Struttura del corso

Introduzione

  • Apache MXNet contro PyTorch

Deep Learning Principi e Deep Learning Ecosistema

  • Tensori, percettrone multistrato, convoluzionale Neural Networks e ricorrente Neural Networks
  • Visione artificiale ed elaborazione del linguaggio naturale

Panoramica di Apache MXNet Funzionalità e architettura

  • Componenti Apache MXNet
  • Interfaccia API Gluon
  • Cenni preliminari su GPU e parallelismo del modello
  • Programmazione simbolica e imperativa

Apparecchio

  • Scelta di un ambiente di distribuzione (on-premise, cloud pubblico, ecc.)
  • Installazione Apache MXNet

Lavorare con i dati

  • Lettura dei dati
  • Convalida dei dati
  • Manipolazione dei dati

Sviluppo di un Deep Learning modello

  • Creazione di un modello
  • Addestramento di un modello
  • Ottimizzazione del modello

Distribuzione del modello

  • Stima con un modello pre-addestrato
  • Integrazione del modello in un'applicazione

Best practice per la sicurezza di MXNet

Risoluzione dei problemi

Riassunto e conclusione

Requisiti

  • Comprensione dei principi dell'apprendimento automatico
  • Python Esperienza di programmazione

Pubblico

  • Scienziati dei dati
  21 ore
 

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.
I corsi di formazione pubblici richiedono più di 5 partecipanti.

Recensioni (5)

Corsi relativi

Deep Learning AI Techniques for Executives, Developers and Managers

  21 ore

Deep Learning for Medicine

  14 ore

Categorie relative