A helyi, oktatók által vezetett élő TensorFlow képzési tanfolyamok interaktív beszélgetés és gyakorlati gyakorlat révén demonstrálják, hogyan lehet a TensorFlow rendszert felhasználni a gépi tanulás során végzett kutatások megkönnyítésére, valamint a kutatási prototípusról a termelési rendszerre való gyors és egyszerű átmenet elősegítésére. TensorFlow edzés „helyszíni élő TensorFlow ” vagy „távoli élő TensorFlow ” érhető el. A helyszíni élő képzéseket helyi ügyfelek telephelyén lehet végrehajtani Magyarország vagy a NobleProg vállalati képzési központjain Magyarország . A távoli élő képzést interaktív, távoli asztalon végzik. NobleProg - a helyi képzési szolgáltató
Machine Translated
Vélemények
Nagyra értékelem Krisztus kristálytiszta válaszát a kérdéseinkre.
Léo Dubus
Kurzus: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Általában élveztem a jól képzett edzőt.
Sridhar Voorakkara
Kurzus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Meglepődtem ennek az osztálynak a normáljához - azt mondanám, hogy egyetemes volt.
David Relihan
Kurzus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Nagyon jó átfogó áttekintés. Go a hátteret arról, hogy a Tensorflow miért működik úgy, ahogy működik.
Kieran Conboy
Kurzus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Szeretem a kérdéseket feltenni és mélyebben magyarázni az elméletet.
Sharon Ruane
Kurzus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Nagyon frissített megközelítés vagy fogyasztói árindex (tenzor áramlás, korszak, tanulás) a gépi tanuláshoz.
Paul Lee
Kurzus: TensorFlow for Image Recognition
Machine Translated
Tekintettel a technológia kilátásaira: milyen technológia / folyamat válhat a jövőben fontosabbá; nézd meg, milyen technológiát lehet használni.
Commerzbank AG
Kurzus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
A témaválasztás előnyeit élveztem. A képzés stílusa. Gyakorlati tájékozódás.
Commerzbank AG
Kurzus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
A témák széles köre és a vezetők jelentős ismerete.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurzus: Understanding Deep Neural Networks
Machine Translated
hiány
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurzus: Understanding Deep Neural Networks
Machine Translated
Az előadók nagy elméleti és gyakorlati ismerete. Az oktatók kommunikációja. A tanfolyam során kérdéseket tehet fel, és kielégítő választ kaphat.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurzus: Understanding Deep Neural Networks
Machine Translated
Gyakorlati rész, ahol algoritmusokat vezettünk be. Ez lehetővé tette a téma jobb megértését.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurzus: Understanding Deep Neural Networks
Machine Translated
gyakorlatokat és a rájuk végrehajtott példákat
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurzus: Understanding Deep Neural Networks
Machine Translated
Példák és kérdések.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurzus: Understanding Deep Neural Networks
Machine Translated
Az anyagi tudás, elkötelezettség, a tudás átadásának szenvedélyes módja. Gyakorlati példák elméleti előadás után.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurzus: Understanding Deep Neural Networks
Machine Translated
Maciej úr gyakorlati gyakorlatok
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurzus: Understanding Deep Neural Networks
Machine Translated
Az emberi azonosítás és áramköri rossz pont detektálás
王 春柱 - 中移物联网
Kurzus: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Bizonyítani
中移物联网
Kurzus: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Körülbelül szembenéz terület.
中移物联网
Kurzus: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Sok praktikus tipp
Pawel Dawidowski - ABB Sp. z o.o.
Kurzus: Deep Learning with TensorFlow
Machine Translated
Rengeteg információ a megoldások megvalósításával kapcsolatban
Michał Smolana - ABB Sp. z o.o.
Kurzus: Deep Learning with TensorFlow
Machine Translated
Az AI / IT / SQL / IoT témakörök széles köréből számos praktikus tipp és ismeret az előadónak.
ABB Sp. z o.o.
Kurzus: Deep Learning with TensorFlow
Machine Translated
A nulla közeli tudással kezdtem, és végül képesek voltam saját hálózatokat felépíteni és kiképzni.
Huawei Technologies Duesseldorf GmbH
Kurzus: TensorFlow for Image Recognition
Machine Translated
Tomasz igazán jól ismeri az információt, és a tanfolyam jól haladt.
Raju Krishnamurthy - Google
Kurzus: TensorFlow Extended (TFX)
Machine Translated
A tréner nagyon jól tájékozott és nyitott volt a kérdésekre, szeretett diagramokat rajzolni és nagyon jó módon elmagyarázni a dolgokat
Kurzus: Deep Learning with TensorFlow 2.0
Machine Translated
A tréner nagyon jól tájékozott és nyitott volt a kérdésekre, szeretett diagramokat rajzolni és nagyon jó módon elmagyarázni a dolgokat
Kurzus: Deep Learning with TensorFlow 2.0
Machine Translated
TensorFlow Course Outlines
Kurzusnév
Időtartalma
Összefoglaló
Kurzusnév
Időtartalma
Összefoglaló
14 hours
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 .
21 hours
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
28 hours
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
35 hours
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
21 hours
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.
28 hours
Ez a tanfolyam ismereteket fog nyújtani az idegi hálózatokban és általában a gépi tanulási algoritmusban, a mély tanulásban (algoritmusok és alkalmazások). Ez a képzés nagyobb hangsúlyt alapjait, de segít kiválasztani a megfelelő technológia: TensorFlow , Caffe , Teano, DeepDrive, Keras stb A példák készülnek TensorFlow .
7 hours
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 .
7 hours
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 .
35 hours
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
28 hours
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 .
28 hours
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.
21 hours
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.
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
- 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 .
14 hours
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.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
14 hours
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.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
21 hours
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.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
28 hours
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.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Last Updated:
Upcoming TensorFlow Courses
Machine Learning with TensorFlow.js
2022-12-12 09:30
14 hours
Understanding Deep Neural Networks
2022-12-19 09:30
35 hours
Deep Learning with TensorFlow 2
2022-12-21 09:30
21 hours
Deep Learning for NLP (Natural Language Processing)
2022-12-26 09:30
28 hours
Applied AI from Scratch
2023-01-16 09:30
28 hours
Other countries
Consulting
Online TensorFlow courses, Weekend TensorFlow courses, Evening TensorFlow training, TensorFlow boot camp, TensorFlow instructor-led, Weekend TensorFlow training, Evening TensorFlow courses, TensorFlow coaching, TensorFlow instructor, TensorFlow trainer, TensorFlow training courses, TensorFlow classes, TensorFlow on-site, TensorFlow private courses, TensorFlow one on one training
