TensorFlow Extended (TFX) 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

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

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

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.

This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).

This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.

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.

Embedding Projector е уеб приложение с отворен код за визуализиране на данните, използвани за обучение на системи за машинно обучение. Създаден от Google, той е част от TensorFlow.

Това обучение на живо, водено от инструктор, въвежда концепциите зад Embedding Projector и превежда участниците през настройката на демонстрационен проект.

До края на това обучение участниците ще могат:

Разгледайте как данните се интерпретират от модели за машинно обучение. Навигирайте през 3D и 2D изгледи на данни, за да разберете как алгоритъмът за машинно обучение ги интерпретира. Разберете концепциите зад вгражданията и тяхната роля в представянето на математически вектори за изображения, думи и числа. Разгледайте свойствата на конкретно вграждане, за да разберете поведението на модел. Приложете проект за вграждане към реални случаи на употреба, като например изграждане на система за препоръчване на песни за любителите на музиката

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

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.

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

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.

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 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.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни, които желаят да използват TensorFlow.js за идентифициране на модели и генериране на прогнози чрез модели за машинно обучение.

До края на това обучение участниците ще могат:

• Изградете и обучете модели за машинно обучение с TensorFlow.j.
• Стартирайте съществуващи модели за машинно обучение в браузъра или под Node.js.
• Преобучете вече съществуващо машинно обучение, като използвате персонализирани данни.

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:

• Създайте модел за откриване на измами в Python и TensorFlow.
• Изградете линейни регресии и линейни регресионни модели за прогнозиране на измами.
• Разработете цялостно AI приложение за анализиране на данни за измами.

Това водено от инструктор обучение на живо (онлайн или на място) е насочено към инженери, които желаят да разположат работни натоварвания на машинно обучение в OpenShift локален или хибриден облак.

• До края на това обучение участниците ще могат:
• Инсталирайте и конфигурирайте Kubernetes и Kubeflow на OpenShift клъстер.
• Използвайте OpenShift, за да опростите работата по инициализиране на Kubernetes клъстер.
• Създайте и разположете конвейер на Kubernetes за автоматизиране и управление на ML модели в производството.
• Обучете и разположете TensorFlow ML модели в множество GPU и машини, работещи паралелно.
• Обадете се на обществени облачни услуги (напр. AWS услуги) от OpenShift, за да разширите ML приложение