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
Recensioni (5)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Corso - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Corso - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Corso - Advanced Deep Learning
examples based on our data