Kurzusleírás

Bevezetés

  • Beállítás és telepítés

TensorFlow alapok

  • TensorFlow változók létrehozása, inicializálása, mentése és visszaállítása
  • Adatbevitel, olvasás és előzetes betöltés a TensorFlowban
  • A TensorFlow infrastruktúra használata modellek nagy léptékű tanításához
  • Modellek vizualizálása és értékelése a TensorBoard segítségével

TensorFlow alapok 101

  • Adatok előkészítése
    • Letöltés
    • Bemenetek és helykitöltők
  • Gráf felépítése
    • Inferencia
    • Veszteség
    • Tanítás
  • Modell tanítása
    • A gráf
    • A munkamenet
    • Tanítási ciklus
  • Modell értékelése
    • Értékelő gráf felépítése
    • Értékelési kimenet

Haladó használat

  • Szálkezelés és sorok
  • Elosztott TensorFlow
  • Dokumentáció írása és modell megosztása
  • Egyéni adatolvasók használata
  • GPU-k használata
  • TensorFlow modellfájlok manipulálása

TensorFlow Serving

  • Bevezetés
  • Alapvető szolgáltatási oktatóanyag
  • Haladó szolgáltatási oktatóanyag
  • Inception modell szolgáltatási oktatóanyag

Bevezetés a SyntaxNet használatába

  • Elemzés standard bemenetről
  • Korpusz annotálása
  • Python szkriptek konfigurálása

NLP folyamat építése a SyntaxNet segítségével

  • Adatok beszerzése
  • Szófaji címkézés
  • A SyntaxNet szófaji címkéző tanítása
  • Előfeldolgozás a címkézővel
  • Függőségi elemzés: Átmenet-alapú elemzés
  • Elemző tanítása 1. lépés: Lokális előtanítás
  • Elemző tanítása 2. lépés: Globális tanítás

Szavak vektoros reprezentációi

  • Motiváció: Miért tanuljunk szóbeágyazásokat?
  • Skálázás zajkontrasztos tanítással
  • A Skip-gram modell
  • Gráf felépítése
  • Modell tanítása
  • A tanult beágyazások vizualizálása
  • Beágyazások értékelése: Analógiai gondolkodás
  • Implementáció optimalizálása

Követelmények

Alapvető Python ismeretek

 35 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák