Formare online Deep Learning în România

Această formare condusă de un instructor, live în România (online sau la fața locului) este destinată dezvoltatorilor de nivel intermediar, oamenilor de știință de date și practicienilor AI care doresc să exploateze TensorFlow Lite pentru aplicații Edge AI.

La finalul acestei formări, participanții vor putea:

• Înțelege noțiunile de bază ale TensorFlow Lite și rolul său în Edge AI.
• Dezvolta și optimiza modele de AI folosind TensorFlow Lite.
• Implementa modele TensorFlow Lite pe diverse dispozitive de margine.
• Utiliza instrumente și tehnici pentru conversia și optimizarea modelelor.
• Implementa aplicații practice Edge AI folosind TensorFlow Lite.

Această formare condusă de un instructor, live în România (online sau la fața locului), este destinată profesioniștilor de nivel avansat care doresc să-și aprofundeze înțelegerea computer vision și să exploreze capacitățile TensorFlow pentru dezvoltarea de modele sofisticate de vedere folosind Google Colab.

La finalul acestei formări, participanții vor putea:

• Să construiască și să antreneze rețele neuronale convoluționale (CNN) folosind TensorFlow.
• Să utilizeze Google Colab pentru dezvoltarea scalabilă și eficientă a modelelor bazate pe cloud.
• Să implementeze tehnici de preprocesare a imaginilor pentru sarcini de computer vision.
• Să implementeze modele de computer vision pentru aplicații din lumea reală.
• Să folosească transfer learning pentru a îmbunătăți performanța modelelor CNN.
• Să vizualizeze și să interpreteze rezultatele modelelor de clasificare a imaginilor.

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat specialiștilor în date și dezvoltatorilor de nivel intermediar care doresc să înțeleagă și să aplice tehnici de deep learning folosind mediul Google Colab.

La sfârșitul acestui training, participanții vor putea:

• Să configureze și să navigheze în Google Colab pentru proiecte de deep learning.
• Să înțeleagă elementele de bază ale rețelelor neuronale.
• Să implementeze modele de deep learning folosind TensorFlow.
• Să antreneze și să evalueze modele de deep learning.
• Să utilizeze funcționalități avansate ale TensorFlow pentru deep learning.

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat profesioniștilor de nivel avansat care doresc să se specializeze în tehnici de învățare profundă de ultimă oră pentru NLU.

La finalul acestui training, participanții vor putea:

• Să înțeleagă diferențele cheie dintre modelele NLU și NLP.
• Să aplice tehnici avansate de învățare profundă în sarcinile NLU.
• Să explore arhitecturi profunde, cum ar fi transformatoarele și mecanismele de atenție.
• Să valorifice tendințele viitoare în NLU pentru a construi sisteme AI sofisticate.

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat specialiștilor în știința datelor, inginerilor de învățare automată, cercetătorilor în învățare profundă și experților în vizionarea computerizată de la nivel intermediar la avansat, care doresc să-și extindă cunoștințele și abilitățile în domeniul învățării profunde pentru generarea de imagini din text.

La sfârșitul acestui training, participanții vor putea:

• Să înțeleagă arhitecturi și tehnici avansate de învățare profundă pentru generarea de imagini din text.
• Să implementeze modele complexe și optimizări pentru sinteza de imagini de înaltă calitate.
• Să optimizeze performanța și scalabilitatea pentru seturi de date mari și modele complexe.
• Să ajusteze hiperparametrii pentru o performanță și o generalizare mai bună a modelului.
• Să integreze Stable Diffusion cu alte framework-uri și instrumente de învățare profundă

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat profesioniștilor de nivel avansat care doresc să exploateze tehnici de AI pentru a revoluționa procesele de descoperire și dezvoltare de medicamente.

La sfârșitul acestui training, participanții vor fi capabili să:

• Înțeleagă rolul AI în descoperirea și dezvoltarea de medicamente.
• Aplice tehnici de învățare automată pentru a prezice proprietățile și interacțiunile moleculare.
• Utilizeze modele de învățare profundă pentru screening virtual și optimizarea compușilor lideri.
• Integreze abordări bazate pe AI în procesul de studii clinice.

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat biologiilor care doresc să înțeleagă cum funcționează AlphaFold și să utilizeze modelele AlphaFold ca ghid în studiile lor experimentale.

La sfârșitul acestui training, participanții vor fi capabili să:

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

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat oamenilor de știință de date și inginerilor de machine learning de la nivel începător până la intermediar, care doresc să îmbunătățească performanța modelelor lor de învățare profundă.

La sfârșitul acestui training, participanții vor putea:

• Să înțeleagă principiile învățării profunde distribuite.
• Să instaleze și să configureze DeepSpeed.
• Să scaleze modele de învățare profundă pe hardware distribuit folosind DeepSpeed.
• Să implementeze și să experimenteze cu funcționalitățile DeepSpeed pentru optimizare și eficiență de memorie.

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat dezvoltatorilor de nivel începător până la intermediar care doresc să utilizeze Modelele de Limbaj de Mare Amploare pentru diverse sarcini de limbaj natural.

La sfârșitul acestui training, participanții vor putea:

• Să configureze un mediu de dezvoltare care include un LLM popular.
• Să creeze un LLM de bază și să-l ajusteze pe un set de date personalizat.
• Să utilizeze LLMs pentru diverse sarcini de limbaj natural, cum ar fi rezumarea textelor, răspunsul la întrebări, generarea de texte și multe altele.
• Să depaneze și să evalueze LLMs folosind instrumente precum TensorBoard, PyTorch Lightning și Hugging Face Datasets.

Această sesiune de instruire condusă de un instructor, live (online sau la fața locului), este destinată specialiștilor în știința datelor, inginerilor de învățare automată și cercetătorilor în domeniul viziunii computerizate care doresc să exploateze Stable Diffusion pentru a genera imagini de înaltă calitate pentru o varietate de cazuri de utilizare.

La finalul acestei instruiri, participanții vor putea:

• Înțelege principiile Stable Diffusion și cum funcționează pentru generarea de imagini.
• Construi și antrenează modele Stable Diffusion pentru sarcini de generare de imagini.
• Aplică Stable Diffusion în diverse scenarii de generare de imagini, cum ar fi inpainting, outpainting și traducerea imagine-la-imagine.
• Optimizează performanța și stabilitatea modelelor Stable Diffusion.

În acest training live condus de un instructor în România, participanții vor învăța cele mai relevante și inovatoare tehnici de învățare automată în Python, în timp ce vor construi o serie de aplicații demo care implică date de imagine, muzică, text și financiare.

La finalul acestui training, participanții vor putea:

• Să implementeze algoritmi și tehnici de învățare automată pentru rezolvarea problemelor complexe.
• Să aplice învățarea profundă și învățarea semi-supervizată în aplicații care implică date de imagine, muzică, text și financiare.
• Să exploateze algoritmii Python la maximul potențialului lor.
• Să utilizeze biblioteci și pachete precum NumPy și Theano.

Acest este un curs de 4 zile care introduce conceptele de AI și aplicațiile acestora folosind limbajul de programare Python. Există opțiunea de a adăuga o zi suplimentară pentru a realiza un proiect de AI după finalizarea acestui curs. 

Învățarea Profundă prin Reforțare (DRL) combină principiile învățării prin reforțare cu arhitecturile de învățare profundă pentru a permite agenților să ia decizii prin interacțiunea cu mediile lor. Aceasta stă la baza multor avansuri moderne în domeniul inteligenței artificiale, cum ar fi vehiculele autonome, controlul roboticii, tranzacționarea algoritmică și sistemele de recomandare adaptivă. DRL permite unui agent artificial să învețe strategii, să optimizeze politici și să ia decizii autonome bazate pe încercare și eroare folosind învățarea bazată pe recompense.

Acest antrenament condus de un instructor, live (online sau la fața locului), este destinat dezvoltatorilor și oamenilor de știință de date de nivel intermediar care doresc să învețe și să aplice tehnici de Învățare Profundă prin Reforțare pentru a construi agenți inteligenți capabili să ia decizii autonome în medii complexe.

La sfârșitul acestui antrenament, participanții vor putea:

• Să înțeleagă fundamentele teoretice și principiile matematice ale Învățării prin Reforțare.
• Să implementeze algoritmi cheie de RL, inclusiv Q-Learning, Policy Gradients și metode Actor-Critic.
• Să construiască și să antreneze agenți de Învățare Profundă prin Reforțare folosind TensorFlow sau PyTorch.
• Să aplice DRL în aplicații din lumea reală, cum ar fi jocuri, robotică și optimizarea deciziilor.
• Să depaneze, să vizualizeze și să optimizeze performanța antrenamentului folosind instrumente moderne.

Formatul Cursului

• Prelegere interactivă și discuție ghidată.
• Exerciții practice și implementări practice.
• Demonstrații live de codare și aplicații bazate pe proiecte.

Opțiuni de Personalizare a Cursului

• Pentru a solicita o versiune personalizată a acestui curs (de exemplu, folosind PyTorch în loc de TensorFlow), vă rugăm să ne contactați pentru a aranja.

În acest training condus de un instructor, în timp real în România, participanții vor învăța cum să implementeze modele de învățare profundă pentru telecomunicații folosind Python, parcurgând crearea unui model de învățare profundă pentru evaluarea riscului de credit.

La sfârșitul acestui training, participanții vor putea:

• Să înțeleagă conceptele fundamentale ale învățării profunde.
• Să învețe aplicațiile și utilizările învățării profunde în telecomunicații.
• Să folosească Python, Keras și TensorFlow pentru a crea modele de învățare profundă pentru telecomunicații.
• Să își construiască propriul model de predicție a abandonului clienților folosind Python.

Acest curs a fost creat pentru manageri, arhitecți de soluții, ofițeri de inovație, CTO, arhitecți software și orice persoană interesată de o prezentare generală a inteligenței artificiale aplicate și de cea mai apropiată prognoză a dezvoltării sale.

Acest curs acoperă Inteligența Artificială (cu accent pe Învățarea Automată și Învățarea Profundă) în Industria Automobilă. Ajută la determinarea tehnologiei care poate fi (potențial) utilizată în multiple situații într-o mașină: de la automatizarea simplă, recunoașterea imaginilor până la luarea deciziilor autonome.

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat participanților de nivel începător care doresc să învețe concepte esențiale în probabilități, statistică, programare și învățare automată, și să le aplice în dezvoltarea de AI.

La finalul acestui training, participanții vor putea:

• Să înțeleagă conceptele de bază în probabilități și statistică și să le aplice în scenarii din lumea reală.
• Să scrie și să înțeleagă cod de programare procedural, funcțional și orientat pe obiecte.
• Să implementeze tehnici de învățare automată precum clasificare, clustering și rețele neuronale.
• Să dezvolte soluții AI folosind motoare de reguli și sisteme expert pentru rezolvarea problemelor.

Rețeaua Neurală Artificială este un model de date computațional utilizat în dezvoltarea sistemelor de Inteligență Artificială (IA) capabile să efectueze sarcini „inteligente”. Rețelele Neuronale sunt utilizate în mod obișnuit în aplicațiile de Învățare Automată (ML), care la rândul lor reprezintă o implementare a IA. Învățarea Profundă este un subset al ML.

Acesta este un curs de 4 zile care introduce conceptele de AI și aplicațiile acestuia. Există opțiunea de a adăuga o zi suplimentară pentru realizarea unui proiect de AI după finalizarea acestui curs. 

Această instruire condusă de un instructor, live în România (online sau la fața locului), este destinată specialiștilor în date și statisticienilor de nivel intermediar care doresc să pregătească date, să construiască modele și să aplice tehnicile de învățare automată eficient în domeniile lor profesionale.

La finalul acestei instruiri, participanții vor putea:

• Să înțeleagă și să implementeze diverse algoritme de Învățare Automată.
• Să pregătească date și modele pentru aplicații de învățare automată.
• Să efectueze analize post hoc și să vizualizeze rezultatele în mod eficient.
• Să aplice tehnici de învățare automată în scenarii specifice din lumea reală.

Rețeaua Neurală Artificială este un model de date computațional utilizat în dezvoltarea sistemelor de Inteligență Artificială (IA) capabile să execute sarcini "inteligente". Rețelele Neuronale sunt utilizate în mod obișnuit în aplicațiile de Învățare Automată (ML), care sunt la rândul lor o implementare a IA. Învățarea Profundă este un subset al ML.

Caffe este un cadru de învățare profundă conceput cu gândire la expresivitate, viteză și modularitate.

Acest curs explorează aplicarea lui Caffe ca un cadru de învățare profundă pentru recunoașterea imaginilor, folosind MNIST ca exemplu.

Public țintă

Acest curs este potrivit pentru cercetători și ingineri în domeniul Învățării Profunde care sunt interesați să utilizeze Caffe ca un cadru de lucru.

După parcurgerea acestui curs, participanții vor fi capabili să:

• înțeleagă structura și mecanismele de implementare ale lui Caffe
• efectueze sarcini de instalare / configurare a mediului de producție / arhitectură
• evalueze calitatea codului, efectueze depanare și monitorizare
• implementeze procese avansate de producție, cum ar fi antrenarea modelelor, implementarea straturilor și înregistrarea datelor

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat cercetătorilor și dezvoltatorilor care doresc să folosească Chainer pentru a construi și antrena rețele neuronale în Python, făcând codul ușor de depanat.

La finalul acestui training, participanții vor putea:

• Să configureze mediul de dezvoltare necesar pentru a începe dezvoltarea modelelor de rețele neuronale.
• Să definească și să implementeze modele de rețele neuronale folosind un cod sursă ușor de înțeles.
• Să execute exemple și să modifice algoritmi existenți pentru a optimiza modelele de antrenament de învățare profundă, utilizând GPU-uri pentru performanțe ridicate.

Computer Network ToolKit (CNTK) este cadrul open source al Microsoft pentru învățarea automată, proiectat pentru antrenarea eficientă a rețelelor neuronale recurente (RNN) pe mai multe mașini și GPU, aplicabil în domenii precum vocea, textul și imaginile.

Publicul țintă

Acest curs este destinat inginerilor și arhitecților care doresc să utilizeze CNTK în proiectele lor.

Acest training condus de un instructor, live în România (online sau la fața locului), oferă o introducere în domeniul recunoașterii modelelor și al învățării automate. Acesta abordează aplicații practice în statistică, informatică, procesarea semnalelor, vizualizarea computerizată, exploatarea datelor și bioinformatică.

La sfârșitul acestui training, participanții vor putea:

• Aplica metode statistice de bază în recunoașterea modelelor.
• Utiliza modele cheie precum rețele neuronale și metode bazate pe nuclee pentru analiza datelor.
• Implementa tehnici avansate pentru rezolvarea problemelor complexe.
• Îmbunătăți acuratețea predicțiilor prin combinarea diferitelor modele.

Acest curs oferă o prezentare generală a Învățării Profunde fără a intra prea adânc în metode specifice. Este potrivit pentru persoanele care doresc să înceapă să folosească Învățarea Profundă pentru a-și îmbunătăți acuratețea predicției.

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat 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 acestui training, participanții vor putea:

• Personaliza DeepMind Lab pentru a construi și a rula un mediu care să răspundă nevoilor de învățare și antrenament.
• Utiliza mediul de simulare 3D al DeepMind Lab pentru a antrena agenți de învățare într-o perspectivă first-person.
• Facilita evaluarea agenților pentru a dezvolta inteligența într-o lume 3D asemănătoare unui joc.

Învățarea automată este o ramură a Inteligenței Artificiale în care computerele 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.

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat analiștilor de afaceri, oamenilor de știință în domeniul datelor și dezvoltatorilor care doresc să construiască și să implementeze modele de învățare profundă pentru a accelera creșterea veniturilor și a rezolva probleme din lumea afacerilor.

La finalul acestui training, participanții vor putea:

• Înțelege conceptele de bază ale învățării automate și învățării profunde.
• Obține perspective asupra viitorului afacerilor și industriei cu ML și DL.
• Definește strategii și soluții de afaceri cu învățarea profundă.
• Învață cum să aplici știința datelor și învățarea profundă în rezolvarea problemelor de afaceri.
• Construiește modele de învățare profundă folosind 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 acest training condus de un instructor, participanții vor învăța cum să implementeze modele de învățare profundă pentru banking folosind Python, parcurgând crearea unui model de învățare profundă pentru evaluarea riscului de credit.

La sfârșitul acestui training, participanții vor putea:

• Înțelege conceptele fundamentale ale învățării profunde
• Afla despre aplicațiile și utilizările învățării profunde în banking
• Folosi Python, Keras și TensorFlow pentru a crea modele de învățare profundă pentru banking
• Construi propriul model de învățare profundă pentru evaluarea riscului de credit folosind Python

Publicul țintă

• Dezvoltatori
• Oameni de știință de date

Formatul cursului

• Parțial curs, parțial discuții, exerciții și practică intensă

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

La finalul acestui training, participanții vor putea:

• Proiecta și scrie cod DL pentru NLP folosind biblioteci Python.
• Crea cod Python care citește o colecție mare de imagini și generează cuvinte cheie.
• Crea cod Python care generează descrieri din cuvintele cheie detectate.

Publicul țintă

Acest curs este potrivit pentru cercetătorii și inginerii din domeniul Învățării Profunde care sunt interesați să utilizeze instrumentele disponibile (în mare parte open source) pentru analiza imaginilor de calculator.

Acest curs oferă exemple practice.

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat specialiștilor în știința datelor care doresc să accelereze aplicațiile de învățare automată în timp real și să le implementeze la scară largă.

La finalul acestui training, participanții vor putea:

• Instala toolkit-ul OpenVINO.
• Accelera o aplicație de vizualizare pe calculator folosind un FPGA.
• Executa diferite straturi CNN pe FPGA.
• Scala aplicația pe mai multe noduri într-un cluster Kubernetes.

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat specialiștilor în știința datelor care doresc să utilizeze TensorFlow pentru a analiza date potențial frauduloase.

La finalul acestui training, 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 frauda.
• Dezvolte o aplicație AI de la cap la capăt pentru analiza datelor frauduloase.

Acest antrenament condus de un instructor, live în România (online sau la fața locului), este destinat dezvoltatorilor sau oamenilor de știință de date care doresc să folosească Horovod pentru a rula antrenamente de învățare profundă distribuită și să le scaleze pentru a rula pe mai multe GPU-uri în paralel.

La sfârșitul acestui antrenament, participanții vor putea:

• Să configureze mediul de dezvoltare necesar pentru a începe antrenamentele 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 GPU-uri.

Acest training condus de un instructor, live în România (online sau la fața locului) este destinat persoanelor tehnice care doresc să aplice modele de învățare profundă în aplicații de recunoaștere a imaginilor.

La sfârșitul acestui training, participanții vor putea:

• Instala și configura Keras.
• Prototipa rapid modele de învățare profundă.
• Implementa o rețea convoluțională.
• Implementa o rețea recurentă.
• Executa un model de învățare profundă atât pe CPU, cât și pe GPU.

În acest training condus de un instructor, participanții vor învăța cum să folosească Matlab pentru a proiecta, construi și vizualiza o rețea neuronală convoluțională pentru recunoașterea imaginilor.

La finalul acestui training, participanții vor fi capabili să:

• Construiască un model de învățare profundă
• Automatizeze etichetarea datelor
• Lucreze cu modele din Caffe și TensorFlow-Keras
• Antreneze date folosind mai multe GPU-uri, cloud-ul sau clustere

Public țintă

• Dezvoltatori
• Ingineri
• Experți în domeniu

Formatul cursului

• Parțial curs teoretic, parțial discuții, exerciții și practică intensă

Acest training condus de un instructor, în format live în România (online sau la fața locului), este destinat profesioniștilor de la nivel începător până la intermediar care doresc să-și dezvolte înțelegerea algoritmilor de învățare automată, tehnicilor de învățare profunde și a luării deciziilor bazate pe IA. Cursul oferă experiență practică cu concepte de învățare automată, modele de învățare profundă și implementări practice folosind R.

La finalul acestui training, participanții vor fi capabili să:

• Înțeleagă elementele de bază ale învățării automate și învățării profunde.
• Aplice diverși algoritmi de învățare automată pentru regresie, clasificare, clustering și detectare de anomalii.
• Folosească arhitecturi de învățare profundă, cum ar fi rețelele neuronale artificiale (ANNs).
• Implementeze modele de învățare supervizată și nesupervizată.
• Evalueze performanța modelelor și optimizeze hiperparametrii.
• Folosească R pentru analiza datelor, vizualizare și aplicații de învățare automată.

Formarea este destinată persoanelor care doresc să învețe elementele de bază ale rețelelor neuronale și aplicațiile acestora.

Această sesiune de formare bazată pe sală de clasă va include prezentări și exemple pe calculator, precum și exerciții de studiu de caz de realizat cu ajutorul unor biblioteci relevante pentru rețele neuronale și deep learning.

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat inginerilor de software care doresc să programeze în Python cu OpenCV 4 pentru învățarea profundă.

La finalul acestui training, participanții vor putea:

• Vizualiza, încărca și clasifica imagini și videoclipuri folosind OpenCV 4.
• Implementa învățarea profundă în OpenCV 4 cu TensorFlow și Keras.
• Rula modele de învățare profundă și a genera rapoarte impactante din imagini și videoclipuri.

În acest antrenament live condus de un instructor, participanții vor învăța tehnici avansate de Învățare a Mașinilor cu R, parcurgând crearea unei aplicații din lumea reală.

La finalul acestui antrenament, participanții vor putea:

• Înțelege și implementează tehnici de învățare nesupervizată
• Aplică clustering și clasificare pentru a face predicții bazate pe date din lumea reală.
• Vizualizează date pentru a obține rapid informații, a lua decizii și a rafina analiza.
• Îmbunătățește performanța unui model de învățare a mașinilor folosind ajustarea hiperparametrilor.
• Pune un model în producție pentru utilizarea într-o aplicație mai mare.
• Aplică tehnici avansate de învățare a mașinilor pentru a răspunde la întrebări legate de date din rețele sociale, date mari și multe altele.

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

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat dezvoltatorilor și oamenilor de știință care doresc să folosească TensorFlow 2.x pentru a construi predictori, clasificatori, modele generative, rețele neuronale și altele.

La sfârșitul acestui training, participanții vor putea:

• Să instaleze și să configureze TensorFlow 2.x.
• Să înțeleagă beneficiile TensorFlow 2.x față de versiunile anterioare.
• Să construiască modele de învățare profundă.
• Să implementeze un clasificator avansat de imagini.
• Să implementeze un model de învățare profundă în cloud, dispozitive mobile și dispozitive IoT.

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat inginerilor care doresc să scrie, să încarce și să ruleze modele de învățare automată pe dispozitive embedded foarte mici.

La sfârșitul acestui training, participanții vor putea:

• Să instaleze TensorFlow Lite.
• Să încarce modele de învățare automată pe un dispozitiv embedded pentru a-i permite să detecteze vorbire, să clasifice imagini etc.
• Să adauge inteligență artificială la dispozitivele hardware fără a se baza pe conectivitatea la rețea.

În cadrul acestui training condus de un instructor, live 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 training, participanții vor putea:

• Antrena, exporta și servi diverse modele TensorFlow.
• Testa și implementa algoritmi folosind o singură arhitectură și un set de API-uri.
• Extinde TensorFlow Serving pentru a servi alte tipuri de modele în afară de modelele TensorFlow.

TensorFlow este o API de a doua generație a bibliotecii de software open source a Google pentru Învățarea Profundă. Sistemul este proiectat pentru a facilita cercetarea în învățarea automată și pentru a face rapidă și ușoară trecerea de la prototipul de cercetare la sistemul de producție.

Publicul țintă

Acest curs este destinat inginerilor care doresc să utilizeze TensorFlow pentru proiectele lor de Învățare Profundă.

După finalizarea acestui curs, participanții vor:

• înțelege structura și mecanismele de implementare ale TensorFlow
• să fie capabili să efectueze sarcini de instalare / mediu de producție / arhitectură și configurare
• să fie capabili să evalueze calitatea codului, să efectueze depanare și monitorizare
• să fie capabili să implementeze tehnici avansate de producție, cum ar fi antrenarea modelelor, construirea de grafice și logare

Acest curs explorează, prin exemple specifice, aplicarea TensorFlow în scopul recunoașterii imaginilor.

Public țintă

Acest curs este destinat inginerilor care doresc să utilizeze TensorFlow pentru recunoașterea imaginilor.

După parcurgerea acestui curs, participanții vor putea:

• să înțeleagă structura și mecanismele de implementare ale TensorFlow
• să efectueze sarcini de instalare / configurare a mediului de producție / arhitectură
• să evalueze calitatea codului, să efectueze depanare și monitorizare
• să implementeze tehnici avansate de producție, cum ar fi antrenarea modelelor, construirea de grafice și logare

Acest training condus de un instructor, live în România (online sau la fața locului), este destinat specialiștilor în știința datelor care doresc să treacă de la antrenarea unui singur model ML la implementarea mai multor modele ML în producție.

La sfârșitul acestui training, participanții vor putea:

• Instala și configura TFX și instrumente terțe de suport.
• Utiliza TFX pentru a crea și gestiona un pipeline complet de producție ML.
• Lucra cu componentele TFX pentru a efectua modelare, antrenament, inferență și gestionarea implementărilor.
• Implementa funcții de învățare automată în aplicații web, aplicații mobile, dispozitive IoT și nu numai.

TensorFlow™ este o bibliotecă software open source pentru calcul numeric folosind grafuri de flux de date.

SyntaxNet este un cadru de procesare a limbajului natural bazat pe rețele neuronale pentru TensorFlow.

Word2Vec este utilizat pentru învățarea reprezentărilor vectoriale ale cuvintelor, numite „încorporări de cuvinte” (word embeddings). Word2Vec este un model predictiv eficient din punct de vedere computațional pentru învățarea încorporărilor de cuvinte din text brut. Acesta este disponibil în două variante: modelul Continuous Bag-of-Words (CBOW) și modelul Skip-Gram (Capitolul 3.1 și 3.2 în Mikolov et al.).

Folosite împreună, SyntaxNet și Word2Vec permit utilizatorilor să genereze modele de încorporare învățate din date de limbaj natural.

Publicul țintă

Acest curs este destinat dezvoltatorilor și inginerilor care intenționează să lucreze cu modele SyntaxNet și Word2Vec în grafurile lor TensorFlow.

După parcurgerea acestui curs, participanții vor:

• înțelege structura și mecanismele de implementare ale TensorFlow
• să fie capabili să efectueze sarcini de instalare / configurare a mediului de producție / arhitectură
• să fie capabili să evalueze calitatea codului, să efectueze depanare și monitorizare
• să fie capabili să implementeze procese avansate de producție, cum ar fi antrenarea modelelor, încorporarea termenilor, construirea grafurilor și înregistrarea datelor

Acest curs începe prin a vă oferi cunoștințe conceptuale despre rețele neuronale și, în general, despre algoritmii de învățare automată, învățarea profundă (algoritmi și aplicații).

Partea 1 (40%) a acestui training se concentrează mai mult pe fundamente, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.

Partea 2 (20%) a acestui training introduce Theano - o bibliotecă Python care facilitează scrierea modelelor de învățare profundă.

Partea 3 (40%) a trainingului va fi în mare parte bazată pe TensorFlow - API-ul bibliotecii de software open source a Google pentru Învățarea Profundă. Exemplele și exercițiile practice vor fi realizate în TensorFlow.

Publicul țintă

Acest curs este destinat inginerilor care doresc să folosească TensorFlow pentru proiectele lor de Învățare Profundă.

După finalizarea acestui curs, participanții vor:

• avea o bună înțelegere a rețelelor neuronale profunde (DNN), CNN și RNN
• înțelege structura și mecanismele de implementare ale TensorFlow
• să poată efectua sarcini de instalare / configurare a mediului de producție / arhitectură
• să poată evalua calitatea codului, să efectueze depanare și monitorizare
• să poată implementa procese avansate de producție, cum ar fi antrenarea modelelor, construirea de grafice și înregistrarea de loguri