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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie