Cursuri de pregatire Deep Learning for NLP (Natural Language Processing)

Această instruire live condusă de instructor în România (online sau la fața locului) se adresează oamenilor de știință ai datelor, practicienilor de învățare automată și cercetătorilor și entuziaștilor NLP care doresc să utilizeze eficient Hugging Face pentru sarcini NLP.

Până la sfârșitul acestui training, participanții vor fi capabili să:

Utilizați un model Hugging Face Transformer și ajustați-l pe un anumit set de date. Obțineți capacitatea de a aborda în mod independent provocările comune NLP. Creați și partajați demonstrațiile modelului dvs. în mod eficient. Raționalizați optimizarea modelelor dvs. pentru producție. Folosiți Hugging Face Transformers pentru a rezolva o gamă largă de probleme de învățare automată.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează oamenilor de știință și dezvoltatorilor de date care doresc să utilizeze TextBlob pentru a implementa și simplifica sarcinile NLP, cum ar fi analiza sentimentelor, corecțiile ortografice, modelarea clasificării textului etc.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul de dezvoltare necesar pentru a începe să implementați sarcinile NLP cu TextBlob.
.
• Înțelegeți caracteristicile, arhitectura și avantajele lui TextBlob.
.
• Învățați cum să construiți sisteme de clasificare a textului folosind TextBlob.
.
• Executați sarcini NLP comune (tokenizare, WordNet, analiza sentimentelor, corecția ortografică etc.)
.
• Executați implementări avansate cu API-uri simple și câteva linii de coduri.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează oamenilor de știință și dezvoltatorilor de date care doresc să utilizeze Spark NLP, construit pe Apache Spark, pentru a dezvolta, implementa și extinde modelele și conductele de procesare a textului în limbaj natural.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul de dezvoltare necesar pentru a începe să construiți conductele NLP cu Spark NLP.
.
• Înțelegeți caracteristicile, arhitectura și beneficiile utilizării Spark NLP.
.
• Utilizați modelele pre-antrenate disponibile în Spark NLP pentru a implementa procesarea textului.
.
• Învățați cum să construiți, să antrenați și să scalați modelele Spark NLP pentru proiecte de nivel de producție.
.
• Aplicați clasificarea, inferența și analiza sentimentelor pe cazuri de utilizare din lumea reală (date clinice, informații despre comportamentul clienților etc.).
.

Acest curs a fost conceput pentru persoanele interesate de extragerea sensului din textul scris în limba engleză, deși cunoștințele pot fi aplicate și altor limbi umane.

Cursul se va referi la modul de utilizare a textului scris de oameni, cum ar fi postările pe blog, tweet-urile etc.

De exemplu, un analist poate configura un algoritm care va ajunge la o concluzie automată bazată pe o sursă extinsă de date.

TensorFlow este un API de generația a 2-a a bibliotecii software open source a Go ogle pentru Deep Learning . Sistemul este conceput pentru a facilita cercetarea în învățarea mașinilor și pentru a facilita trecerea rapidă și ușoară de la prototipul de cercetare la sistemul de producție.

Public

Acest curs este destinat inginerilor care caută să utilizeze TensorFlow pentru proiectele lor de Deep Learning

După finalizarea acestui curs, delegații vor:

• să înțeleagă structura și mecanismele de implementare ale TensorFlow
• să fie capabil să efectueze sarcini de instalare / producție / arhitectură și configurație
• să poată evalua calitatea codului, să efectueze depanare, să monitorizeze
• să poată implementa o producție avansată, cum ar fi modele de instruire, construirea de grafice și logare

Acest curs explorează, cu exemple specifice, aplicarea Tensor Flow în scopul recunoașterii imaginii

Public

Acest curs este destinat inginerilor care caută să utilizeze TensorFlow în scopul recunoașterii imaginilor

După finalizarea acestui curs, delegații vor putea:

• să înțeleagă structura și mecanismele de implementare ale TensorFlow
• efectuați sarcinile și configurația mediului de instalare / producție / arhitecturii
• evaluarea calității codului, efectuarea depanării, monitorizarea
• să implementeze o producție avansată, cum ar fi modele de instruire, construirea de grafice și logare

TensorFlow™ este o bibliotecă de software cu sursă deschisă pentru calculul numeric folosind graficele de flux de date.

SyntaxNet este un cadru de prelucrare a limbilor naturale pentru TensorFlow.

Word2Vec este utilizat pentru a învăța reprezentări vectoriale ale cuvintelor, numite "word embeddings". Word2vec este un model predictiv deosebit de eficient din punct de vedere calculator pentru încorporarea cuvintelor de învățare din textul crud. Acesta vine în două gusturi, modelul Continuous Bag-of-Words (CBOW) și modelul Skip-Gram (Capitolele 3.1 și 3.2 din Mikolov et al.)

Folosit în tandem, SyntaxNet și Word2Vec permit utilizatorilor să genereze modele de încorporare învățată din intrarea limbii naturale.

Audienţă

Acest curs este vizat pentru dezvoltatori și ingineri care intenționează să lucreze cu modelele SyntaxNet și Word2Vec în graficele lor TensorFlow.

După finalizarea acestui curs, delegații vor:

• înțelegerea structurii și a mecanismelor de implementare a TensorFlow’
• să poată efectua activități de instalare / mediu de producție / activități de arhitectură și configurare
• capacitatea de a evalua calitatea codului, de a efectua debugging, de a monitoriza
• să poată implementa modele avansate de producție, cum ar fi modele de formare, termeni de încorporare, grafice de construcție și logging

Public

Acest curs este potrivit pentru cercetătorii de Deep Learning și ingineri interesați să utilizeze instrumentele disponibile (în majoritate open source) pentru analiza imaginilor computerizate

Acest curs oferă exemple de lucru.

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.

În cadrul acestui curs de instruire live, condus de un instructor în România, participanții vor învăța cum să profite de inovațiile din procesoarele TPU pentru a maximiza performanța propriilor aplicații AI.

La sfârșitul cursului, participanții vor fi capabili să:

• Învățați diferite tipuri de rețele neuronale pe cantități mari de date.
• Utilizați TPU pentru a accelera procesul de inferență cu până la două ordine de mărime.
.
• Utilizați TPU pentru a procesa aplicații intensive, cum ar fi căutarea de imagini, cloud vision și fotografii.
.

Embedding Projector este o aplicație web open source pentru vizualizarea datelor utilizate pentru instruirea sistemelor de învățare a mașinilor Creat de Google, face parte din TensorFlow Această instruire instruită live introduce conceptele din spatele Proiectoarelor Embedding și umblă participanții prin configurarea unui proiect demo Până la sfârșitul acestui curs, participanții vor putea: Explorați modul în care datele sunt interpretate de modelele de învățare automată Navigați prin vizualizările 3D și 2D ale datelor pentru a înțelege modul în care algoritmul de învățare a mașinilor îl interpretează Înțelegeți conceptele din spatele embeddings și rolul lor în reprezentarea vectorilor matematici pentru imagini, cuvinte și cifre Explorați proprietățile unei încorporări specifice pentru a înțelege comportamentul unui model Aplicați proiectul de încorporare în cazuri de utilizare realworld, cum ar fi construirea unui sistem de recomandări pentru melodii pentru iubitorii de muzică Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră .

În cadrul acestui curs de instruire live, condus de un instructor în România (online sau la fața locului), participanții vor învăța cum să configureze și să utilizeze TensorFlow Serving pentru a implementa și gestiona modele ML într-un mediu de producție.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Învățați, exportați și serviți diverse modele TensorFlow.
• Testați și implementați algoritmi folosind o singură arhitectură și un singur set de API-uri.
• Extindeți TensorFlow Serving pentru a servi alte tipuri de modele dincolo de modelele TensorFlow.
.

Acest curs începe cu oferirea de cunoștințe conceptuale în rețelele neuronale și, în general, în algoritmul de învățare automată, învățare profundă (algoritmi și aplicații).

Partea 1 (40%) a acestui antrenament se concentrează mai mult asupra elementelor fundamentale, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow , Caffe , Theano, DeepDrive, Keras etc.

Partea a 2-a (20%) a acestei instruiri introduce Theano - o bibliotecă piton care ușurează scrierea modelelor de învățare profundă.

Partea a 3-a (40%) a instruirii ar fi bazată pe baza Tensorflow - API-ul a 2-a generație a bibliotecii software open source pentru Deep Learning lui Go ogle. Exemplele și handson-ul vor fi făcute în TensorFlow .

Public

Acest curs este destinat inginerilor care doresc să folosească TensorFlow pentru proiectele lor de Deep Learning

După finalizarea acestui curs, delegații vor:

• au o bună înțelegere pe rețelele neuronale profunde (DNN), CNN și RNN

• înțelegeți structura și mecanismele de implementare ale TensorFlow

• să poată efectua activități de instalare / mediu de producție / arhitectură și configurare

• să poată evalua calitatea codului, să efectueze depanarea, să monitorizeze

• să fie capabil să implementeze producție avansată, cum ar fi modele de instruire, grafice de construcție și jurnal

Acesta este un curs de 4 zile care prezintă AI și aplicația sa. Există o opțiune de a avea o zi suplimentară pentru a întreprinde un proiect AI la finalizarea acestui curs.

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor și oamenilor de știință de date care doresc să utilizeze Tensorflow 2.x pentru a construi predictori, clasificatori, modele generative, rețele neuronale și așa mai departe.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați TensorFlow 2.x.
• Înțelegeți beneficiile TensorFlow 2.x față de versiunile anterioare.
.
• Construiți modele de învățare profundă.
.
• Implementați un clasificator avansat de imagini.
.
• Deplasați un model de învățare profundă în cloud, pe dispozitive mobile și IoT.
.