
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
Sposób przekazania informacji, dużo praktyki :) Organizacja projektu i kontakt z trenerem oraz Panią Anią - super
Aleksandra Bieniek - PCO S.A.
Szkolenie: Deep Learning with TensorFlow 2
Zajęcia były prowadzone, w sposób niezwykle kompetentny. Trener był w stanie odpowiedzieć na każde postawione mu pytanie. Sposób przekazywania wiedzy również stał na najwyższym poziomie.
Daniel Wargocki - PCO S.A.
Szkolenie: Deep Learning with TensorFlow 2
Mnogość praktycznych wskazówek i wiedza prowadzącego z szerokiej gamy zagadnień AI / IT / SQL / IoT.
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
Dużo wskazówek praktycznych
Pawel Dawidowski - ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
Część praktyczna, gdzie implementowaliśmy algorytmy. Pozwoliło to na lepsze zrozumienie tematu.
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
Szeroki zakres poruszanych tematów oraz duża wiedza merytoryczna prowadzących.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Plany szkoleń z technologii TensorFlow
-
Zobacz, jak dane są interpretowane przez modele uczenia maszynowego
Poruszanie się po widokach 3D i 2D danych w celu zrozumienia, w jaki sposób algorytm uczenia maszynowego je interpretuje.
Zrozumienie koncepcji stojących za embeddings i ich roli w reprezentowaniu wektorów matematycznych dla obrazów, słów i cyfr.
Zbadaj właściwości konkretnego osadzenia, aby zrozumieć zachowanie modelu.
Zastosuj Embedding Project do rzeczywistych przypadków użycia, takich jak budowanie systemu rekomendacji utworów dla miłośników muzyki.
-
Programiści
Naukowcy zajmujący się danymi
-
Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
-
Projektowanie i kodowanie DL dla NLP przy użyciu Python bibliotek.
Stwórz Python kod, który odczyta ogromną kolekcję zdjęć i wygeneruje słowa kluczowe.
Utwórz Python kod, który generuje podpisy na podstawie wykrytych słów kluczowych.
-
Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
-
Tworzenie modelu wykrywania oszustw w Pythonie i TensorFlow.
Tworzenie regresji liniowej i modeli regresji liniowej w celu przewidywania oszustw.
Opracowanie kompleksowej aplikacji AI do analizy danych dotyczących oszustw.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Pod koniec tego szkolenia uczestnicy będą w stanie
Zainstalować i skonfigurować Kubernetes i Kubeflow na klastrze OpenShift.
Używać OpenShift do uproszczenia pracy związanej z inicjalizacją klastra Kubernetes.
Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
Wywoływanie usług chmury publicznej (np. usług AWS) z poziomu OpenShift w celu rozszerzenia aplikacji ML.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Instalowanie i konfigurowanie TensorFlow 2.x.
Zrozumienie zalet TensorFlow 2.x w porównaniu z poprzednimi wersjami.
Tworzenie modeli głębokiego uczenia.
Implementacja zaawansowanego klasyfikatora obrazów.
Wdrażanie modelu głębokiego uczenia w chmurze, na urządzeniach mobilnych i IoT.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
Aby dowiedzieć się więcej o TensorFlow, odwiedź stronę: https://www.tensorflow.org/
-
Twórz i trenuj modele uczenia maszynowego za pomocą TensorFlow.js.
Uruchamianie modeli uczenia maszynowego w przeglądarce lub w Node.js.
Ponowne trenowanie wcześniej istniejących modeli uczenia maszynowego przy użyciu niestandardowych danych.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Trenowanie, eksportowanie i udostępnianie różnych modeli TensorFlow
Testowanie i wdrażanie algorytmów przy użyciu jednej architektury i zestawu interfejsów API
Rozszerzenie TensorFlow Serving do obsługi innych typów modeli poza modelami TensorFlow
-
Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
rozumieć TensorFlow’strukturę i mechanizmy wdrażania
być w stanie przeprowadzić zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie
-
zrozumieć strukturę i mechanizmy wdrażania TensorFlow&rsquo
przeprowadzać zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
oceniać jakość kodu, przeprowadzać debugowanie, monitorowanie
wdrażać zaawansowane funkcje produkcyjne, takie jak trenowanie modeli, budowanie wykresów i logowanie
-
Zainstaluj i skonfiguruj TFX oraz wspierające narzędzia innych firm.
Używanie TFX do tworzenia i zarządzania kompletnym potokiem produkcyjnym ML.
Praca z komponentami TFX w celu modelowania, szkolenia, obsługi wnioskowania i zarządzania wdrożeniami.
Wdrażaj funkcje uczenia maszynowego w aplikacjach internetowych, aplikacjach mobilnych, urządzeniach IoT i nie tylko.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Trenowanie różnych typów sieci neuronowych na dużych ilościach danych.
Wykorzystanie procesorów TPU do przyspieszenia procesu wnioskowania nawet o dwa rzędy wielkości.
Wykorzystanie procesorów TPU do przetwarzania intensywnych aplikacji, takich jak wyszukiwanie obrazów, widzenie w chmurze i zdjęcia.
-
Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
-
rozumieć TensorFlow’strukturę i mechanizmy wdrażania
być w stanie przeprowadzić zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, osadzanie terminów, tworzenie wykresów i rejestrowanie
-
dobrze rozumie głębokie sieci neuronowe (DNN), CNN i RNN
rozumieć TensorFlow’ strukturę i mechanizmy wdrażania
być w stanie wykonać zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie
Last Updated: