Local, instructor-led live TensorFlow training courses demonstrate through interactive discussion and hands-on practice how to use the TensorFlow system to facilitate research in machine learning, and to make it quick and easy to transition from research prototype to production system.
TensorFlow training is available as "onsite live training" or "remote live training". Onsite live TensorFlow trainings in w Polsce can be carried out locally on customer premises or in NobleProg corporate training centers. Remote live training is carried out by way of an interactive, remote desktop.
NobleProg -- Your Local Training Provider
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.
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
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 .
Publiczność Ten kurs jest odpowiedni dla naukowców i inżynierów Deep Learning zainteresowanych wykorzystaniem dostępnych narzędzi (głównie open source) do analizy obrazów komputerowych Ten kurs dostarcza przykładów roboczych .
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 .
Ten kurs da ci wiedzę w zakresie sieci neuronowych i ogólnie algorytmu uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje) Szkolenie koncentruje się bardziej na podstawach, ale pomoże Ci wybrać odpowiednią technologię: TensorFlow, Caffe, Teano, DeepDrive, Keras, itp Przykłady są wykonane w TensorFlow .
TensorFlow jest popularną i maszynową biblioteką opracowaną przez Google do głębokiego uczenia, obliczeń liczbowych i uczenia maszynowego na dużą skalę. TensorFlow 2,0, wydany w Jan 2019, jest najnowszą wersją TensorFlow i zawiera ulepszenia w realizacji chętnych, zgodność i spójność interfejsu API.
to prowadzony przez instruktora, szkolenia na żywo (na miejscu lub zdalnie) jest skierowany do deweloperów i analityków danych, którzy chcą używać Tensorflow 2,0 do budowania predyktory, klasyfikatorów, generatywnych modeli, sieci neuronowych i tak dalej.
do końca tego szkolenia uczestnicy będą mogli:
- zainstalować i skonfigurować TensorFlow 2,0. - zrozumienie zalet TensorFlow 2,0 w porównaniu z poprzednimi wersjami. - budowanie modeli uczenia głębokiego. - Zaimplementuj zaawansowany klasyfikator obrazu. - Wdrażanie modelu uczenia głębokiego do chmury, urządzeń przenośnych i IoT.
Format kursu
- Interactive wykładu i dyskusji. - wiele ćwiczeń i praktyk. - praktyczne wdrożenie w środowisku laboratorium na żywo.
Opcje dostosowywania kursu
- Aby poprosić o szkolenia dostosowane do tego kursu, skontaktuj się z nami, aby zorganizować. - Aby dowiedzieć się więcej o TensorFlow, odwiedź stronę: https://www.tensorflow.org/
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 .
TensorFlow to API drugiej generacji biblioteki Google Open Source dla Deep Learning System został zaprojektowany w celu ułatwienia badań w uczeniu maszynowym oraz umożliwienia szybkiego i łatwego przejścia od prototypu badań do systemu produkcyjnego Publiczność Ten kurs jest przeznaczony dla inżynierów, którzy chcą korzystać z TensorFlow w swoich projektach Deep Learning Po ukończeniu tego kursu delegaci: zrozumieć strukturę i mechanizmy wdrażania TensorFlow być w stanie wykonać zadania związane z instalacją / środowiskiem produkcyjnym / architekturą i konfiguracją być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie być w stanie wdrożyć zaawansowane produkty, takie jak modele szkoleniowe, tworzenie wykresów i rejestrowanie .
Ten kurs bada, za pomocą konkretnych przykładów, zastosowanie Tensor Flow do celów rozpoznawania obrazu Publiczność Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow do celów Image Recognition Po ukończeniu tego kursu uczestnicy będą mogli: zrozumieć strukturę i mechanizmy wdrażania TensorFlow przeprowadzić instalację / środowisko produkcyjne / zadania i konfigurację architektury ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie wdrażaj zaawansowane produkty, takie jak modele szkoleniowe, tworzenie wykresów i rejestrowanie .
Tensor Processing Unit (TPU) to architektura, z której Google korzysta wewnętrznie od kilku lat, a obecnie staje się dostępna do użytku przez ogół społeczeństwa Zawiera kilka optymalizacji specjalnie do wykorzystania w sieciach neuronowych, w tym usprawnione mnożenie macierzy i 8bit liczb całkowitych zamiast 16 bitów w celu przywrócenia odpowiedniego poziomu precyzji W ramach tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, jak wykorzystać innowacje w procesorach TPU, aby zmaksymalizować wydajność własnych aplikacji sztucznej inteligencji Pod koniec szkolenia uczestnicy będą mogli: Trenuj różne typy sieci neuronowych na dużych ilościach danych Użyj TPU, aby przyspieszyć proces wnioskowania o maksymalnie dwa rzędy wielkości Wykorzystaj TPU do przetwarzania intensywnych aplikacji, takich jak wyszukiwanie obrazów, wizja w chmurze i zdjęcia Publiczność Deweloperzy Badacze Inżynierowie Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
TensorFlow ™ to biblioteka oprogramowania open source do obliczeń numerycznych z wykorzystaniem wykresów przepływu danych SyntaxNet jest strukturą przetwarzania naturalnych języków dla sieci TensorFlow Word2Vec służy do nauki reprezentacji wektorów słów, zwanych "osadzaniem słów" Word2vec jest szczególnie wydajnym obliczeniowo modelem predykcyjnym do nauki osadzania słów z nieprzetworzonego tekstu Występuje w dwóch wersjach: Continuous BagofWords (CBOW) i SkipGram (rozdział 31 i 32 w Mikolov et al) Używany w tandemie, SyntaxNet i Word2Vec pozwala użytkownikom generować modele Learned Embedding z wejścia Natural Language Publiczność Ten kurs jest przeznaczony dla programistów i inżynierów, którzy zamierzają pracować z modelami SyntaxNet i Word2Vec na swoich wykresach TensorFlow Po ukończeniu tego kursu delegaci: zrozumieć strukturę i mechanizmy wdrażania TensorFlow być w stanie wykonać zadania związane z instalacją / środowiskiem produkcyjnym / architekturą i konfiguracją być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie umieć wdrażać zaawansowane produkty, takie jak modele szkoleniowe, terminy osadzania, tworzenie wykresów i rejestrowanie .
Ten kurs rozpoczyna się od przekazania wiedzy koncepcyjnej w sieciach neuronowych i ogólnie w algorytmie uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje) Część 1 (40%) tego szkolenia jest bardziej skoncentrowana na podstawach, ale pomoże ci wybrać właściwą technologię: TensorFlow, Caffe, Theano, DeepDrive, Keras, itp Część 2 (20%) tego szkolenia wprowadza Theano w bibliotekę pytonów, która ułatwia pisanie modeli głębokiego uczenia się Część 3 (40%) szkolenia będzie szeroko oparta na Tensorflow 2nd Generation API biblioteki Google Open Source dla Deep Learning Przykłady i handson zostaną wykonane w TensorFlow Publiczność Ten kurs jest przeznaczony dla inżynierów, którzy chcą korzystać z TensorFlow w swoich projektach Deep Learning Po ukończeniu tego kursu delegaci: dobrze rozumieć głębokie sieci neuronowe (DNN), CNN i RNN zrozumieć strukturę i mechanizmy wdrażania TensorFlow być w stanie wykonać zadania związane z instalacją / środowiskiem produkcyjnym / architekturą i konfiguracją być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie być w stanie wdrożyć zaawansowane produkty, takie jak modele szkoleniowe, tworzenie wykresów i rejestrowanie Nie wszystkie tematy zostałyby zakwalifikowane do publicznej sali lekcyjnej o 35 godzin z powodu ogromu tematu Czas trwania całego kursu wyniesie około 70 godzin, a nie 35 godzin .
.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)")
