Cursuri de pregatire Deep Learning for Vision

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează oamenilor de știință din domeniul datelor de nivel intermediar până la avansat, inginerilor din domeniul învățării automate, cercetătorilor din domeniul învățării profunde și experților în viziune computerizată care doresc să își extindă cunoștințele și abilitățile în învățarea profundă pentru generarea de text în imagine.

Până la sfârșitul acestei formări, participanții vor fi capabili să:

• Înțeleagă arhitecturile și tehnicile avansate de învățare profundă pentru generarea text-imagine.
• Să implementeze modele complexe și optimizări pentru sinteza imaginilor de înaltă calitate.
• Să optimizeze performanța și scalabilitatea pentru seturi mari de date și modele complexe.
• Reglați hiperparametrii pentru o mai bună performanță și generalizare a modelului.
• Integrarea Stable Diffusion cu alte cadre și instrumente de învățare profundă

Acest curs a fost creat pentru manageri, arhitecți de soluții, ofițeri de inovare, CTO, arhitecți de software și pentru oricine este interesat de o prezentare generală a inteligenței artificiale aplicate și de cele mai apropiate previziuni privind dezvoltarea acesteia.

Această formare live, cu instructor, în România (online sau la fața locului) se adresează biologilor care doresc să înțeleagă cum funcționează AlphaFold și să utilizeze modele AlphaFold ca ghid în studiile lor experimentale.

La sfârșitul acestei formări, participanții vor fi capabili să:

• Înțeleagă principiile de bază ale AlphaFold.
• Să învețe cum funcționează AlphaFold.
• Să învețe cum să interpreteze predicțiile și rezultatele AlphaFold.

This instructor-led, live training in România (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.

By the end of this training, participants will be able to:

• Understand and implement various Machine Learning algorithms.
• Prepare data and models for machine learning applications.
• Conduct post hoc analyses and visualize results effectively.
• Apply machine learning techniques to real-world, sector-specific scenarios.

Caffe este un cadru de învățare profund făcut în expresie, viteză și modularitate în minte.

Acest curs explorează aplicarea Caffe ca cadru de învățare profundă pentru recunoașterea imaginii folosind MNIST ca exemplu

Public

Acest curs este potrivit pentru cercetătorii de la Deep Learning și pentru inginerii interesați să utilizeze Caffe ca cadru.

După finalizarea acestui curs, delegații vor putea:

• să înțeleagă structura și mecanismele de implementare a lui Caffe
• efectuați sarcinile și configurația mediului de instalare / producție / arhitecturii
• evaluarea calității codului, efectuarea depanării, monitorizarea
• să implementeze producția avansată, cum ar fi modelele de formare, punerea în aplicare a straturilor și logarea

Această formare live, cu instructor, în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor care doresc să utilizeze Chainer pentru a construi și a antrena rețele neuronale în Python, făcând codul ușor de depanat.

Până la sfârșitul acestei formări, participanții vor fi capabili să:

• Să configureze mediul de dezvoltare necesar pentru a începe să dezvolte modele de rețele neuronale.
• Să definească și să implementeze modele de rețele neuronale utilizând un cod sursă inteligibil.
• Să execute exemple și să modifice algoritmii existenți pentru a optimiza modelele de formare de învățare profundă, valorificând în același timp GPUs pentru performanțe ridicate.

Computer Network ToolKit (CNTK) este Microsoft Open Source, Multi-machine, Multi-GPU, Highly efficent RNN training machine learning framework for speech, text, and images.

Audiență

Acest curs se adresează inginerilor și arhitecților care doresc să utilizeze CNTK în proiectele lor.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel intermediar, oamenilor de știință de date și practicienilor în domeniul IA care doresc să utilizeze TensorFlow Lite pentru aplicații Edge AI.

La sfârșitul acestui curs de formare, participanții vor putea să:

• Înțeleagă elementele fundamentale ale TensorFlow Lite și rolul său în Edge AI.
• Să dezvolte și să optimizeze modelele de inteligență artificială utilizând TensorFlow Lite.
• Să implementeze modele TensorFlow Lite pe diverse dispozitive de margine.
• Să utilizeze instrumente și tehnici de conversie și optimizare a modelelor.
• Implementarea aplicațiilor practice Edge AI utilizând TensorFlow Lite.

Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor de date care doresc să accelereze aplicațiile de învățare automată în timp real și să le implementeze la scară largă.

Până la sfârșitul acestei instruiri, participanții vor fi capabili să:

• Să instaleze setul de instrumente OpenVINO.
• Să accelereze o aplicație de computer vision utilizând un FPGA.
• Să execute diferite straturi CNN pe FPGA.
• Să scaleze aplicația pe mai multe noduri dintr-un cluster Kubernetes.

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor sau oamenilor de știință din domeniul datelor care doresc să utilizeze Horovod pentru a rula instruiri distribuite de învățare profundă și să le extindă pentru a rula pe mai multe GPUs în paralel.

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

• Să configureze mediul de dezvoltare necesar pentru a începe să ruleze traininguri de învățare profundă.
• Să instaleze și să configureze Horovod pentru a antrena modele cu TensorFlow, Keras, PyTorch și Apache MXNet.
• Să scaleze antrenamentele de învățare profundă cu Horovod pentru a rula pe mai multe GPUs.

Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează persoanelor tehnice care doresc să aplice modelul de învățare profundă în aplicații de recunoaștere a imaginilor.

La sfârșitul acestei formări, participanții vor fi capabili să:

• Instalați și configurați Keras.
• Să prototipeze rapid modele de învățare profundă.
• Să implementeze o rețea convoluțională.
• Să implementeze o rețea recurentă.
• Să execute un model de învățare profundă atât pe un procesor, cât și pe GPU.

Instruirea se adresează persoanelor care doresc să învețe elementele de bază ale rețelelor neuronale și aplicațiile lor.

Acest curs este o introducere în aplicarea rețelelor neuronale în problemele din lumea reală folosind software-ul R-project.

Această instruire live (online sau la fața locului), condusă de un instructor, se adresează oamenilor de știință din domeniul datelor, inginerilor din domeniul învățării automate și cercetătorilor din domeniul viziunii computerizate care doresc să valorifice Stable Diffusion pentru a genera imagini de înaltă calitate pentru o varietate de cazuri de utilizare.

Până la sfârșitul acestei formări, participanții vor fi capabili să:

• Să înțeleagă principiile Stable Diffusion și modul în care funcționează pentru generarea de imagini.
• Să construiască și să antreneze modele Stable Diffusion pentru sarcini de generare a imaginilor.
• Să aplice Stable Diffusion la diverse scenarii de generare a imaginilor, cum ar fi inpainting, outpainting și traducerea de la imagine la imagine.
• Optimizarea performanței și stabilității modelelor Stable Diffusion.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor care doresc să scrie, să încarce și să ruleze modele de învățare automată pe dispozitive integrate foarte mici.

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

• Instalați TensorFlow Lite.
• Încărcați modele de învățare automată pe un dispozitiv încorporat pentru a-i permite să detecteze vorbirea, să clasifice imagini etc.
.
• Adaugați inteligența artificială la dispozitivele hardware fără a vă baza pe conectivitatea de rețea.
.