Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan Szkolenia
Wprowadzenie do Torch
- Podobnie jak NumPy, ale z procesorem i implementacją GPU.
- Wykorzystanie Torch w uczeniu maszynowym, wizji komputerowej, przetwarzaniu sygnałów, przetwarzaniu równoległym, obrazie, wideo, audio i sieci.
Instalacja Torch
- Linux, Windows, Mac
- Bitmapi i Docker
Instalowanie pakietów Torch
- Korzystanie z menedżera pakietów LuaRocks
Wybór IDE dla Torch
- ZeroBrane Studio
- Wtyczka Eclipse dla Lua
Praca z Lua językiem skryptowym i Lua JIT
- Integracja Lua z C/C++
- Składnia Lua: typy danych, pętle i instrukcje warunkowe, funkcje, tablice i i/o plików.
- Orientacja obiektowa i serializacja w Torch
- Ćwiczenie kodowania
Ładowanie zbioru danych w Torch
- MNIST
- CIFAR-10, CIFAR-100
- Imagenet
Machine Learning w Torch
- Deep Learning
- Ręczna ekstrakcja cech a sieci konwolucyjne
- Uczenie nadzorowane i nienadzorowane
- Budowanie sieci neuronowej z Torch
- N-wymiarowe tablice
Image Analysis z Torch
- Pakiet Image
- Biblioteka Tensor
Praca z interpreterem REPL
Praca z Database
Networking i Torch
Wsparcie GPU w Torch
Integracja Torch
- C, Python i inne
Osadzanie Torch
- iOS i Android
Inne frameworki i biblioteki
- Zoptymalizowane moduły i kontenery głębokiego uczenia Facebook
Tworzenie własnego pakietu
Testowanie i debugowanie
Udostępnianie aplikacji
Przyszłość sztucznej inteligencji i Torch
Podsumowanie i wnioski
Wymagania
- Programming doświadczenie w dowolnym języku.
- Ogólna znajomość języka C/C++ pomaga.
- Zainteresowanie Artificial Intelligence (AI).
Odbiorcy
- Twórcy oprogramowania i programiści, którzy chcą włączyć Machine i Deep Learning w swoich aplikacjach
21 godzin