Praktyczne szkolenia na żywo z TensorFlow to kursy pokazujące, jak korzystać z systemu TensorFlow, aby ułatwić projekty badawcze w uczeniu maszynowym i ułatwić przejście od prototypu badawczego do systemu produkcyjnego.
Szkolenie TensorFlow jest dostępne jako "szkolenie stacjonarne" lub "szkolenie online na żywo".
Szkolenie stacjonarne może odbywać się lokalnie w siedzibie klienta w Polsce lub w ośrodkach szkoleniowych NobleProg w Polsce. Zdalne szkolenie online odbywa się za pomocą interaktywnego, zdalnego pulpitu DaDesktop .
NobleProg -- Twój lokalny dostawca szkoleń.
Zapytaj konsultanta NobleProg o dedykowane szkolenie dla Twojego zespołu.
Opinie uczestników
Szeroki zakres poruszanych tematów oraz duża wiedza merytoryczna prowadzących.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Brak
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Duża wiedza teoretyczna i praktyczna prowadzących. Komunikatywność prowadzących. W trakcie kursu można było zadawać pytania i uzyskać satysfakcjonujące odpowiedzi.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Część praktyczna, gdzie implementowaliśmy algorytmy. Pozwoliło to na lepsze zrozumienie tematu.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
ćwiczenia i przykłady na nich realizowane
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Przykłady i omawiane zagadnienia.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Wiedza merytoryczna, zaangażowanie, pasjonujący sposób przekazywania wiedzy. Przykłady praktyczne po wykładzie teoretycznym.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Praktyczne ćwiczenia przygotowane przez Pana Macieja
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Dużo wskazówek praktycznych
Pawel Dawidowski - ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
Dużo informacji związanych z wdrożeniami rozwiązań
Michał Smolana - ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
Mnogość praktycznych wskazówek i wiedza prowadzącego z szerokiej gamy zagadnień AI / IT / SQL / IoT.
ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
Ogólnie byłem zadowolony z kompetentnego trenera.
Sridhar Voorakkara
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Byłem zdumiony standardem tej klasy - powiedziałbym, że był to standard uniwersytecki.
David Relihan
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Bardzo dobry ogólny przegląd. Go dlaczego Tensorflow działa tak, jak działa.
Kieran Conboy
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Spodobały mi się możliwości zadawania pytań i dokładniejszego wyjaśnienia teorii.
Sharon Ruane
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Bardzo zaktualizowane podejście lub CPI (tensor flow, era, learn) do uczenia maszynowego.
Paul Lee
Szkolenie: TensorFlow for Image Recognition
Machine Translated
Perspektywa technologii: jaka technologia / proces może stać się ważniejsza w przyszłości; zobacz, do czego można wykorzystać tę technologię.
Commerzbank AG
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Miałem korzyści z wyboru tematu. Styl szkolenia. Poćwicz orientację.
Commerzbank AG
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Naprawdę doceniam krystalicznie czyste odpowiedzi Chrisa na nasze pytania.
Léo Dubus
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Identyfikacja ludzka i wykrywanie złych punktów na płytkim obwodzie
王 春柱 - 中移物联网
Szkolenie: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Wykazać
中移物联网
Szkolenie: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Informacje o obszarze powierzchni.
中移物联网
Szkolenie: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Zacząłem od wiedzy bliskiej zeru, a pod koniec mogłem budować i szkolić własne sieci.
Huawei Technologies Duesseldorf GmbH
Szkolenie: TensorFlow for Image Recognition
Machine Translated
Organization, adhering to the proposed agenda, the trainer's vast knowledge in this subject
Ali Kattan - TWPI
Szkolenie: Natural Language Processing with TensorFlow
the way he present everything with examples and training was so useful
Ibrahim Mohammedameen - TWPI
Szkolenie: Natural Language Processing with TensorFlow
Very knowledgeable
Usama Adam - TWPI
Szkolenie: Natural Language Processing with TensorFlow
The excersise where we should train a network to approximate a function
Nercia Utbildning AB
Szkolenie: Deep Learning with TensorFlow 2.0
Tomasz naprawdę dobrze zna informacje, a kurs był dobrze rozpędzony.
Raju Krishnamurthy - Google
Szkolenie: TensorFlow Extended (TFX)
Machine Translated
Plany szkoleń z technologii TensorFlow
Nazwa kursu
Czas trwania
Opis
Nazwa kursu
Czas trwania
Opis
28 godzin
Opis
Jest to 4-dniowy kurs przedstawiający sztuczną inteligencję i jej zastosowanie. Istnieje opcja dodatkowego dnia na podjęcie projektu AI po ukończeniu tego kursu.
21 godzin
Opis
TensorFlow Lite is an open source deep learning framework for mobile devices and embedded systems.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
35 godzin
Opis
TensorFlow ™ to biblioteka oprogramowania typu open source do obliczeń numerycznych z wykorzystaniem wykresów przepływu danych.
SyntaxNet to neuronowa sieć przetwarzania języka naturalnego dla TensorFlow .
Word 2Vec służy do uczenia wektorowych reprezentacji słów, zwanych „osadzaniem słów”. Word 2vec jest szczególnie wydajnym obliczeniowo modelem predykcyjnym do nauki osadzania słów z surowego tekstu. Występuje w dwóch wariantach: modelu Continuous Bag-of- Word (CBOW) i Skip-Gram (rozdział 3.1 i 3.2 w Mikolov i in.).
Używany w tandemie SyntaxNet i Word 2Vec umożliwia użytkownikom generowanie modeli Learned Embedding z wejścia Natural Language.
Publiczność
Kurs jest skierowany do programistów i inżynierów, którzy zamierzają pracować z modelami SyntaxNet i Word 2Vec w swoich wykresach TensorFlow .
Po ukończeniu tego kursu delegaci:
- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, terminy osadzania, wykresy budowlane i rejestrowanie
SyntaxNet to neuronowa sieć przetwarzania języka naturalnego dla TensorFlow .
Word 2Vec służy do uczenia wektorowych reprezentacji słów, zwanych „osadzaniem słów”. Word 2vec jest szczególnie wydajnym obliczeniowo modelem predykcyjnym do nauki osadzania słów z surowego tekstu. Występuje w dwóch wariantach: modelu Continuous Bag-of- Word (CBOW) i Skip-Gram (rozdział 3.1 i 3.2 w Mikolov i in.).
Używany w tandemie SyntaxNet i Word 2Vec umożliwia użytkownikom generowanie modeli Learned Embedding z wejścia Natural Language.
Publiczność
Kurs jest skierowany do programistów i inżynierów, którzy zamierzają pracować z modelami SyntaxNet i Word 2Vec w swoich wykresach TensorFlow .
Po ukończeniu tego kursu delegaci:
- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, terminy osadzania, wykresy budowlane i rejestrowanie
7 godzin
Opis
The Tensor Processing Unit (TPU) is the architecture which Google has used internally for several years, and is just now becoming available for use by the general public. It includes several optimizations specifically for use in neural networks, including streamlined matrix multiplication, and 8-bit integers instead of 16-bit in order to return appropriate levels of precision.
In this instructor-led, live training, participants will learn how to take advantage of the innovations in TPU processors to maximize the performance of their own AI applications.
By the end of the training, participants will be able to:
- Train various types of neural networks on large amounts of data.
- Use TPUs to speed up the inference process by up to two orders of magnitude.
- Utilize TPUs to process intensive applications such as image search, cloud vision and photos.
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
In this instructor-led, live training, participants will learn how to take advantage of the innovations in TPU processors to maximize the performance of their own AI applications.
By the end of the training, participants will be able to:
- Train various types of neural networks on large amounts of data.
- Use TPUs to speed up the inference process by up to two orders of magnitude.
- Utilize TPUs to process intensive applications such as image search, cloud vision and photos.
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
21 godzin
Opis
TensorFlow Extended (TFX) is an end-to-end platform for deploying production ML pipelines.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
28 godzin
Opis
Ten kurs omawia, wraz z konkretnymi przykładami, zastosowanie Tensor Flow do celów rozpoznawania obrazów
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow do celów rozpoznawania obrazów
Po ukończeniu tego kursu delegaci będą mogli:
- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow do celów rozpoznawania obrazów
Po ukończeniu tego kursu delegaci będą mogli:
- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie
21 godzin
Opis
TensorFlow jest 2nd Generation API Go otwartej biblioteki oprogramowania źródłowego OGLE za Deep Learning . System został zaprojektowany w celu ułatwienia badań nad uczeniem maszynowym oraz w celu szybkiego i łatwego przejścia od prototypu badawczego do systemu produkcyjnego.
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą używać TensorFlow do swoich projektów Deep Learning
Po ukończeniu tego kursu delegaci:
- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą używać TensorFlow do swoich projektów Deep Learning
Po ukończeniu tego kursu delegaci:
- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie
7 godzin
Opis
TensorFlow Serving to system do obsługi modeli uczenia maszynowego (ML) do produkcji W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak skonfigurować i używać TensorFlow Serving do wdrażania i zarządzania modelami ML w środowisku produkcyjnym Pod koniec tego szkolenia uczestnicy będą mogli: Trenuj, eksportuj i obsługuj różne modele TensorFlow Testuj i wdrażaj algorytmy za pomocą pojedynczej architektury i zestawu interfejsów API Rozszerz obsługę TensorFlow, aby obsługiwać inne typy modeli poza modelami TensorFlow Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
21 godzin
Opis
TensorFlow Lite for Microcontrollers is a port of TensorFlow Lite designed to run machine learning models on microcontrollers and other devices with limited memory.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 godzin
Opis
TensorFlow Lite is an open source deep learning framework for mobile devices and embedded systems.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
- To learn more about TensorFlow, please visit: https://www.tensorflow.org/lite/
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
- To learn more about TensorFlow, please visit: https://www.tensorflow.org/lite/
28 godzin
Opis
Deep Learning for NLP pozwala maszynie uczyć się prostego lub złożonego przetwarzania języka Wśród aktualnie dostępnych zadań znajduje się tłumaczenie i generowanie napisów do zdjęć DL (Deep Learning) jest podzbiorem ML (Machine Learning) Python jest popularnym językiem programowania, który zawiera biblioteki dla Deep Learning for NLP W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się korzystać z bibliotek Pythona dla NLP (Natural Language Processing), ponieważ tworzą aplikację, która przetwarza zestaw zdjęć i generuje podpisy Pod koniec tego szkolenia uczestnicy będą mogli: Projekt i kod DL dla NLP przy użyciu bibliotek Python Utwórz kod w języku Python, który odczytuje zasadniczo ogromną kolekcję obrazów i generuje słowa kluczowe Utwórz kod Pythona generujący podpisy z wykrytych słów kluczowych Publiczność Programiści zainteresowani językoznawstwem Programiści, którzy poszukują zrozumienia NLP (przetwarzanie języka naturalnego) Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
21 godzin
Opis
TensorFlow Lite is an open source deep learning framework for executing models on mobile and embedded devices with limited compute and memory resources.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing machine learning models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand their default capabilities.
- Deploy deep learning models on embedded devices running Linux to solve physical world problems such as recognizing images and voice, predicting patterns, and initiating movements and responses from robots and other embedded systems in the field.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing machine learning models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand their default capabilities.
- Deploy deep learning models on embedded devices running Linux to solve physical world problems such as recognizing images and voice, predicting patterns, and initiating movements and responses from robots and other embedded systems in the field.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 godzin
Opis
TensorFlow.js is a JavaScript framework for machine learning. TensorFlow.js enables users to build and train machine learning models directly in JavaScript.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 godzin
Opis
TensorFlow to popularna biblioteka do uczenia maszynowego opracowana przez Go ogle do głębokiego uczenia się, obliczeń numerycznych i uczenia maszynowego na dużą skalę. TensorFlow 2.0, wydany w styczniu 2019 r., Jest najnowszą wersją TensorFlow i zawiera ulepszenia w TensorFlow wykonywaniu, kompatybilności i spójności API.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów i badaczy danych, którzy chcą korzystać z Tensorflow 2.0 do budowania predyktorów, klasyfikatorów, modeli generatywnych, sieci neuronowych i tak dalej.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zainstaluj i skonfiguruj TensorFlow 2.0.
- TensorFlow zalety TensorFlow 2.0 w porównaniu z poprzednimi wersjami.
- Twórz modele głębokiego uczenia się.
- Zaimplementuj zaawansowany klasyfikator obrazów.
- Wdróż model głębokiego uczenia się w chmurze, urządzeniach mobilnych i IoT.
Format kursu
- Interaktywny wykład i dyskusja.
- Dużo ćwiczeń i ćwiczeń.
- Praktyczne wdrożenie w środowisku na żywo.
Opcje dostosowywania kursu
- Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu umówienia się.
- Aby dowiedzieć się więcej o TensorFlow , odwiedź: https://www.tensorflow.org/
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów i badaczy danych, którzy chcą korzystać z Tensorflow 2.0 do budowania predyktorów, klasyfikatorów, modeli generatywnych, sieci neuronowych i tak dalej.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zainstaluj i skonfiguruj TensorFlow 2.0.
- TensorFlow zalety TensorFlow 2.0 w porównaniu z poprzednimi wersjami.
- Twórz modele głębokiego uczenia się.
- Zaimplementuj zaawansowany klasyfikator obrazów.
- Wdróż model głębokiego uczenia się w chmurze, urządzeniach mobilnych i IoT.
Format kursu
- Interaktywny wykład i dyskusja.
- Dużo ćwiczeń i ćwiczeń.
- Praktyczne wdrożenie w środowisku na żywo.
Opcje dostosowywania kursu
- Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu umówienia się.
- Aby dowiedzieć się więcej o TensorFlow , odwiedź: https://www.tensorflow.org/
28 godzin
Opis
Ten kurs daje wiedzę na temat sieci neuronowych i ogólnie algorytmu uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).
To szkolenie bardziej koncentruje się na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Teano, DeepDrive, Keras itp. Przykłady zostały wykonane w TensorFlow .
To szkolenie bardziej koncentruje się na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Teano, DeepDrive, Keras itp. Przykłady zostały wykonane w TensorFlow .
14 godzin
Opis
TensorFlow is an open source machine learning library. TensorFlow provides users the ability to use and create artificial intelligence for detecting and predicting fraud.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow to analyze potential fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow to analyze potential fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 godzin
Opis
Osadzanie Projektora to otwarta aplikacja internetowa do wizualizacji danych wykorzystywanych do szkolenia systemów uczenia maszynowego Stworzony przez Google, jest częścią TensorFlow Ten instruktażowy trening na żywo wprowadza pojęcia związane z osadzaniem projektora i prowadzi uczestników przez proces tworzenia projektu demonstracyjnego Pod koniec tego szkolenia uczestnicy będą mogli: Sprawdź, jak dane są interpretowane przez modele uczenia maszynowego Nawiguj po widokach 3D i 2D danych, aby zrozumieć, w jaki sposób algorytm uczenia maszynowego je interpretuje Zapoznaj się z koncepcjami Embeddings i ich rolą w reprezentowaniu wektorów matematycznych dla obrazów, słów i cyfr Poznaj właściwości konkretnego osadzania, aby zrozumieć zachowanie modelu Zastosuj Projekt Osadzania do przypadków użycia rzeczywistego świata, takich jak budowanie systemu rekomendacji dla melomanów Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
21 godzin
Opis
Publiczność
Kurs ten jest odpowiedni dla naukowców i inżynierów Deep Learning zainteresowanych wykorzystaniem dostępnych narzędzi (głównie open source) do analizy obrazów komputerowych
Ten kurs dostarcza praktycznych przykładów.
Kurs ten jest odpowiedni dla naukowców i inżynierów Deep Learning zainteresowanych wykorzystaniem dostępnych narzędzi (głównie open source) do analizy obrazów komputerowych
Ten kurs dostarcza praktycznych przykładów.
35 godzin
Opis
Kurs rozpoczyna się od przekazania wiedzy pojęciowej w sieciach neuronowych i ogólnie w algorytmie uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).
Część 1 (40%) tego szkolenia skupia się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Theano, DeepDrive, Keras itp.
Część 2 (20%) tego szkolenia przedstawia Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia.
Część 3 (40%) szkolenia byłaby w dużej mierze oparta na Tensorflow - API drugiej generacji biblioteki oprogramowania open source Go ogle dla Deep Learning . Wszystkie przykłady i wskazówki powstałyby w TensorFlow .
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą korzystać z TensorFlow w swoich projektach Deep Learning
Po ukończeniu tego kursu uczestnicy:
-
dobrze rozumie głębokie sieci neuronowe (DNN), CNN i RNN
-
zrozumieć strukturę i mechanizmy wdrażania TensorFlow
-
być w stanie wykonywać zadania związane z instalacją / produkcją / architekturą / konfiguracją
-
być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
-
być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie
Część 1 (40%) tego szkolenia skupia się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Theano, DeepDrive, Keras itp.
Część 2 (20%) tego szkolenia przedstawia Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia.
Część 3 (40%) szkolenia byłaby w dużej mierze oparta na Tensorflow - API drugiej generacji biblioteki oprogramowania open source Go ogle dla Deep Learning . Wszystkie przykłady i wskazówki powstałyby w TensorFlow .
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą korzystać z TensorFlow w swoich projektach Deep Learning
Po ukończeniu tego kursu uczestnicy:
-
dobrze rozumie głębokie sieci neuronowe (DNN), CNN i RNN
-
zrozumieć strukturę i mechanizmy wdrażania TensorFlow
-
być w stanie wykonywać zadania związane z instalacją / produkcją / architekturą / konfiguracją
-
być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
-
być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie
Other regions
Other countries
Konsultacje
Szkolenie TensorFlow, TensorFlow boot camp, Szkolenia Zdalne TensorFlow, szkolenie wieczorowe TensorFlow, szkolenie weekendowe TensorFlow, Kurs TensorFlow,Kursy TensorFlow, Trener TensorFlow, instruktor TensorFlow, kurs zdalny TensorFlow, edukacja zdalna TensorFlow, nauczanie wirtualne TensorFlow, lekcje UML, nauka przez internet TensorFlow, e-learning TensorFlow, kurs online TensorFlow, wykładowca TensorFlow
.jpg "polska grupa farmaceutyczna (pgf)")
.png "ministerstwo spraw wewnętrznych i administracji (mswia)")
.jpg "komisja nadzoru finansowego (knf)")
.jpg "zakład ubezpieczeń społecznych (zus)")
.gif "telekomunikacja polska (tp)")
.jpg "ministerstwo obrony narodowej (mon)")
.jpg "ministerstwo kultury i dziedzictwa narodowego (mkidn)")
