Kurzusleírás
Bevezetés
- Apache MXNet vs PyTorch
Deep Learning Az alapelvek és az Deep Learning ökoszisztéma
- Tenzorok, többrétegű perceptron, konvolúciós Neural Networks és visszatérő Neural Networks
- Computer Vision vs Natural Language Processing
A Apache MXNet szolgáltatások és építészet áttekintése
- Apache MXNet Kompetensek
- Gluon API interfész
- A GPU-ek és a modell párhuzamosság áttekintése
- Szimbolikus és kötelező programozás
Beállít
- Telepítési környezet kiválasztása (helyszíni, nyilvános felhő stb.)
- Apache MXNet telepítése
Adatokkal való munka
- Adatok olvasása
- Adatok érvényesítése
- Adatok manipulálása
Deep Learning Modell kidolgozása
- Modell készítése
- Modell kiképzése
- A modell optimalizálása
A modell telepítése
- Jóslás előre betanított modellel
- A modell integrálása egy alkalmazásba
Az MXNet Security legjobb gyakorlatai
Hibaelhárítás
Összefoglalás, és következtetés
Követelmények
- A gépi tanulási elvek megértése
- Python programozási tapasztalat
Közönség
- Adattudósok
Vélemények (5)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurzus - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Kurzus - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Kurzus - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Kurzus - Advanced Deep Learning
examples based on our data