Plan Szkolenia
Wprowadzenie
- Chainer vs Caffe vs Torch
- Przegląd funkcji i składników Chainer
Pierwsze kroki
- Zrozumienie struktury trenera
- Instalowanie Chainer, CuPy i NumPy
- Definiowanie funkcji na zmiennych
Trening Neural Networks w Chainer
- Konstruowanie grafu obliczeniowego
- Uruchamianie przykładów zbioru danych MNIST
- Aktualizacja parametrów przy użyciu optymalizatora
- Przetwarzanie obrazów w celu oceny wyników
Praca z GPU w Chainer
- Wdrażanie rekurencyjnych sieci neuronowych
- Używanie wielu GPU do zrównoleglenia
Implementowanie innych modeli sieci neuronowych
- Definiowanie modeli RNN i uruchamianie przykładów
- Generowanie obrazów za pomocą Deep Convolutional GAN
- Uruchamianie przykładów Reinforcement Learning
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Zrozumienie sztucznych sieci neuronowych
- Znajomość frameworków głębokiego uczenia (Caffe, Torch itp.)
- Python doświadczenie w programowaniu
Uczestnicy
- Badacze sztucznej inteligencji
- Programiści
Opinie uczestników (5)
Świetny kontakt z uczestnikami, wiedza praktyczna co bardzo się ceni. Dostosowanie toku / tempa. Duuuży plus, mega pozytywny instruktor, aż szkoda że szkolenie trwało tylko 2 dni.
Marcin Mikielewicz - TECNOBIT SLU
Szkolenie - Introduction Deep Learning & Réseaux de neurones pour l’ingénieur
Trener był profesjonalistą w dziedzinie tematu i doskonało łączył teorię z praktyką.
Fahad Malalla - Tatweer Petroleum
Szkolenie - Applied AI from Scratch in Python
Przetłumaczone przez sztuczną inteligencję
Duża wiedza teoretyczna i praktyczna prowadzących. Komunikatywność prowadzących. W trakcie kursu można było zadawać pytania i uzyskać satysfakcjonujące odpowiedzi.
Kamil Kurek - ING Bank Slaski S.A.; Kamil Kurek Programowanie
Szkolenie - Understanding Deep Neural Networks
Lubię nowe wglądy w głębokim uczeniu maszynowym.
Josip Arneric
Szkolenie - Neural Network in R
Przetłumaczone przez sztuczną inteligencję
Trener bardzo zrozumiale wytłumaczył trudne i zaawansowane tematy.