Deep Learning Training in Dobrogea

Această antrenament live (online sau presenzial) în Dobrogea este destinat dezvoltatorilor de nivel intermediar, cercetătorilor de date și practicionerilor AI care doresc să folosească TensorFlow Lite pentru aplicațiile AI la bord.

La sfârșitul acestui antrenament, participanții vor putea:

• Să înțeleagă fundamentalele TensorFlow Lite și rolul său în AI la bord.
• Să dezvolte și optimizze modele de IA folosind TensorFlow Lite.
• Să deployeze modele TensorFlow Lite pe diferite dispozitive la bord.
• Să utilizeze instrumentele și tehnicile pentru conversia și optimizarea modelului.
• Să implementeze aplicații AI la bord practice folosind TensorFlow Lite.

Acest curs în directie (online sau presenzial) este destinat profesionistilor avansați care doresc să adâncească cunoștințele lor despre viziunea computerizată și să exploreze capacitățile TensorFlow pentru dezvoltarea de modele vizual complexe folosind Google Colab.

La sfârșitul acestui training, participanții vor putea:

• Construi și antrena rețele neuronale convolutionale (CNNs) folosind TensorFlow.
• Exploata Google Colab pentru dezvoltarea de modele bazată pe cloud, scalabilă și eficientă.
• Implementa tehnici de preprocesare a imaginilor pentru sarcinile de viziune computerizată.
• Deploy-a modelele de viziune computerizată pentru aplicatii din viata reala.
• Folosi învățarea transferului pentru a îmbunătăți performanța modelelor CNN.
• Visualiza și interpreta rezultatele modelelor de clasificare a imaginilor.

Acest training interactiv în timp real (prescurtat sau online) este destinat specialistilor intermediați în domeniul datelor și dezvoltatorilor care doresc să înțeleagă și să aplique tehnici de învățare profundă folosind mediul Google Colab.

La sfârșitul acestui training, participanții vor putea:

• Setați și navigați prin Google Colab pentru proiectele de învățare profundă.
• Înțelege fundamentele rețelelor neuronale.
• Implementați modele de învățare profundă folosind TensorFlow.
• Antrenați și evaluați modelele de învățare profundă.
• Utilizați funcțiile avansate ale TensorFlow pentru învățarea profundă.

Această instruire live, condusă de un instructor în Dobrogea (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 Dobrogea (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 formare live, condusă de un instrucțurator în Dobrogea (online sau pe locație) se adresează profesionistilor avansați care dorește să folosească tehnici AI pentru a revoluționa procesele de descoperire și dezvoltare a medicamentelor.

La sfârșitul acestei forme, participanții vor putea:

• Să înțeleagă rolul AI în descoperirea și dezvoltarea medicamentelor.
• Să aplice tehnici de machine learning pentru a prezice proprietățile moleculare și interacțiunile.
• Să folosească modele de învățare profundă pentru ecranizarea virtuală și optimizarea lead-urilor.
• Să integreze abordările bazate pe AI în procesul de trial clinic.

Această formare live, cu instructor, în Dobrogea (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 Dobrogea (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:

• Înțeleagă principiile învățării profunde distribuite.
• Să instaleze și să configureze DeepSpeed.
• Să scaleze modele de învățare profundă pe hardware distribuit utilizând DeepSpeed.
• Să implementeze și să experimenteze caracteristicile DeepSpeed pentru optimizare și eficientizarea memoriei.

Acest curs de formare live, condus de un instructor, în Dobrogea (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 Dobrogea, 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.

Acest curs de instruire live, condus de un instructor în Dobrogea (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.
• Construiți un agent de învățare profundă.
.

În cadrul acestei formări live cu instructor în Dobrogea, 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.

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.

Acest training în direcția instructorului (online sau live) este destinat oamenilor cu cunoștințe intermedii în domeniul științei datelor și statisticilor care doresc să pregătească date, construi modele și să aplică eficient tehnici de învățare automată în domeniile lor profesionale.

La sfârșitul acestui training, participantii vor putea:

• Să înțeleagă și implementeze diverse algoritmi Machine Learning.
• Să pregătească datele și modelele pentru aplicațiile de învățare automată.
• Să efectueze analize post hoc și să vizualizeze rezultatele eficient.
• Să aplique tehnici de învățare automată la scenarii specifice domeniului, real-world.

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
• 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 Dobrogea (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 Dobrogea (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 Dobrogea (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 Dobrogea, 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 Dobrogea (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 Dobrogea (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 Dobrogea (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 Dobrogea (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 Dobrogea (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.

Antrenamentul este destinat persoanelor care vor să învețe bazele rețelelor neuronale și aplicațiile lor.

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 Dobrogea (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 această antrenament guiți de un instrucțuator, participanții vor învăța cum să configureze și să folosească OpenNMT pentru a efectua traducerea mai multor seturi de date de exemplu. Cursul începe cu o prezentare generală a rețelelor neuronale în ceea ce le privește aplicarea la traducere automatizată. Participanții vor efectua exerciții live pe parcursul cursului pentru a demonstra înțelegerea conceptelor învățate și să primească feedback de la instrucțuator.

La sfârșitul acestui antrenament, participanții vor avea cunoștințele și practica necesare pentru a implementa o soluție live OpenNMT.

Exemplele de limbi sursă și țintă vor fi aranjate în avans conform cererilor publicului.

Format al Cursului

• Partea teoretică, parte practică, cu accent pe exerciții interactive

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.
.

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

Această instruire live, condusă de un instructor în Dobrogea (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 Dobrogea (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 Dobrogea (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.

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

Acest curs de instruire live, condus de un instructor în Dobrogea (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 această antrenament cu instrucționare directe din partea unui instructor în Dobrogea, participanții vor învăța cum să profită de inovările din procesorii TPU pentru a maximiza performanța aplicațiilor lor proprii AI.

La sfârșitul antrenamentului, participanții vor putea:

• Antrena diferite tipuri de rețele neuronale pe mase mari de date.
• Folosi TPU-uri pentru a accelera procesul de inferență cu până la două ordine de mărime.
• Utiliza TPU-uri pentru a procesa aplicații intensive precum căutarea imaginilor, vederile în noul cloud 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