Kurzusleírás

Köszönjük, hogy megérkeztél!

  • Telepítés és beállítás

TensorFlow alapjai

  • Kréta, inicializálás, mentés és visszaállítás TensorFlow változóinak
  • Adatok bevitelének, olvasásának és előkészítésének módja TensorFlow adatokkal
  • Hogyan használható a TensorFlow infrastruktúra a modellek nagy méretű tanításához
  • Modell vizualizálása és értékelése a TensorBoard segítségével

TensorFlow Mechanika 101

  • Az adatok előkészítése
    • Letöltés
    • Bemenetek és helyőrzők
  • A gráf építése
    • Inferencia
    • Veszhelyzetkezelés
    • Tanítás
  • A modell tanítása
    • A gráf
    • A munkamenet
    • Tanítási ciklus
  • A modell értékelése
    • Az értékelési gráf építése
    • Értékelési kimenet

Haladó használat

  • Száldozás és sorok
  • Távoli TensorFlow
  • Dokumentáció írása és modell megosztása
  • Egyéni adatolvasók készítése
  • GPU-k használata
  • TensorFlow modellek fájljainak manipulálása

TensorFlow Serving

  • Bevezetés
  • Alapvető szolgáltatás oktatóanyag
  • Haladó szolgáltatás oktatóanyag
  • Inception modell szolgáltatása oktatóanyag

SyntaxNet használatának megkezdése

  • Parsing a standard bemenetről
  • Korpusz feliratkoztatása
  • A Python szkriptek konfigurálása

NLP folyamat építése a SyntaxNet-tel

  • Adatok beszerzése
  • Mondatszempontos jelölkeztetés
  • A SyntaxNet POS jelölő tanítása
  • Tanítóval előkészítés
  • Függőségi elemzés: Állapotalapú elemzés
  • Elemző tanítás lépés 1: Helyi előtanítás
  • Elemző tanítás lépés 2: Globális tanítás

Szavak vektormegjelenítése

  • Motiváció: Miért érdemes szó beágyazásokat tanulni?
  • Nagy méretű rendszerek fejlesztése zajkontrasztív tanítással
  • A Skip-gram modell
  • A gráf építése
  • A modell tanítása
  • Tanult beágyazások vizualizálása
  • Beágyazások értékelése: Analógiai gondolkodás
  • A megvalósítás optimalizálása

Követelmények

Python működési ismeretek

 35 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák