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

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™ 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

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.

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.

In this instructor-led, live training in България, 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.

In this instructor-led, live training in България (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.

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

In this instructor-led, live training in България, 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.

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. 

This instructor-led, live training in България (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.

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 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.

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.

Kubeflow е рамка за изпълнение на Machine Learning работно натоварване на Kubernetes. TensorFlow е една от най-популярните библиотеки за машинно обучение. Kubernetes е оркестрационна платформа за управление на контейнерни приложения. OpenShift е платформа за разработка на приложения в облака, която използва Docker контейнери, организирани и управлявани от Kubernetes, на основание на Red Hat Enterprise Linux. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към инженери, които искат да разпределят Machine Learning работно натоварване в OpenShift на предварително или хибридно облак.

В края на обучението участниците ще могат да: Върху него се издига и се издига и се издига и се издига и се издига. Използвайте OpenShift за опростяване на работата на инициализиране на Kubernetes кластер. Създаване и внедряване на тръбопровод Kubernetes за автоматизиране и управление на ML модели в производството. Тренирайте и разпространявайте TensorFlow ML модели на няколко GPU и машини, които работят паралелно. Обърнете се към публични услуги в облака (напр. услуги на AWS) отвътре OpenShift, за да разширите приложение за ML.

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.