TensorFlow Training Courses

Embedding Projector is an open-source web application for visualizing the data used to train machine learning systems. Created by Google, it is part of TensorFlow. This instructor-led, live training introduces the concepts behind Embedding Projector and walks participants through the setup of a demo project. By the end of this training, participants will be able to:

• Explore how data is being interpreted by machine learning models
• Navigate through 3D and 2D views of data to understand how a machine learning algorithm interprets it
• Understand the concepts behind Embeddings and their role in representing mathematical vectors for images, words and numerals.
• Explore the properties of a specific embedding to understand the behavior of a model
• Apply Embedding Project to real-world use cases such building a song recommendation system for music lovers

Audience

• Developers
• Data scientists

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course. 

DL (Deep Learning) is a subset of ML (Machine Learning). Python is a popular programming language that contains libraries for Deep Learning for NLP. Deep Learning for NLP (Natural Language Processing) allows a machine to learn simple to complex language processing. Among the tasks currently possible are language translation and caption generation for photos. In this instructor-led, live training, participants will learn to use Python libraries for NLP as they create an application that processes a set of pictures and generates captions.  By the end of this training, participants will be able to:

• Design and code DL for NLP using Python libraries.
• Create Python code that reads a substantially huge collection of pictures and generates keywords.
• Create Python Code that generates captions from the detected keywords.

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

Audience This course is suitable for Deep Learning researchers and engineers interested in utilizing available tools (mostly open source) for analyzing computer images This course provide working examples.

TensorFlow е библиотека с отворен код за машинно обучение. TensorFlow предоставя на потребителите възможността да използват и създават изкуствен интелект за откриване и прогнозиране на измами. Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към учени на данни, които искат да използват TensorFlow за анализиране на потенциални данни за измама. В края на обучението участниците ще могат да:

Създайте модел за откриване на измами в Python и TensorFlow. Изграждане на линейни регресии и линейни регресивни модели, за да се предскаже измама. Разработване на крайно към край приложение за анализ на данните за измами.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

Kubeflow е рамка за изпълнение на работни натоварвания на машинно обучение в Kubernetes. TensorFlow е една от най-популярните библиотеки за машинно обучение. Kubernetes е платформа за оркестрация за управление на приложения в контейнери. OpenShift е платформа за разработка на облачни приложения, която използва Docker контейнери, оркестрирани и управлявани от Kubernetes, върху основата на Red Hat Enterprise Linux.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 да: Инсталират и конфигурират 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.

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.

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.

TensorFlow is a popular machine learning library developed by Google for deep learning, numeric computation, and large-scale machine learning. TensorFlow 2.0, released in Jan 2019, is the newest version of TensorFlow and includes improvements in eager execution, compatibility and API consistency. This instructor-led, live training (online or onsite) is aimed at developers and data scientists who wish to use Tensorflow 2.x to build predictors, classifiers, generative models, neural networks and so on. By the end of this training, participants will be able to:

• Install and configure TensorFlow 2.x.
• Understand the benefits of TensorFlow 2.x over previous versions.
• Build deep learning models.
• Implement an advanced image classifier.
• Deploy a deep learning model to the cloud, mobile and IoT devices.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.
• To learn more about TensorFlow, please visit: https://www.tensorflow.org/

TensorFlow.js е JavaScript рамка за машинно обучение. TensorFlow.js позволява на потребителите да създават и обучават модели за машинно обучение директно в JavaScript. Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към учени на данни, които искат да използват TensorFlow.js за идентифициране на модели и генериране на прогнози чрез модели за машинно обучение. В края на обучението участниците ще могат да:

Изграждане и обучение на модели за машинно обучение с TensorFlow.js. Извършете модели за машинно обучение в браузъра или под Node.js. Отстранете съществуващите модели за машинно обучение, като използвате персонализирани данни.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

TensorFlow Serving is a system for serving machine learning (ML) models to production. In this instructor-led, live training (online or onsite), participants will learn how to configure and use TensorFlow Serving to deploy and manage ML models in a production environment. By the end of this training, participants will be able to:

• Train, export and serve various TensorFlow models
• Test and deploy algorithms using a single architecture and set of APIs
• Extend TensorFlow Serving to serve other types of models beyond TensorFlow models

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

TensorFlow is a 2nd Generation API of Google's open source software library for Deep Learning. The system is designed to facilitate research in machine learning, and to make it quick and easy to transition from research prototype to production system. Audience This course is intended for engineers seeking to use TensorFlow for their Deep Learning projects After completing this course, delegates will:

• understand TensorFlow’s structure and deployment mechanisms
• be able to carry out installation / production environment / architecture tasks and configuration
• be able to assess code quality, perform debugging, monitoring
• be able to implement advanced production like training models, building graphs and logging

This course explores, with specific examples, the application of Tensor Flow to the purposes of image recognition Audience This course is intended for engineers seeking to utilize TensorFlow for the purposes of Image Recognition After completing this course, delegates will be able to:

• understand TensorFlow’s structure and deployment mechanisms
• carry out installation / production environment / architecture tasks and configuration
• assess code quality, perform debugging, monitoring
• implement advanced production like training models, building graphs and logging

TensorFlow Extended (TFX) е крайно-на-крайната платформа за внедряване на производствени МЛ тръбопроводи. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към учени на данни, които искат да отидат от обучението на един модел ML до внедряването на много модели ML за производство. В края на обучението участниците ще могат да:

Инсталиране и конфигуриране на TFX и поддръжка на инструменти от трети страни. Използвайте TFX, за да създадете и управлявате пълна производствена тръба за ML. Работете с компонентите на TFX, за да извършвате моделиране, обучение, обслужване на заключения и управление на разпространението. Разработване на функции за машинно обучение в уеб приложения, мобилни приложения, IoT устройства и много други.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

The Tensor Processing Unit (TPU) is the architecture which Google has used internally for several years, and is just now becoming available for use by the general public. It includes several optimizations specifically for use in neural networks, including streamlined matrix multiplication, and 8-bit integers instead of 16-bit in order to return appropriate levels of precision. In this instructor-led, live training, participants will learn how to take advantage of the innovations in TPU processors to maximize the performance of their own AI applications. By the end of the training, participants will be able to:

• Train various types of neural networks on large amounts of data.
• Use TPUs to speed up the inference process by up to two orders of magnitude.
• Utilize TPUs to process intensive applications such as image search, cloud vision and photos.

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

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

This course begins with giving you conceptual knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications). Part-1(40%) of this training is more focus on fundamentals, but will help you choosing the right technology : TensorFlow, Caffe, Theano, DeepDrive, Keras, etc. Part-2(20%) of this training introduces Theano - a python library that makes writing deep learning models easy. Part-3(40%) of the training would be extensively based on Tensorflow - 2nd Generation API of Google's open source software library for Deep Learning. The examples and handson would all be made in TensorFlow. Audience This course is intended for engineers seeking to use TensorFlow for their Deep Learning projects After completing this course, delegates will:

• have a good understanding on deep neural networks(DNN), CNN and RNN
• understand TensorFlow’s structure and deployment mechanisms
• be able to carry out installation / production environment / architecture tasks and configuration
• be able to assess code quality, perform debugging, monitoring
• be able to implement advanced production like training models, building graphs and logging