Deep Learning with TensorFlow Training Course
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
План на курса
Machine Learning и рекурсивни Neural Networks (RNN) основи
- NN и RNN
- Обратно разпространение
- Дълга краткосрочна памет (LSTM)
TensorFlow Основи
- Създаване, инициализиране, запазване и възстановяване TensorFlow на променливи
- Подаване, четене и предварително зареждане TensorFlow на данни
- Как да използваме TensorFlow инфраструктура за обучение на модели в мащаб
- Визуализиране и оценяване на модели с TensorBoard
TensorFlow Механика 101
- Подгответе данните
- Изтегляне
- Входове и контейнери
- Изградете графиката
- Извод
- Загуба
- обучение
- Обучете модела
- Графиката
- Сесията
- Влакова верига
- Оценете модела
- Изградете Eval Graph
- Eval Output
Разширено използване
- Нишки и опашки
- Разпространено TensorFlow
- Писане Documentation и споделяне на вашия модел
- Персонализиране на четци на данни
- Използвайки GPUs¹
- Манипулиране на TensorFlow файлове с модели
TensorFlow Сервиране
- Въведение
- Урок за основно сервиране
- Урок за разширено обслужване
- Урок за начален модел на обслужване
¹ Темата за разширено използване, „Използване на GPUs“, не е налична като част от дистанционен курс. Този модул може да бъде доставен по време на курсове, базирани в класна стая, но само с предварително споразумение и само ако както обучителят, така и всички участници имат лаптопи с поддържани NVIDIA GPU с инсталирани 64-битови Linux (не се предоставят от NobleProg) . NobleProg не може да гарантира наличието на обучители с необходимия хардуер.
Изисквания
- Statistics
- Python
- (по избор) Лаптоп с NVIDIA GPU, който поддържа CUDA 8.0 и cuDNN 5.1, с инсталиран 64-битов Linux
Отворените курсове за обучение изискват 5+ участници.
Deep Learning with TensorFlow Training Course - Booking
Deep Learning with TensorFlow Training Course - Enquiry
Deep Learning with TensorFlow - Консултантско запитване
Консултантско запитване
Oтзиви от потребители (4)
Курсистът обяснил съдържанието добре и бил привлекателен през цялото време. Той спрял, за да попита въпроси и ни позволи да стигнем до нашите собствени решения в някои практични сесии. Той също така адаптирал курса добре за нашите нужди.
Robert Baker
Курс - Deep Learning with TensorFlow 2.0
Машинен превод
Томаш знае добре информацията и курсът беше добре подреден.
Raju Krishnamurthy - Google
Курс - TensorFlow Extended (TFX)
Машинен превод
Организация, следвайки предложения ред, обширните знания на треньора по тази тема
Ali Kattan - TWPI
Курс - Natural Language Processing with TensorFlow
Машинен превод
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
Paul Lee
Курс - TensorFlow for Image Recognition
Машинен превод
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 ЧасаТози курс с инструктор, провеждан жив (онлайн или на място), е предназначен за професионалисти на напреднал ниво, които искат да углубят знанията си за компютърно зрение и да разгледат възможностите на TensorFlow за разработване на сложни модели за зрение с Google Colab.
Към края на този курс участниците ще бъдат способни да:
- Създават и обучават конволюционни нейронни мрежи (CNNs) с TensorFlow.
- Използват Google Colab за масово и ефективно разработване на модели в облака.
- Въвеждат техники за предварителна обработка на изображения за задачи на компютърно зрение.
- Разработват модели за компютърно зрение за практическо приложение.
- Използват трансфер обучение за подобряване на производителността на CNN модели.
- Визуализират и интерпретират резултатите от модели за класификация на изображения.
Deep Learning with TensorFlow in Google Colab
14 ЧасаТова инструкторско, живо обучение в България (онлайн или на място) е направено за данни научници и разработчици на средно ниво, които искат да разберат и приложат техники за дълбоко учене, използвайки средата Google Colab.
До края на това обучение участниците ще могат да:
- Настройте и навигайте Google Colab за проекти за дълбоко учене.
- Разберете основните принципи на невромрежите.
- Реализирайте модели за дълбоко учене с TensorFlow.
- Обучавайте и оценявайте модели за дълбоко учене.
- Използвайте напреднали функции на TensorFlow за дълбоко учене.
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.
Deep Learning with TensorFlow 2
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици и специалисти 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.
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:
- 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 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 този курс с инструктор, провеждан на живо в България, участниците ще научат как да се възползват от иновациите в процесорите TPU, за да максимизират производителността на своите собствени приложения за изкуствен интелигент.
До края на обучението участниците ще могат да:
- Обучават различни типове нейронни мрежи на големи количества данни.
- Използват TPU, за да ускорят процеса на извличане на заключение с до два реда величина.
- Използват 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