Курс за обучение по Deep Learning with TensorFlow 2

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 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.

Това 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.

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 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.

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:

• 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.

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

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.

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