Cursurile de formare live de Deep Learning (DL) conduse de un instructor, online sau la fața locului, demonstrează prin exersare practică bazele și aplicațiile Deep Learning și acoperă subiecte precum învățarea automată profundă, învățarea structurată profundă și învățarea ierarhică. Instruirea Deep Learning este disponibilă ca „instruire live online” sau „instruire live la fața locului”. Instruirea live online (denumită în continuare „antrenament live la distanță”) se desfășoară prin intermediul unui desktop interactiv, la distanță . Instruirea live la fața locului poate fi efectuată local la sediul clienților în România sau în centrele de formare corporative NobleProg din România. NobleProg -- Furnizorul dvs. local de instruire
Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează profesioniștilor de nivel avansat care doresc să își aprofundeze cunoștințele despre viziunea computerizată și să exploreze capacitățile TensorFlow de a dezvolta modele sofisticate de viziune utilizând Google Colab.
La sfârșitul acestei formări, participanții vor fi capabili să:
Să construiască și să antreneze rețele neuronale convoluționale (CNN) utilizând TensorFlow.
Să utilizeze Google Colab pentru dezvoltarea de modele scalabile și eficiente bazate pe cloud.
Să implementeze tehnici de preprocesare a imaginilor pentru sarcini de viziune computerizată.
Implementați modele de viziune computerizată pentru aplicații din lumea reală.
Utilizarea învățării prin transfer pentru îmbunătățirea performanței modelelor CNN.
Vizualizați și interpretați rezultatele modelelor de clasificare a imaginilor.
Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor de date de nivel mediu care doresc să înțeleagă și să aplice tehnici de învățare profundă utilizând mediul Google Colab.
Până la sfârșitul acestui training, participanții vor fi capabili să:
Să configureze și să navigheze în Google Colab pentru proiecte de învățare profundă.
Să înțeleagă elementele fundamentale ale rețelelor neuronale.
Să implementeze modele de învățare profundă utilizând TensorFlow.
Să antreneze și să evalueze modele de învățare profundă.
Să utilizeze caracteristicile avansate ale TensorFlow pentru învățarea profundă.
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.
Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează profesioniștilor de nivel avansat care doresc să se specializeze în tehnici de învățare profundă de ultimă oră pentru NLU.
Până la sfârșitul acestui training, participanții vor fi capabili să:
Înțeleagă diferențele cheie dintre modelele NLU și NLP.
Să aplice tehnici avansate de învățare profundă pentru sarcinile NLU.
Să exploreze arhitecturi profunde, cum ar fi transformatoarele și mecanismele de atenție.
Să valorifice tendințele viitoare în NLU pentru a construi sisteme AI sofisticate.
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
Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează profesioniștilor de nivel avansat care doresc să utilizeze tehnicile AI pentru a revoluționa procesele de descoperire și dezvoltare a medicamentelor.
Până la sfârșitul acestei formări, participanții vor fi capabili să:
Înțeleagă rolul AI în descoperirea și dezvoltarea medicamentelor.
Să aplice tehnici de învățare automată pentru a prezice proprietățile și interacțiunile moleculare.
Să utilizeze modele de învățare profundă pentru screeningul virtual și optimizarea propunerilor.
Să integreze abordările bazate pe IA în procesul de testare clinică.
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.
Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor de date și inginerilor de învățare automată de nivel începător până la mediu care doresc să îmbunătățească performanța modelelor lor de învățare profundă.
Până la sfârșitul acestei formări, participanții vor fi capabili să:
Acest curs de formare live, condus de un instructor, în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător până la intermediar care doresc să utilizeze modele lingvistice mari pentru diverse sarcini de limbaj natural.
Până la sfârșitul acestei instruiri, participanții vor fi capabili să:
Să configureze un mediu de dezvoltare care include un LLM popular.
Să creeze un LLM de bază și să îl ajusteze pe un set de date personalizat.
Să utilizeze LLM-uri pentru diferite sarcini de limbaj natural, cum ar fi rezumarea textului, răspunsul la întrebări, generarea de text și altele.
Depanarea și evaluarea LLM-urilor utilizând instrumente precum TensorBoard, PyTorch Lightning și Hugging Face Datasets.
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.
În cadrul acestui curs de formare live, condus de un instructor, în România, participanții vor învăța cele mai relevante și de ultimă oră tehnici de învățare automată în Python pe măsură ce construiesc o serie de aplicații demo care implică imagini, muzică, text și date financiare.
Până la sfârșitul acestei instruiri, participanții vor fi capabili să:
Să implementeze algoritmi și tehnici de învățare automată pentru rezolvarea problemelor complexe.
Să aplice învățarea profundă și învățarea semisupervizată la aplicații care implică imagini, muzică, text și date financiare.
Să împingă algoritmii Python la potențialul lor maxim.
Să utilizeze biblioteci și pachete precum NumPy și Theano.
Acesta este un curs de 4 zile care prezintă inteligența artificială și aplicarea acesteia folosind limbajul de programare Python. Există opțiunea de a avea o zi suplimentară pentru a întreprinde un proiect AI la finalizarea acestui curs.
Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor și cercetătorilor de date care doresc să învețe elementele fundamentale ale Deep Reinforcement Learning pe măsură ce parcurg crearea unui agent de învățare profundă.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
Înțelegeți conceptele cheie din spatele Deep Reinforcement Learning și fiți capabili să le deosebiți de Machine Learning.
Aplicați algoritmi avansați Reinforcement Learning pentru a rezolva probleme din lumea reală.
În cadrul acestei formări live cu instructor în România, participanții vor învăța cum să implementeze modele de învățare profundă pentru telecomunicații utilizând Python pe măsură ce trec prin crearea unui model de învățare profundă a riscului de credit.
Până la sfârșitul acestei instruiri, participanții vor fi capabili să:
Înțeleagă conceptele fundamentale ale învățării profunde.
Să învețe aplicațiile și utilizările învățării profunde în telecomunicații.
Să utilizeze Python, Keras și TensorFlow pentru a crea modele de învățare profundă pentru telecomunicații.
Să construiască propriul model de învățare profundă de predicție a pierderii clienților utilizând Python.
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.
Acest curs acoperă AI (emphasizing Machine Learning și Deep Learning) în Automotive Industria. Ajută la determinarea tehnologiei care poate fi (potential) utilizată în mai multe situații într-un autovehicul: de la automatizare simplă, recunoaștere a imaginii la luarea de decizii autonome.
This instructor-led, live training in România (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.
By the end of this training, participants will be able to:
Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
Write and understand procedural, functional, and object-oriented programming code.
Implement machine learning techniques such as classification, clustering, and neural networks.
Develop AI solutions using rules engines and expert systems for problem-solving.
Rețeaua neuronală artificială este un model de date computaționale utilizat în dezvoltarea de sisteme Artificial Intelligence (AI) capabile să efectueze sarcini "inteligente". Neural Networks sunt utilizate în mod obișnuit în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML.
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.
Rețeaua neurală artificială este un model de date computational utilizat în dezvoltarea sistemelor de Artificial Intelligence (AI) capabile să realizeze sarcini "inteligente". Neural Networks sunt utilizate în mod obișnuit în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML.
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
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 este o prezentare generală pentru Deep Learning fără a aprofunda prea mult metodele specifice. Este potrivit pentru persoanele care doresc să înceapă să utilizeze învățarea profundă pentru a-și îmbunătăți precizia predicției.
Această formare live, cu instructor, în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor care doresc să instaleze, să configureze, să personalizeze și să utilizeze platforma DeepMind Lab pentru a dezvolta sisteme generale de inteligență artificială și învățare automată.
La finalul acestei formări, participanții vor fi capabili să:
Să personalizeze DeepMind Lab pentru a construi și rula un mediu care să corespundă nevoilor de învățare și formare.
Să utilizeze mediul de simulare 3D al DeepMind Lab pentru a antrena agenți de învățare într-un punct de vedere la persoana întâi.
Să faciliteze evaluarea agenților pentru a dezvolta inteligența într-o lume 3D asemănătoare unui joc.
Învățarea automată este o ramură a inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. Învățarea profundă este un subdomeniu al învățării automate care utilizează metode bazate pe învățarea reprezentărilor și structurilor datelor, cum ar fi rețelele neuronale.
Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează analiștilor de afaceri, cercetătorilor de date și dezvoltatorilor care doresc să construiască și să implementeze modele de învățare profundă pentru a accelera creșterea veniturilor și pentru a rezolva problemele din lumea afacerilor.
La finalul acestui training, participanții vor fi capabili să:
Înțeleagă conceptele de bază ale machine learning și deep learning.
Să obțină perspective asupra viitorului afacerilor și industriei cu ML și DL.
Să definească strategii și soluții de afaceri cu învățarea profundă.
Să învețe cum să aplice știința datelor și învățarea profundă în rezolvarea problemelor de afaceri.
Construiți modele de învățare profundă utilizând Python, Pandas, TensorFlow, CNTK, Torch, Keras etc.
Învățarea automată este o ramură a inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. Învățarea profundă este un subdomeniu al învățării automate care utilizează metode bazate pe învățarea reprezentărilor și structurilor de date, cum ar fi rețelele neuronale. Python este un limbaj de programare de nivel înalt renumit pentru sintaxa sa clară și lizibilitatea codului.
În cadrul acestei formări live cu instructor, participanții vor învăța cum să implementeze modele de învățare profundă pentru sectorul bancar utilizând Python pe măsură ce trec prin crearea unui model de învățare profundă a riscului de credit.
Până la sfârșitul acestei instruiri, participanții vor fi capabili să:
Înțeleagă conceptele fundamentale ale învățării profunde
Să învețe aplicațiile și utilizările învățării profunde în domeniul bancar
Să utilizeze Python, Keras și TensorFlow pentru a crea modele de învățare profundă pentru sectorul bancar
Să își construiască propriul model de învățare profundă a riscului de credit utilizând Python
Audiență
Dezvoltatori
Oameni de știință în domeniul datelor
Formatul cursului
Parte prelegere, parte discuție, exerciții și multă practică
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.
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.
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.
Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor de date care doresc să utilizeze TensorFlow pentru a analiza datele privind frauda potențială.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
Creeze un model de detectare a fraudelor în Python și TensorFlow.
Construiască regresii liniare și modele de regresie liniară pentru a prezice fraudele.
Dezvolte o aplicație AI completă pentru analiza datelor privind fraudele.
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.
Tip: Pregătire teoretică cu aplicații stabilite în prealabil cu studenții pe Lasagne sau Keras în funcție de grupa de predare.
Metoda de predare: prezentare, discuții și studii de caz
Inteligența artificială a revoluționat numeroase domenii științifice și începe să revoluționeze un număr mare de sectoare economice (industrie, medicină, comunicare etc.). Cu toate acestea, modul în care este prezentată în mediile de informare de masă este adesea o fantezie, departe de realitățile din domeniile Machine Learning și Deep Learning. Scopul acestui curs este de a oferi inginerilor care stăpânesc deja instrumentele informatice (inclusiv cunoștințe de bază în domeniul programării software) o introducere în Deep Learning și în diferitele sale domenii de specialitate și, prin urmare, în principalele arhitecturi de rețea existente în prezent. Deși bazele matematice sunt reamintite în timpul cursului, se recomandă un nivel de matematică de tipul BAC+2 pentru un confort mai mare. Este absolut posibil să se renunțe la matematică pentru a reține doar o viziune "sistemică", dar această abordare va limita foarte mult înțelegerea subiectului.
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.
În cadrul acestui training, instruit în direct, participanții vor învăța cum să folosească Matlab pentru a proiecta, construi și vizualiza o rețea neuronală convolutivă pentru recunoașterea imaginii.
Până la sfârșitul acestui antrenament, participanții vor putea:
Construiți un model de învățare profundă
Automatizarea etichetării datelor
Lucrați cu modele de la Caffe și TensorFlow - Keras
Antrenează date folosind mai multe GPU uri, cloud sau clustere
Public
Dezvoltatori
Ingineri
Experți în domeniu
Formatul cursului
Partea de prelegere, o discuție parțială, exerciții și practici practice
Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează profesioniștilor de nivel începător până la intermediar care doresc să își dezvolte înțelegerea algoritmilor de învățare automată, a tehnicilor de învățare profundă și a procesului decizional bazat pe IA. Cursul oferă experiență practică cu concepte de învățare automată, modele de învățare profundă și implementări practice utilizând R.Până la sfârșitul acestui curs, participanții vor fi capabili să:
Înțeleagă fundamentele învățării automate și ale învățării profunde.
Să aplice diverși algoritmi de învățare automată pentru regresie, clasificare, clustering și detectarea anomaliilor.
Să utilizeze arhitecturi de învățare profundă, cum ar fi rețelele neuronale artificiale (RNA).
Implementarea de modele de învățare supravegheată și nesupravegheată.
Evaluarea performanței modelului și optimizarea hiperparametrilor.
Utilizarea R pentru analiza datelor, vizualizare și aplicații de învățare automată.
Această sesiune de instruire bazată pe clasă va conține prezentări și exemple bazate pe computer și exerciții de studiu de caz pentru a le întreprinde cu biblioteci relevante de rețele neuronale și profunde.
Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează inginerilor software care doresc să programeze în Python cu OpenCV 4 pentru deep learning.
Până la sfârșitul acestui training, participanții vor fi capabili să:
Vizualizați, încărcați și clasificați imagini și videoclipuri utilizând OpenCV 4.
Să implementeze învățarea profundă în OpenCV 4 cu TensorFlow și Keras.
Să ruleze modele de învățare profundă și să genereze rapoarte cu impact din imagini și videoclipuri.
OpenFace este Python și Torch un software de recunoaștere facială în timp real, open-source, bazat pe cercetarea FaceNet a Google.
În cadrul acestei formări live cu instructor, participanții vor învăța cum să utilizeze componentele OpenFace pentru a crea și implementa un exemplu de aplicație de recunoaștere facială.
Până la sfârșitul acestei instruiri, participanții vor fi capabili să:
Să lucreze cu componentele OpenFace, inclusiv dlib, OpenVC, Torch, și nn4 pentru a implementa detectarea, alinierea și transformarea feței
Să aplice OpenFace în aplicații din lumea reală, cum ar fi supravegherea, verificarea identității, realitatea virtuală, jocurile și identificarea clienților fideli etc.
Audiență
Dezvoltatori
Oameni de știință în domeniul datelor
Formatul cursului
Parte prelegere, parte discuție, exerciții și multă practică
În cadrul acestei instruiri, instruite în direct, participanții vor învăța cum să configureze și să folosească OpenNMT pentru a efectua traducerea diferitelor seturi de date. Cursul începe cu o imagine de ansamblu a rețelelor neuronale, deoarece acestea se aplică la traducerea automată. Participanții vor efectua exerciții live pe tot parcursul cursului pentru a demonstra înțelegerea conceptelor învățate și pentru a primi feedback de la instructor.
Până la sfârșitul acestui training, participanții vor avea cunoștințele și practicile necesare pentru a implementa o soluție live OpenNMT .
Probele de limbă sursă și țintă vor fi pre-aranjate conform cerințelor audienței.
Formatul cursului
Part de conferință, parte discuție, practică practică grea
În cadrul acestui curs de formare live, condus de un instructor, participanții vor învăța tehnici avansate pentru Machine Learning cu R, pe măsură ce vor crea o aplicație din lumea reală.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
Înțelegeți și implementați tehnici de învățare nesupravegheată
Aplicați gruparea și clasificarea pentru a face predicții bazate pe date din lumea reală.
Vizualizați datele pentru a obține rapid informații, a lua decizii și a rafina în continuare analiza.
Îmbunătățiți performanța unui model de învățare automată utilizând reglarea hiper-parametrilor.
.
Puneți un model în producție pentru a-l utiliza într-o aplicație mai mare.
Aplicați tehnici avansate de învățare automată pentru a răspunde la întrebări care implică date de rețele sociale, date mari și altele.
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 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.
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.
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
Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor de date care doresc să treacă de la instruirea unui singur model ML la implementarea mai multor modele ML în producție.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
Instalați și configurați TFX și instrumentele de suport pentru terți.
Utilizați TFX pentru a crea și gestiona o conductă de producție ML completă.
.
Lucrați cu componentele TFX pentru a realiza modelarea, instruirea, servirea inferenței și gestionarea implementărilor.
.
Deplasați caracteristici de învățare automată în aplicații web, aplicații mobile, dispozitive IoT și multe altele.
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.
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
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
Citește mai mult...
Last Updated:
Mărturii(15)
Hunter este fabulos, foarte captivant, extrem de bine informat și personal. Foarte bine făcut.
Rick Johnson - Laramie County Community College
Curs - Artificial Intelligence (AI) Overview
Tradus de catre o masina
The clarity with which it was presented
John McLemore - Motorola Solutions
Curs - Deep Learning for Telecom (with Python)
The trainer explained the content well and was engaging throughout. He stopped to ask questions and let us come to our own solutions in some practical sessions. He also tailored the course well for our needs.
Robert Baker
Curs - Deep Learning with TensorFlow 2.0
Tomasz really know the information well and the course was well paced.
Raju Krishnamurthy - Google
Curs - TensorFlow Extended (TFX)
Organization, adhering to the proposed agenda, the trainer's vast knowledge in this subject
Ali Kattan - TWPI
Curs - Natural Language Processing with TensorFlow
The trainer was a professional in the subject field and related theory with application excellently
Fahad Malalla - Tatweer Petroleum
Curs - Applied AI from Scratch in Python
In-depth coverage of machine learning topics, particularly neural networks. Demystified a lot of the topic.
Sacha Nandlall
Curs - Python for Advanced Machine Learning
Very flexible.
Frank Ueltzhöffer
Curs - Artificial Neural Networks, Machine Learning and Deep Thinking
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
Paul Lee
Curs - TensorFlow for Image Recognition
I liked the new insights in deep machine learning.
Josip Arneric
Curs - Neural Network in R
We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.
Sebastiaan Holman
Curs - Machine Learning and Deep Learning
The global overview of deep learning.
Bruno Charbonnier
Curs - Advanced Deep Learning
The topic is very interesting.
Wojciech Baranowski
Curs - Introduction to Deep Learning
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.
Gudrun Bickelq
Curs - Introduction to the use of neural networks
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Curs - Artificial Neural Networks, Machine Learning, Deep Thinking
Sfarsit de saptamana Deep Learning Cursuri, Seara Deep Learning Training, DL (Deep Learning) Camp, Deep Learning (DL) Cu instructor, Sfarsit de saptamana Deep Learning (DL) Training, Seara Deep Learning (DL) Cursuri, DL (Deep Learning) Coaching, Deep Learning (DL) Instructor, Deep Learning (DL) Trainer, Deep Learning Cursuri, DL (Deep Learning) Clase, Deep Learning (DL) Pe pagina, Deep Learning (DL) curs privat, Deep Learning one on one training