Struttura del corso

Inizio del corso

  • Configurazione e installazione

Nozioni di base di TensorFlow

  • Creazione, inizializzazione, salvataggio e ripristino delle variabili TensorFlow
  • Fornitura, lettura e precaricamento dei dati TensorFlow
  • Come utilizzare l'infrastruttura di TensorFlow per addestrare modelli su larga scala
  • Visualizzazione e valutazione dei modelli con TensorBoard

Mecanica base di TensorFlow 101

  • Preparare i dati
    • Download
    • Input e placeholders
  • Costruire il grafo
    • Inferenza
    • Pertinenza (Loss)
    • Addestramento
  • Addestrare il modello
    • Il grafo
    • La sessione
    • Ciclo di addestramento
  • Valutare il modello
    • Costruire il grafo di valutazione
    • Output della valutazione

Utilizzo avanzato

  • Multithreading e code
  • Distribuzione di TensorFlow
  • Scrittura della documentazione e condivisione del modello
  • Personalizzazione dei lettori dati
  • Utilizzo delle GPU
  • Gestione dei file del modello TensorFlow

Distribuzione di TensorFlow

  • Introduzione
  • Tutorial di distribuzione base
  • Tutorial di distribuzione avanzato
  • Tutorial sulla distribuzione del modello Inception

Inizio con SyntaxNet

  • Analisi dall'input standard
  • Annotazione di un corpus
  • Configurazione degli script Python

Costituzione di una pipeline NLP con SyntaxNet

  • Acquisizione dei dati
  • Tagging delle parti del discorso (Part-of-Speech)
  • Addestramento del tagger SyntaxNet POS
  • Precorrezione con il tagger
  • Analisi delle dipendenze: parsing basato sulle transizioni
  • Addestramento del parser, passo 1: preaddestramento locale
  • Addestramento del parser, passo 2: addestramento globale

Rappresentazioni vettoriali delle parole

  • Motivazione: Perché apprendere embeddings di parole?
  • Scalabilità con l'addestramento contrastivo rumore (Noise-Contrastive)
  • Il modello Skip-gram
  • Costruire il grafo
  • Addestrare il modello
  • Visualizzare gli embeddings appresi
  • Valutazione degli embeddings: ragionamento analogico
  • Ottimizzazione dell'implementazione

Requisiti

Conoscenze operative di Python

 35 Ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (3)

Corsi in Arrivo

Categorie relative