TensorFlow Serving Képzés
TensorFlow A kiszolgálás egy olyan rendszer, amely a gépi tanulási (ML) modelleket a termelésben szolgálja ki.
Ezen az oktató által vezetett, élő (online vagy helyszíni) képzésen a résztvevők megtanulják, hogyan kell konfigurálni és használni a TensorFlow szolgáltatást az ML modellek üzembe helyezéséhez és kezeléséhez éles környezetben.
A képzés végére a résztvevők képesek lesznek:
- Különböző TensorFlow modelleket kiket kiszolgálni, exportálni és kiszolgálni
- Egyetlen architektúrával és API-halmazzal tesztelni és telepíteni algoritmusokat
- A TensorFlow Kiszolgálást bővíteni, hogy más típusú modelleket is kiszolgáljon a TensorFlow modellek mellett
A tanfolyam formátuma
- Résztelő-előadás, résztelő-viták, gyakorlatok és sok kézi gyakorlás
Tanfolyam testreszabási lehetőségek
- Ha egyedi képzést kíván erre a kurzusra, kérjük, lépjen kapcsolatba velünk a megbeszéléshez.
Kurzusleírás
TensorFlow Kiszolgálás áttekintése
- TensorFlow Kiszolgálás mi?
- TensorFlow Kiszolgálási architektúra
- Serving API és REST kliens API
A fejlesztési környezet előkészítése
- Docker telepítése és konfigurálása
- Docker-al történő ModelServer telepítése
TensorFlow Szerver gyorsindítás
- TensorFlow modell kiképzése és exportálása
- Tárolási rendszerek figyelése
- Exportált modell betöltése
- TensorFlow ModelServer építése
Speciális konfiguráció
- Konfigurációs fájl írása
- Model Server konfiguráció újratöltése
- Modellek konfigurálása
- Figyelési konfigurációval való munka
Az alkalmazás tesztelése
- A szerver tesztelése és futtatása
Az alkalmazás hibakeresése
- Hibák kezelése
TensorFlow Felszolgálás: Kubernetes
- Docker konténerben történő futtatás
- Kiszolgálási csomópontok telepítése
Az alkalmazás biztosítása
- Adatok elrejtése
Hibaelhárítás
Összefoglalás, és következtetés
Követelmények
- TensorFlow tapasztalat
- Linux parancssori tapasztalat
Közönség
- Fejlesztők
- Adat tudósok
A nyílt képzésekhez 5+ résztvevő szükséges.
TensorFlow Serving Képzés - Booking
TensorFlow Serving Képzés - Enquiry
TensorFlow Serving - Érdeklődjön a vezetői tanácsadásról!
Érdeklődjön a vezetői tanácsadásról!
Vélemények (4)
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
Tomasz nagyon jól ismeri az információkat és a kurzus jól volt tempózva.
Raju Krishnamurthy - Google
Kurzus - TensorFlow Extended (TFX)
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
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
Paul Lee
Kurzus - TensorFlow for Image Recognition
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.
Computer Vision with Google Colab and TensorFlow
21 ÓrákA tanfolyam végén a résztvevők képesek lesznek:
Ez az oktatóvezetett, élő tanfolyam Magyarország (online vagy helyszíni) az olyan haladó szintű szakembereknek szánva, akik mélyebb ismeretekre kíváncsiak a számítógépes látás terén és ki akarják bontakoztatni TensorFlow képességeit a Google Colab-t használva széles körű látásmodellek fejlesztésére.
- Konvolúciós neurális hálózatok (CNN) építése és kiképzése TensorFlow-vel.
- Google Colab használata skalázható és hatékony felhőalapú modellfejlesztéshez.
- Kép előfeldolgozási technikák bevezetése számítógépes látási feladatokhoz.
- Számítógépes látásmodellek telepítése valós világbeli alkalmazásokhoz.
- Átviaszolás (transfer learning) használata CNN-modellek teljesítményének javítására.
- Kép osztályozási modell eredmények vizualizálása és értelmezése.
Deep Learning with TensorFlow in Google Colab
14 ÓrákEz a képzés végén a résztvevők képesek lesznek:
Ez az oktatóvezetett, élő képzés (online vagy előadási) középhosszú szintű adat tudósok és fejlesztőknek szól, akik mély tanulási technikákat szeretnének megérteni és alkalmazni a Google Colab környezetben.
- Google Colab beállítása és navigálása mély tanulási projektekhez.
- Hálózati alapelvek megértése.
- Mély tanulási modellek implementálása TensorFlow-val.
- Mély tanulási modellek kikezdése és értékelése.
- TensorFlow előrehaladott funkcióinak használata mély tanulási feladatokhoz.
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.
Fraud Detection with Python and TensorFlow
14 ÓrákEz az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adatkutatóknak szól, akik az TensorFlow segítségével kívánják elemezni a lehetséges csalási adatokat.
A képzés végére a résztvevők képesek lesznek:
- Létrehozni egy csalásészlelő modellt a Python-ben és a TensorFlow-ben.
- Lineáris regressziókat és lineáris regressziós modelleket építeni a csalás előrejelzésére.
- Egy teljes körű, végponttól végpontig terjedő mesterséges intelligencia alkalmazást fejleszteni a csalási adatok elemzésére.
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.
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
TensorFlow Extended (TFX)
21 ÓrákEz az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak szól, akik egyetlen ML-modell betanításától a sok ML-modell éles üzembe helyezéséig szeretnének eljutni.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a TFX-et és a támogató harmadik féltől származó eszközöket.
- Használja a TFX-et egy teljes ML-termelési folyamat létrehozásához és kezeléséhez.
- Dolgozzon a TFX összetevőkkel a modellezés, a betanítás, a következtetések kiszolgálása és a telepítések kezelése érdekében.
- Telepítsen gépi tanulási funkciókat webalkalmazásokban, mobilalkalmazásokban, IoT-eszközökben és egyebekben.
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