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
Nazwa kursu
Czas trwania
Opis
Nazwa kursu
Czas trwania
Opis
14 godzin
Embedding Projector to aplikacja internetowa typu open source do wizualizacji danych wykorzystywanych do szkolenia systemów uczenia maszynowego. Stworzona przez Google, jest częścią TensorFlow.
To prowadzone przez instruktora szkolenie na żywo wprowadza koncepcje stojące za Embedding Projector i przeprowadza uczestników przez konfigurację projektu demonstracyjnego.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
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
28 godzin
Jest to 4-dniowy kurs wprowadzający w sztuczną inteligencję i jej zastosowanie. Istnieje możliwość dodatkowego dnia na podjęcie projektu AI po ukończeniu tego kursu;
28 godzin
DL (Deep Learning) jest podzbiorem ML (Machine Learning).
Python to popularny język programowania, który zawiera biblioteki do głębokiego uczenia dla NLP.
Deep Learning for NLP (Natural Language Processing) pozwala maszynie uczyć się od prostego do złożonego przetwarzania języka. Wśród obecnie możliwych zadań są tłumaczenia językowe i generowanie podpisów do zdjęć.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy nauczą się korzystać z Python bibliotek dla NLP, tworząc aplikację, która przetwarza zestaw zdjęć i generuje podpisy.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
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
21 godzin
Publiczność
Ten kurs jest odpowiedni dla Deep Learning badaczy i inżynierów zainteresowanych wykorzystaniem dostępnych narzędzi (głównie open source) do analizy obrazów komputerowych
Ten kurs zawiera działające przykłady.
14 godzin
TensorFlow to biblioteka uczenia maszynowego typu open source. TensorFlow zapewnia użytkownikom możliwość korzystania i tworzenia sztucznej inteligencji do wykrywania i przewidywania oszustw.
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą wykorzystać TensorFlow do analizy potencjalnych danych dotyczących oszustw.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
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.
28 godzin
Kubeflow to framework do uruchamiania obciążeń uczenia maszynowego na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia maszynowego. Kubernetes to platforma orkiestracji do zarządzania aplikacjami kontenerowymi. OpenShift to platforma do tworzenia aplikacji w chmurze, która wykorzystuje kontenery Docker, orkiestrowane i zarządzane przez Kubernetes, na fundamencie Red Hat Enterprise Linux.
To prowadzone przez instruktora szkolenie na żywo (w trybie online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć obciążenia uczenia maszynowego w chmurze lokalnej lub hybrydowej.
-
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.
28 godzin
Ten kurs zapewni ci wiedzę na temat sieci neuronowych i ogólnie algorytmów uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).
To szkolenie koncentruje się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow, Caffe, Teano, DeepDrive, Keras itp. Przykłady zostały przedstawione w TensorFlow.
21 godzin
TensorFlow to popularna biblioteka uczenia maszynowego opracowana przez Google do głębokiego uczenia, obliczeń numerycznych i uczenia maszynowego na dużą skalę. TensorFlow 2.0, wydana w styczniu 2019 roku, jest najnowszą wersją TensorFlow i zawiera ulepszenia w zakresie gorliwego wykonywania, kompatybilności i spójności API.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów i analityków danych, którzy chcą korzystać z Tensorflow 2.x do tworzenia predyktorów, klasyfikatorów, modeli generatywnych, sieci neuronowych itp.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
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/
14 godzin
TensorFlow.js to JavaScript framework do uczenia maszynowego. TensorFlow.js umożliwia użytkownikom tworzenie i trenowanie modeli uczenia maszynowego bezpośrednio w JavaScript.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla analityków danych, którzy chcą używać TensorFlow.js do identyfikowania wzorców i generowania prognoz za pomocą modeli uczenia maszynowego.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
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.
7 godzin
TensorFlow Serving to system do serwowania modeli uczenia maszynowego (ML) do produkcji.
W tym prowadzonym przez instruktora szkoleniu na żywo (online lub na miejscu) uczestnicy dowiedzą się, jak skonfigurować i używać TensorFlow Serving do wdrażania modeli ML i zarządzania nimi w środowisku produkcyjnym.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
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.
21 godzin
TensorFlow to API drugiej generacji Google' biblioteki oprogramowania open source do uczenia głębokiego. System został zaprojektowany w celu ułatwienia badań nad uczeniem maszynowym oraz szybkiego i łatwego przejścia od prototypu badawczego do systemu produkcyjnego.
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow w swoich projektach Deep Learning
Po ukończeniu tego kursu uczestnicy będą
-
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
28 godzin
Kurs ten bada, na konkretnych przykładach, zastosowanie Tensor Flow do celów rozpoznawania obrazów
Publiczność
Ten kurs jest przeznaczony dla inżynierów pragnących wykorzystać TensorFlow do celów rozpoznawania obrazów
Po ukończeniu tego kursu uczestnicy będą w stanie
-
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
21 godzin
TensorFlow Extended (TFX) to kompleksowa platforma do wdrażania produkcyjnych potoków ML.
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla analityków danych, którzy chcą przejść od szkolenia pojedynczego modelu ML do wdrożenia wielu modeli ML do produkcji.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
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.
7 godzin
Tensor Processing Unit (TPU) to architektura, z której Google korzysta wewnętrznie od kilku lat, a która dopiero teraz staje się dostępna do powszechnego użytku. Obejmuje ona kilka optymalizacji specjalnie do użytku w sieciach neuronowych, w tym usprawnione mnożenie macierzy i 8-bitowe liczby całkowite zamiast 16-bitowych w celu zwrócenia odpowiednich poziomów precyzji.
W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak wykorzystać innowacje w procesorach TPU, aby zmaksymalizować wydajność własnych aplikacji AI.
Po zakończeniu szkolenia uczestnicy będą w stanie
-
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
35 godzin
TensorFlow™ to biblioteka oprogramowania typu open source do obliczeń numerycznych z wykorzystaniem wykresów przepływu danych.
SyntaxNet to neuronowa platforma przetwarzania języka naturalnego dla TensorFlow.
Word2Vec jest używany do uczenia się wektorowych reprezentacji słów, zwanych "word embeddings". Word2vec jest szczególnie wydajnym obliczeniowo modelem predykcyjnym do uczenia się osadzania słów z surowego tekstu. Występuje on w dwóch wersjach: Continuous Bag-of-Words model (CBOW) i Skip-Gram model (rozdział 3.1 i 3.2 w Mikolov et al.).
Używane w tandemie, SyntaxNet i Word2Vec pozwalają użytkownikom generować wyuczone modele osadzania z danych wejściowych języka naturalnego.
Publiczność
Ten kurs jest skierowany do programistów i inżynierów, którzy zamierzają pracować z modelami SyntaxNet i Word2Vec w swoich wykresach TensorFlow.
Po ukończeniu tego kursu uczestnicy będą
-
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
35 godzin
Ten kurs rozpoczyna się od przekazania wiedzy koncepcyjnej na temat sieci neuronowych i ogólnie algorytmów uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).
Część 1 (40%) tego szkolenia koncentruje się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow, Caffe, Theano, DeepDrive, Keras itp.
Część 2 (20%) tego szkolenia wprowadza Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia się.
Część trzecia (40%) szkolenia będzie w znacznym stopniu oparta na Tensorflow - API drugiej generacji otwartej biblioteki oprogramowania Google do uczenia głębokiego. Przykłady i ćwiczenia zostaną wykonane w TensorFlow.
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow w swoich projektach Deep Learning
Po ukończeniu tego kursu uczestnicy będą
-
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:
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
