TensorFlow Training in România

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.

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 .

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.

Acest curs vă va oferi cunoștințe în rețelele neuronale și, în general, în algoritmul de învățare automată, învățarea profundă (algoritmi și aplicații).Acest antrenament se concentrează mai mult pe elementele fundamentale, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow, Caffe, Teano, DeepDrive, Keras etc. Exemplele sunt făcute în 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.
.

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

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 cercetătorilor de date care doresc să utilizeze TensorFlow.js pentru a identifica tipare și a genera predicții prin intermediul modelelor de învățare automată. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Construiți și antrenați modele de învățare a mașinilor cu TensorFlow.js.
• Executați modelele de învățare automată existente în browser sau sub Node.js.
.
• Retrenează modelele de învățare automată preexistente folosind date personalizate.

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:

• Creați un model de detectare a fraudei în Python și TensorFlow.
.
• Construiți regresii liniare și modele de regresie liniară pentru a prezice frauda.
.
• Dezvoltați o aplicație AI end-to-end pentru analiza datelor de fraudă.
.

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.
.

Această instruire live (online sau la fața locului), condusă de un instructor, se adresează inginerilor care doresc să implementeze sarcini de lucru de învățare automată într-un OpenShift cloud on-premise sau hibrid.

• Până la sfârșitul acestui training, participanții vor fi capabili să:
• Instalați și configurați Kubernetes și Kubeflow pe un cluster OpenShift.
.
• Utilizați OpenShift pentru a simplifica munca de inițializare a unui cluster Kubernetes.
.
• Creați și implementați o conductă Kubernetes pentru automatizarea și gestionarea modelelor ML în producție.
.
• Învățați și implementați TensorFlow modele ML pe mai multe GPU și mașini care rulează în paralel.
.
• Apelarea serviciilor de cloud public (de exemplu, serviciile AWS) din cadrul OpenShift pentru a extinde o aplicație ML
.