберат и прилагат техники за задълбочено обучение, използвайки средата Google Colab.
До края на това обучение участниците ще могат:
- Настройте и навигирайте Google Colab за проекти за дълбоко обучение.
- Разберете основите на невронните мрежи.
- Приложете модели за дълбоко обучение, като използвате TensorFlow.
- Обучете и оценете модели за дълбоко обучение.
- Използвайте разширени функции на TensorFlow за задълбочено обучение.
Deep Learning for NLP (Natural Language Processing)
28 ЧасаВ 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.
Deep Learning for Vision
21 ЧасаПублика
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.
Fraud Detection with Python and TensorFlow
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни, които желаят да използват TensorFlow за анализ на потенциални данни за измами.
До края на това обучение участниците ще могат:
- Да създадат модел за откриване на измами в Python и TensorFlow.
- Да изградят линейни регресии и модели на линейна регресия за предсказване на измами.
- Да разработят цялостно AI приложение за анализиране на данни за измами.
TensorFlow Serving
7 ЧасаВ 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:
- Обучавайте, експортирайте и обслужвайте различни модели TensorFlow.
- Тествайте и внедрявайте алгоритми, като използвате една единствена архитектура и набор от API.
- Разширете TensorFlow Serving, за да обслужвате други типове модели извън моделите TensorFlow.
Deep Learning with TensorFlow
21 ЧасаTensorFlow 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
TensorFlow for Image Recognition
28 ЧасаТози 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
TensorFlow Extended (TFX)
21 ЧасаТова 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.
TPU Programming: Building Neural Network Applications on Tensor Processing Units
7 ЧасаВ 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.
Natural Language Processing (NLP) with TensorFlow
35 ЧасаTensorFlow™ 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
Understanding Deep Neural Networks
35 ЧасаТози 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