TensorFlow Kurzusok

A projektor beágyazása egy nyílt forráskódú webes alkalmazás, amely a gépi tanulási rendszerek vonatozásához használt adatok vizualizálására szolgál A Google által létrehozott része a TensorFlow része Ez az oktatott, élő képzés bemutatja az Embedding Projector mögött álló fogalmakat, és a résztvevőket egy demo projekt létrehozásával végzi A képzés végére a résztvevők képesek lesznek: Fedezze fel, hogyan értelmezik az adatokat a gépi tanulási modellek Keresse meg a 3D és a 2D nézet adatokat, hogy megértse, hogyan értelmezi a gépi tanulási algoritmus Megérteni a beágyazások mögött rejlő fogalmakat és azok szerepét a matematikai vektorok ábrázolásához képekhez, szavakhoz és számokhoz Fedezze fel egy adott beágyazás tulajdonságait, hogy megértse a modell viselkedését Alkalmazzon beágyazási projektet a realworld-alkalmazásokra, ilyen például a zenés szerelmeseinek szóló dal ajánlásrendszere Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .

TensorFlow 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

Ez 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™ 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

Közönség 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.

This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications). This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.

A Tenzorfeldolgozó egység (TPU) az a felépítés, amelyet a Google már több éve használ belsőleg, és most már elérhetővé válik a nagyközönség számára Számos optimalizálást tartalmaz, kifejezetten neurális hálózatokban történő használatra, beleértve az egyszerűsített mátrixszaporítást és 8 bites egész számokat a 16 bites helyett, hogy megfelelő szintű precizitást biztosítsanak Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan használják ki a TPU processzorok innovációit, hogy maximalizálják a saját AI-alkalmazások teljesítményét A képzés végén a résztvevők képesek lesznek: A különböző típusú neurális hálózatok nagy mennyiségű adattovábbításra alkalmasak Használja a TPU-kat a következtetési folyamat legfeljebb két nagyságrenddel történő felgyorsításához Használja a TPU-t intenzív alkalmazások feldolgozásához, mint pl Képkeresés, felhőkép és fotók Közönség Fejlesztők kutatók mérnökök Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .

A TensorFlow Serving egy olyan rendszer, amely a gépi tanulás (ML) modellek gyártására szolgál Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan konfigurálják és használják a TensorFlow Serving-ot az ML-modellek telepítési környezetben történő telepítéséhez és kezeléséhez A képzés végére a résztvevők képesek lesznek: Vonattal, exportálással és különböző TensorFlow modellek szolgáltatásaival Algoritmusok tesztelése és telepítése egyetlen architektúrával és API-k készletével TensorFlow Támogatás kiterjesztése a TensorFlow modelleken kívüli más típusok kiszolgálására Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .

Ez 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

A Deep Learning NLP lehetővé teszi a gép számára, hogy egyszerűen leegyszerűsítse a nyelvi feldolgozást A jelenleg rendelkezésre álló feladatok közül a nyelvfordítás és a képaláírás-generálás a fotók számára A DL (Deep Learning) az ML (Machine Learning) részhalmaza A Python egy népszerű programozási nyelv, amely könyvtárakat tartalmaz a Deep Learning NLP számára Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a Python könyvtárakat az NLP-hez (Natural Language Processing), mivel létrehoznak egy alkalmazást, amely képeket dolgoz fel és képeket generál A képzés végére a résztvevők képesek lesznek: Tervezés és kód NLL számára a Python könyvtárak használatával Hozzon létre egy Python kódot, amely egy lényegesen nagy gyűjteményből álló képet gyűjt össze és kulcsszavakat generál Olyan Python kódot hoz létre, amely feliratokat generál a felderített kulcsszavakból Közönség A nyelvtudással foglalkozó programozók A programozók, akik megértik az NLP (Natural Language Processing) A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .

This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course. 

TensorFlow egy népszerű és gépi tanulási könyvtár, amelyet a Go ogle fejlesztett ki a mély tanulás, numerikus számítás és nagyméretű gépi tanulás céljából. TensorFlow 2.0, amely 2019. TensorFlow jelent meg, a TensorFlow legújabb verziója, amely javítja a lelkes végrehajtást, a kompatibilitást és az API-konzisztenciát. Ez az oktató által irányított, élő (helyszíni vagy távoli) képzés azon fejlesztőknek és adattudósoknak szól, akik a Tensorflow 2.0-t előrejelzők, osztályozók, generációs modellek, neurális hálózatok stb. Felépítésére kívánják használni. A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a TensorFlow 2.0 TensorFlow .
• Ismerje meg a TensorFlow 2.0 előnyeit a korábbi verziókhoz képest.
• Építsen mély tanulási modelleket.
• Végezzen el egy fejlett képosztályt.
• Telepítse a mélyreható tanulási modellt a felhő, a mobil és az internet tárgyakba.

A tantárgy formátuma

• Interaktív előadás és beszélgetés.
• Sok gyakorlat és gyakorlat.
• Gyakorlati megvalósítás élő laboratóriumi környezetben.

Tanfolyam testreszabási lehetőségek

• Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
• Ha többet szeretne megtudni a TensorFlow , látogasson el a https://www.tensorflow.org/ TensorFlow .

TensorFlow.js egy JavaScript keretrendszer a gépi tanuláshoz. TensorFlow.js lehetővé teszi a felhasználók számára, hogy építsenek és képezzenek gépi tanulási modelleket közvetlenül JavaScript-ben. Ez az oktató által vezetett, élő képzés (online vagy online) olyan adattudósokra irányul, akik TensorFlow.js-t szeretnének használni a minták azonosítására és a gépi tanulási modellekkel kapcsolatos előrejelzések létrehozására. A képzés befejezése után a résztvevők képesek lesznek:

Építsen és képezzen gépi tanulási modelleket TensorFlow.js. A gépi tanulási modellek futtatása a böngészőben vagy alatt Node.js. Visszaállítsa a meglévő gépi tanulási modelleket a személyre szabott adatok használatával.

A kurzus formája

Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.

Szakképesítési lehetőségek

Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.

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:

Hozzon létre egy csalás kimutatási modellt Python és TensorFlow. Lineáris regressziók és lineáris regressziós modellek felépítése a csalás előrejelzéséhez. Fejleszteni egy end-to-end AI alkalmazást csalási adatok elemzésére.

A kurzus formája

Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.

Szakképesítési lehetőségek

Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.

TensorFlow Extended (TFX) egy end-to-end platform a termelési ML csővezetékek telepítésére. Ez az oktató által vezetett, élő képzés (online vagy on-site) olyan adattudósokra irányul, akik egy ML-modell képzésétől a gyártáshoz sok ML-modell elhelyezéséig szeretnék menni. A képzés befejezése után a résztvevők képesek lesznek:

Telepítse és konfigurálja a TFX-t és támogatja a harmadik felek eszközeit. Használja a TFX-t egy teljes ML termelési csővezeték létrehozásához és kezeléséhez. A TFX alkatrészekkel dolgozunk a modellezés, a képzés, az inferencia kiszolgálás és a telepítés kezelése érdekében. A gépi tanulási funkciók telepítése webes alkalmazásokra, mobilalkalmazásokra, IoT eszközökre és így tovább.

A kurzus formája

Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.

Szakképesítési lehetőségek

Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.

Kubeflow Ez egy keretrendszer az Machine Learning munkaköltségek futtatásához Kubernetes. TensorFlow Az egyik legnépszerűbb gépi tanulási könyvtár. Kubernetes egy orchestrációs platform a kontejneres alkalmazások kezelésére. OpenShift egy felhőalkalmazások fejlesztési platform, amely Docker tartályokat használ, szervezett és kezelt Kubernetes, a Red Hat Enterprise alapja Linux. Ez az oktató által vezetett, élő képzés (online vagy on-site) olyan mérnökökre irányul, akik Machine Learning munkaköltségeket szeretnének elhelyezni egy OpenShift on-premise vagy hibrid felhőre.

A képzés befejezése után a résztvevők képesek lesznek: Helyezze be és állítsa be Kubernetes és Kubeflow egy csoportot OpenShift. Használja OpenShift, hogy egyszerűsítse a munkát a kezdeményezés egy Kubernetes klaszter. Hozzon létre és telepítsen egy Kubernetes csővezetéket az ML modellek automatizálására és kezelésére a gyártásban. Ugrás és telepítés TensorFlow ML modellek több GPUs és gépek fut párhuzamosan. A nyilvános felhőszolgáltatásokat (például az AWS-szolgáltatásokat) innen OpenShift hívja fel, hogy kiterjessze az ML alkalmazást.

A kurzus formája

Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.

Szakképesítési lehetőségek

Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.