Plan Szkolenia

Wprowadzenie

  • Konfiguracja i instalacja

Podstawy TensorFlow

  • Tworzenie, inicjalizacja, zapisywanie i przywracanie zmiennych TensorFlow
  • Przekazywanie, odczytywanie i wstępne ładowanie danych w TensorFlow
  • Jak wykorzystać infrastrukturę TensorFlow do trenowania modeli na dużą skalę
  • Wizualizacja i ocena modeli za pomocą TensorBoard

Mechanika TensorFlow 101

  • Przygotowanie danych
    • Pobieranie
    • Dane wejściowe i placeholdery
  • Budowa grafu
    • Inferencja
    • Strata
    • Trenowanie
  • Trenowanie modelu
    • Graf
    • Sesja
    • Pętla treningowa
  • Ocena modelu
    • Budowa grafu oceny
    • Wynik oceny

Zaawansowane zastosowania

  • Wątki i kolejki
  • Rozproszony TensorFlow
  • Pisanie dokumentacji i udostępnianie modelu
  • Dostosowywanie czytników danych
  • Wykorzystanie GPU
  • Manipulowanie plikami modeli TensorFlow

TensorFlow Serving

  • Wprowadzenie
  • Podstawowy tutorial serwowania
  • Zaawansowany tutorial serwowania
  • Tutorial serwowania modelu Inception

Wprowadzenie do SyntaxNet

  • Parsowanie z danych wejściowych
  • Anotowanie korpusu
  • Konfiguracja skryptów Python

Budowanie potoku NLP z SyntaxNet

  • Pozyskiwanie danych
  • Tagowanie części mowy
  • Trenowanie tagera części mowy w SyntaxNet
  • Przetwarzanie wstępne z tagerem
  • Parsowanie zależnościowe: Parsowanie oparte na przejściach
  • Trenowanie parsera Krok 1: Lokalne wstępne trenowanie
  • Trenowanie parsera Krok 2: Globalne trenowanie

Reprezentacje wektorowe słów

  • Motywacja: Dlaczego warto uczyć osadzeń słów?
  • Skalowanie za pomocą szkolenia z kontrastem szumu
  • Model Skip-gram
  • Budowanie grafu
  • Trenowanie modelu
  • Wizualizacja nauczonych osadzeń
  • Ocena osadzeń: Rozumowanie przez analogię
  • Optymalizacja implementacji

Wymagania

Znajomość języka Python

 35 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie