Cursuri de pregatire Fraud Detection with Python and TensorFlow

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.

Această formare sub supravegherea unui instruire în România (online sau la sediu) se adresează dezvoltatorilor de nivel intermediar Python și analiștilor de date care doresc să își îmbunătățească abilitățile în analiza și manipularea datelor folosind Pandas și NumPy.

La sfârșitul acestei formări, participanții vor putea:

• Sａ se configureze un mediu de dezvoltare care includｅ Python, Pandas, și NumPy.
• Sã crea o aplicație de analiză a datelor utilizând Pandas și NumPy.
• Sa efectueze operațiuni avansate de curățare, sortare și filtrare a datelor.
• Sa realizeze operațiuni agregate și să analizeze datele serii temporale.
• Sã vizualizeze datele folosind Matplotlib și alte biblioteci de vizualizare.
• Debugează și optimiză codul lor de analiză a datelor.

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.
.

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:

• Antreneze, exporte și servească diverse modele TensorFlow.
• Testeze și deployeze algoritmi folosind o arhitectură unică și un set de API-uri.
• Extindeți TensorFlow Serving pentru a servi alte tipuri de modele în afară 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

În acest training live, condus de un instructor în România, participanții vor învăța să folosească Python biblioteci pentru NLP în timp ce creează o aplicație care procesează un set de imagini și generează legende. 

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

• Design și cod DL pentru NLP folosind Python biblioteci.
• Creați Python cod care citește o colecție substanțial uriașă de imagini și generează cuvinte cheie.
.
• Creați Python Cod care generează legende din cuvintele cheie detectate.

Acesta este un curs de 4 zile care prezintă inteligența artificială și aplicarea acesteia. Există opțiunea 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.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să utilizeze FastAPI cu Python pentru a construi, testa și implementa API-uri RESTful mai ușor și mai rapid.

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

• Configureze mediul de dezvoltare necesar pentru a dezvolta API-uri cu Python și FastAPI.
• Creeze API-uri mai rapid și mai ușor folosind biblioteca FastAPI.
• Învețe cum să creeze modele de date și scheme bazate pe Pydantic și OpenAPI.
• Conecteze API-urile la o bază de date folosind SQLAlchemy.
• Implementeze securitate și autentificare în API-uri folosind instrumentele FastAPI.
• Construiască imagini container și implementeze API-uri web pe un server cloud.

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează oamenilor de știință de date și inginerilor de software care doresc să utilizeze Dask cu ecosistemul Python pentru a construi, extinde și analiza seturi mari de date.

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

• Setați mediul pentru a începe să construiți procesarea de date mari cu Dask și Python.
• Explorați caracteristicile, bibliotecile, instrumentele și API-urile disponibile în Dask.
.
• Înțelegeți cum Dask accelerează calculul paralel în Python.
.
• Învățați cum să scalați ecosistemul Python (Numpy, SciPy, și Pandas) folosind Dask.
.
• Optimizați mediul Dask pentru a menține performanțe ridicate în manipularea seturilor mari de date.
.

Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor de date care doresc să utilizeze Modin pentru a construi și implementa calcule paralele cu Pandas pentru o analiză mai rapidă a datelor.

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

• Să configureze mediul necesar pentru a începe să dezvolte fluxuri de lucru Pandas la scară largă cu Modin.
• Să înțeleagă caracteristicile, arhitectura și avantajele Modin.
• Să cunoască diferențele dintre Modin, Dask și Ray.
• Efectuați operații Pandas mai rapid cu Modin.
• Implementați întregul API și funcțiile Pandas.

Acest curs de formare live (online sau la fața locului), condus de un instructor, se adresează dezvoltatorilor care doresc să utilizeze stiva FARM (FastAPI, React și MongoDB) pentru a construi aplicații web dinamice, de înaltă performanță și scalabile.

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

Configurați mediul de dezvoltare necesar care integrează FastAPI, React și MongoDB. Înțelegeți conceptele-cheie, caracteristicile și beneficiile stivei FARM. Învățați cum să construiți API-uri REST cu FastAPI. Învățați cum să proiectați aplicații interactive cu React. Dezvoltați, testați și implementați aplicații (front end și back end) utilizând stiva FARM.