Fraud Detection with Python and TensorFlow Képzés
TensorFlow egy nyílt forráskódú gépi tanulási könyvtár. TensorFlow lehetővé teszi a felhasználók számára, hogy mesterséges intelligenciát használjanak és létrehozzanak a csalás kimutatására és előrejelzésére.
Ez az oktató által vezetett, élő képzés (online vagy online) célja az adattudósok, akik szeretnék használni TensorFlow elemezni a lehetséges csalási adatok.
A képzés befejezése után a résztvevők képesek lesznek:
- Csalásfelderítő modell létrehozása a Python-ben és a TensorFlow-ben.
- Lineáris regressziók és lineáris regressziós modellek készítése a csalás előrejelzésére.
- Egy teljes körű mesterséges intelligencia alkalmazás fejlesztése a csalási adatok elemzéséhez.
A kurzus formája
- Interaktív előadás és vitafórum.
- Rengeteg gyakorlat és feladat.
- Gyakorlati implementáció egy élő labor környezetben.
Szakképesítési lehetőségek
- Ha egyedi képzést szeretne igényelni erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a megszervezéséhez.
Kurzusleírás
Bevezetés
TensorFlow Áttekintés
- Mi a TensorFlow?
- TensorFlow funkciói
Mi az AI
- Számítási pszichológia
- Számítási filozófia
Machine Learning
- Számítási tanuláselmélet
- Számítógépes algoritmusok számítási tapasztalathoz
Deep Learning
- Mesterséges neurális hálózatok
- Mély tanulás vs. gépi tanulás
A fejlesztési környezet előkészítése
- TensorFlow telepítése és konfigurálása
TensorFlow Gyorsindítás
- Munka a csomópontokkal
- Keras API használata
Csalások felderítése
- Adatok olvasása és írása
- Jellemzők előkészítése
- Adatok címkézése
- Adatok normalizálása
- Adatok felosztása teszt adatokra és betanítási adatokra
- Bemeneti képek formázása
Előrejelzések és regressziók
- Modell betöltése
- Előrejelzések vizualizálása
- Regressziók létrehozása
Osztályozások
- Oszlómodell létrehozása és fordítása
- A modell betanítása és tesztelése
Összefoglalás, és következtetés
Követelmények
- Python programozási tapasztalat
Közönség
- Adattudósok
A nyílt képzésekhez 5+ résztvevő szükséges.
Fraud Detection with Python and TensorFlow Képzés - Booking
Fraud Detection with Python and TensorFlow Képzés - Enquiry
Fraud Detection with Python and TensorFlow - Érdeklődjön a vezetői tanácsadásról!
Érdeklődjön a vezetői tanácsadásról!
Vélemények (5)
Az a tény, hogy több gyakorlati gyakorlatunk van, több hasonló adat felhasználásával, mint amit projekteinkben használunk (műholdképek raszteres formátumban)
Matthieu - CS Group
Kurzus - Scaling Data Analysis with Python and Dask
Gépi fordítás
Jó előkészület és szakértelem a tréner részéről, tökéletes angol kommunikáció. A kurzus gyakorlati volt (gyakorlatok + használati példák megosztása).
Monika - Procter & Gamble Polska Sp. z o.o.
Kurzus - Developing APIs with Python and FastAPI
Gépi fordítás
A tréner jól magyarázta a tartalmat és a teljes időtartamon át érintő volt. Megállt kérdéseket tenni és néhány gyakorlati munkában saját megoldásainkhoz jutni. Emellett a kurzust jól igazította a mi igényeinkhez.
Robert Baker
Kurzus - Deep Learning with TensorFlow 2.0
Gépi fordítás
A szervezet a javasolt napirend szerint, a tréner hatalmas tudása ezen a területen
Ali Kattan - TWPI
Kurzus - Natural Language Processing with TensorFlow
Gépi fordítás
Trainer a saját tempójához igazítva fejleszti ki a képzéseket.
Farris Chua
Kurzus - Data Analysis in Python using Pandas and Numpy
Gépi fordítás
Közelgő kurzusok
Rokon tanfolyam
Applied AI from Scratch
28 ÓrákEz egy 4 napos tanfolyam, amely bemutatja az AI-t és annak alkalmazását. Lehetőség van arra, hogy a kurzus befejeztével további nap álljon rendelkezésre egy mesterséges intelligencia projekt elvégzésére.
Scaling Data Analysis with Python and Dask
14 ÓrákEz az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és szoftvermérnököknek szól, akik a Dask-ot a Python ökoszisztémával kívánják használni nagy adatkészletek létrehozására, méretezésére és elemzésére.
A képzés végére a résztvevők képesek lesznek:
- Állítsa be a környezetet a nagy adatfeldolgozás felépítéséhez a Dask és Python segítségével.
- Fedezze fel a Dask szolgáltatásban elérhető szolgáltatásokat, könyvtárakat, eszközöket és API-kat.
- Ismerje meg, hogyan gyorsítja fel a Dask a párhuzamos számítást Pythonban.
- Ismerje meg, hogyan méretezheti a Python ökoszisztémát (Numpy, SciPy és Pandas) a Dask segítségével.
- Optimalizálja a Dask környezetet, hogy megőrizze a nagy teljesítményt a nagy adatkészletek kezelésében.
Data Analysis with Python, Pandas and Numpy
14 ÓrákAzon oktatóvezetett, élő képzés Magyarország (online vagy helyszíni) célközönsége az a középhőmérsékű Python fejlesztők és adattudósok, akik kíváncsiak arra, hogy javítsák adatelemzési és adatmanipulációs képességeiket Pandas-vel és NumPy-val.
E képzés végén a résztvevők képesek lesznek:
- Python-t, Pandas-t és NumPy-t tartalmazó fejlesztői környezetet állítanak be.
- Pandas-vel és NumPy-val adatelemző alkalmazást hozzanak létre.
- Elvégezzenek előrehaladott adatszabályozási, rendezési és szűrési műveleteket.
- Végrehajtanak összegzési műveleteket és elemznek idősorozat-adatokat.
- Matplotlib és más vizualizációs könyvtárak segítségével adatok megjelenítését végrehajtanak.
- Hibák keresését és optimalizálják adatelemző kódjukat.
Deep Learning for NLP (Natural Language Processing)
28 ÓrákEzen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják a Python könyvtárak használatát az NLP-hez, miközben olyan alkalmazást hoznak létre, amely feldolgozza a képeket és feliratokat generál.
A képzés végére a résztvevők képesek lesznek:
- Tervezze meg és kódolja a DL-t NLP-hez Python könyvtárak használatával.
- Hozzon létre Python kódot, amely lényegesen hatalmas képgyűjteményt olvas be, és kulcsszavakat generál.
- Hozzon létre Python kódot, amely feliratokat generál az észlelt kulcsszavakból.
Deep Learning for Vision
21 ÓrákKözönség
Ez a tanfolyam alkalmas Deep Learning és mérnökök számára, akik a rendelkezésre álló eszközök (többnyire nyílt forráskódú) felhasználásáról érdeklődnek a számítógépes képek elemzése céljából
Ez a tanfolyam példákat mutat be.
FARM (FastAPI, React, and MongoDB) Full Stack Development
14 ÓrákEz az oktató által vezetett, élő (online vagy helyszíni) képzés azoknak a fejlesztőknek szól, akik a FARM (FastAPI, React és MongoDB) stacket szeretnék használni dinamikus, nagy teljesítményű és méretezhető webalkalmazások létrehozására.
A képzés végére a résztvevők képesek lesznek:
- Állítsa be a szükséges fejlesztői környezetet, amely integrálja a FastAPI-t, a React-t és a MongoDB-t. Ismerje meg a FARM verem legfontosabb fogalmait, jellemzőit és előnyeit. Ismerje meg, hogyan hozhat létre REST API-kat a FastAPI segítségével. Ismerje meg, hogyan tervezhet interaktív alkalmazásokat a React segítségével. Alkalmazások fejlesztése, tesztelése és üzembe helyezése (front end és back end) a FARM verem segítségével.
Developing APIs with Python and FastAPI
14 ÓrákEz az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a FastAPI-t Python-vel szeretnék használni a RESTful API-k egyszerűbb és gyorsabb létrehozásához, teszteléséhez és üzembe helyezéséhez.
A képzés végére a résztvevők képesek lesznek:
- Beállítani a szükséges fejlesztői környezetet az API-k fejlesztéséhez Python-gyel és FastAPI-gyel.
- Gyorsabban és egyszerűbben API-kat létrehozni a FastAPI könyvtár segítségével.
- Megtanulni adatmodelleket és sémákat létrehozni a Pydantic és az OpenAPI alapján.
- API-kat csatlakoztatni egy adatbázishoz a SQLAlchemy használatával.
- Biztonságot és hitelesítést implementálni az API-kban a FastAPI eszközök segítségével.
- Konténerképeket létrehozni és web API-kat üzembe helyezni egy felhő szerverre.
Accelerating Python Pandas Workflows with Modin
14 ÓrákEz az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik az Modin segítségével párhuzamos számításokat kívánnak készíteni és megvalósítani a Pandas-vel a gyorsabb adatelemzés érdekében.
A képzés végére a résztvevők képesek lesznek:
- Állítsa be a szükséges környezetet a Pandas munkafolyamatok nagyarányú fejlesztésének megkezdéséhez az Modin segítségével.
- Ismerje meg az Modin szolgáltatásait, felépítését és előnyeit.
- Ismerje meg a különbségeket Modin, Dask és Ray között.
- Hajtsa végre a Pandas műveletet gyorsabban az Modin segítségével.
- Valósítsa meg a teljes Pandas API-t és funkciókat.
Deep Learning with TensorFlow 2
21 ÓrákEz az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek és adattudósoknak szól, akik a Tensorflow 2.x-et előrejelzők, osztályozók, generatív modellek, neurális hálózatok és így tovább építésére szeretnék használni.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a TensorFlow 2.x.
- Ismerje meg a TensorFlow 2.x előnyeit a korábbi verziókhoz képest.
- Építsen mély tanulási modelleket.
- Valósítson meg egy speciális képosztályozót.
- Telepítsen mélytanulási modellt a felhő-, mobil- és IoT-eszközökön.
TensorFlow Serving
7 ÓrákEzen az oktató által vezetett, élő képzésen a Magyarország-ban (online vagy helyszíni) a résztvevők megtanulják, hogyan kell konfigurálni és használni az TensorFlow Serving-et az ML-modellek éles környezetben történő üzembe helyezéséhez és kezeléséhez.
A képzés végére a résztvevők képesek lesznek:
- Különféle TensorFlow modellek kiképzése, exportálása és szolgáltatásuk.
- Algoritmusok tesztelése és telepítése egy architektúra és API-készlet segítségével.
- A TensorFlow Serving bővítése más modelltipusok szolgáltatására, nem csak TensorFlow modellek.
Deep Learning with TensorFlow
21 ÓrákTensorFlow a Go ogle nyílt forráskódú szoftverkönyvtárának második generációs API-ja a Deep Learning . A rendszer célja a gépi tanulás kutatásának megkönnyítése, valamint a kutatási prototípusról a termelési rendszerbe való átmenet gyors és egyszerű megvalósítása.
Közönség
Ez a kurzus olyan mérnökök számára készült, akik a TensorFlow t szeretnék használni a Deep Learning projektjeikhez
A kurzus befejezése után a küldöttek:
- megértsék a TensorFlow struktúráját és telepítési mechanizmusait
- képesnek kell lennie telepítési / gyártási környezet / architektúra feladatok és konfiguráció elvégzésére
- képesnek kell lennie a kód minőségének értékelésére, hibakeresésre, megfigyelésre
- képesnek kell lennie a fejlett gyártás, például a képzési modellek, grafikonok és naplózás megvalósítására
TensorFlow for Image Recognition
28 ÓrákEz a kurzus konkrét példákkal vizsgálja a Tensor Flow alkalmazását a képfelismerés céljára
Közönség
Ez a kurzus olyan mérnökök számára készült, akik a TensorFlow t a TensorFlow céljából kívánják felhasználni
A kurzus befejezése után a küldöttek:
- megértsék a TensorFlow struktúráját és telepítési mechanizmusait
- telepítési / gyártási környezet / architektúra feladatokat és konfigurációt végez
- a kód minőségének értékelése, hibakeresés, monitorozás
- fejlett gyártást, például képzési modelleket, grafikonokat és naplózást valósít meg
TPU Programming: Building Neural Network Applications on Tensor Processing Units
7 ÓrákEzen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják, hogyan használják ki a TPU processzorok újításait saját AI-alkalmazásaik teljesítményének maximalizálása érdekében.
A képzés végére a résztvevők képesek lesznek:
- Tanítson különféle típusú neurális hálózatokat nagy mennyiségű adatra.
- A TPU-k segítségével akár két nagyságrenddel is felgyorsíthatja a következtetési folyamatot.
- Használja a TPU-kat olyan intenzív alkalmazások feldolgozásához, mint a képkeresés, felhőkép és fényképek.
Natural Language Processing (NLP) with TensorFlow
35 ÓrákTensorFlow™ egy nyílt forráskódú szoftverkönyvtár a numerikus számítás használata adatáramú grafikonok.
A SyntaxNet egy neurális hálózat természetes nyelvi feldolgozási keret TensorFlow.
Word2Vec használják a tanulási vektor képviselete a szavak, az úgynevezett "word embeddings". Word2vec egy különösen számítástechnikai-hatékony előrejelzési modell a tanulás szó beépítések nyers szöveg. Két ízben jön, a Continuous Bag-of-Words modell (CBOW) és a Skip-Gram modell (3.1 és 3.2 fejezet Mikolov et al.)
A SyntaxNet és a Word2Vec a felhasználók számára lehetővé teszi, hogy megtanult beépítési modelleket generáljanak a Természetes Nyelvbeviteltől.
közönség
Ez a kurzus célja a fejlesztők és mérnökök, akik szándékoznak dolgozni a SyntaxNet és Word2Vec modellek a TensorFlow grafikonok.
A kurzus befejezése után a képviselők:
- megértése TensorFlow’ szerkezetének és telepítési mechanizmusainak
- képes végrehajtani telepítési / termelési környezet / építészeti feladatok és konfiguráció
- képes értékelni a kód minőségét, elvégezni debugging, nyomon követés
- képesnek kell lennie a fejlett termelés megvalósítására, mint például a képzési modellek, a beépítési feltételek, az építési grafikonok és a logging
Understanding Deep Neural Networks
35 ÓrákEz a tanfolyam azzal kezdődik, hogy fogalmi ismereteket adunk neurális hálózatokban és általában gépi tanulási algoritmusban, mély tanulásban (algoritmusok és alkalmazások).
Part 1 (40%) ez a képzés nagyobb hangsúlyt alapjait, de segítünk választotta a megfelelő technológia: TensorFlow , Caffe , Theano, DeepDrive, Keras stb
A képzés 2. része (20%) bemutatja a Theano-t - egy python könyvtárat, amely megkönnyíti a mély tanulási modellek írását.
A képzés 3. részét (40%) nagymértékben a Tensorflow - a Go ogle nyílt forráskódú szoftverek könyvtárának 2. generációs API-ján alapszik - a Deep Learning . A példákat és a kézbesítést a TensorFlow ban TensorFlow .
Közönség
Ez a tanfolyam azoknak a mérnököknek szól, akik a TensorFlow ot szeretnék használni Deep Learning projektjeikhez
A kurzus befejezése után a küldöttek:
jól megértsék a mély ideghálózatokat (DNN), CNN és RNN
megérti a TensorFlow szerkezetét és telepítési mechanizmusait
képesnek kell lennie a telepítési / gyártási környezeti / építészeti feladatok elvégzésére és a konfigurációra
képesnek kell lennie a kódminőség értékelésére, a hibakeresés, a monitorozás végrehajtására
képes legyen fejlett termelést megvalósítani, mint például képzési modellek, építési grafikonok és naplózás