Deep Learning Formazione in Italia

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a professionisti di livello avanzato che desiderano approfondire la loro comprensione della visione artificiale ed esplorare le capacità di TensorFlow per lo sviluppo di sofisticati modelli di visione utilizzando Google Colab.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Costruisci e addestra reti neurali convoluzionali (CNN) utilizzando TensorFlow.
• Sfrutta Google Colab per uno sviluppo di modelli basato su cloud scalabile ed efficiente.
• Implementare tecniche di pre-elaborazione delle immagini per le attività di visione artificiale.
• Distribuisci modelli di visione artificiale per applicazioni reali.
• Utilizza il transfer learning per migliorare le prestazioni dei modelli CNN.
• Visualizza e interpreta i risultati dei modelli di classificazione delle immagini.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori di livello intermedio che desiderano comprendere e applicare tecniche di deep learning utilizzando l'ambiente Google Colab.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configura e naviga Google Colab per i progetti di deep learning.
• Comprendere i fondamenti delle reti neurali.
• Implementare modelli di deep learning utilizzando TensorFlow.
• Addestra e valuta i modelli di deep learning.
• Utilizza le funzionalità avanzate di TensorFlow per il deep learning.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello intermedio, data scientist e professionisti dell'intelligenza artificiale che desiderano sfruttare TensorFlow Lite per le applicazioni di intelligenza artificiale edge.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere i fondamenti di TensorFlow Lite e il suo ruolo nell'Edge AI.
• Sviluppa e ottimizza i modelli di intelligenza artificiale utilizzando TensorFlow Lite.
• Distribuisci TensorFlow modelli Lite su vari dispositivi edge.
• Utilizza strumenti e tecniche per la conversione e l'ottimizzazione dei modelli.
• Implementa pratiche applicazioni Edge AI utilizzando TensorFlow Lite.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a professionisti di livello avanzato che desiderano specializzarsi in tecniche di deep learning all'avanguardia per NLU.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi le principali differenze tra i modelli NLU e NLP.
• Applica tecniche avanzate di deep learning alle attività NLU.
• Esplora architetture profonde come trasformatori e meccanismi di attenzione.
• Sfrutta le tendenze future dell'NLU per creare sofisticati sistemi di intelligenza artificiale.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist di livello intermedio e avanzato, ingegneri di machine learning, ricercatori di deep learning ed esperti di visione artificiale che desiderano ampliare le proprie conoscenze e competenze nell'apprendimento profondo per la generazione di testo in immagine.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi le architetture e le tecniche avanzate di deep learning per la generazione di testo in immagine.
• Implementa modelli complessi e ottimizzazioni per la sintesi di immagini di alta qualità.
• Ottimizza le prestazioni e la scalabilità per set di dati di grandi dimensioni e modelli complessi.
• Ottimizza gli iperparametri per migliorare le prestazioni e la generalizzazione del modello.
• Integrare Stable Diffusion con altri framework e strumenti di deep learning

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a professionisti di livello avanzato che desiderano sfruttare le tecniche di intelligenza artificiale per rivoluzionare i processi di scoperta e sviluppo di farmaci.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendere il ruolo dell'intelligenza artificiale nella scoperta e nello sviluppo di farmaci.
• Applica tecniche di apprendimento automatico per prevedere le proprietà molecolari e le interazioni.
• Utilizza i modelli di deep learning per lo screening virtuale e l'ottimizzazione dei lead.
• Integra gli approcci basati sull'intelligenza artificiale nel processo di sperimentazione clinica.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai biologi che desiderano capire come funziona AlphaFold e utilizzare i modelli AlphaFold come guide nei loro studi sperimentali.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendere i principi di base di AlphaFold.
• Scopri come funziona AlphaFold.
• Scopri come interpretare AlphaFold le previsioni e i risultati.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e ingegneri di machine learning di livello principiante e intermedio che desiderano migliorare le prestazioni dei loro modelli di deep learning.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi i principi del deep learning distribuito.
• Installa e configura DeepSpeed.
• Ridimensiona i modelli di deep learning su hardware distribuito utilizzando DeepSpeed.
• Implementa e sperimenta le funzionalità di DeepSpeed per l'ottimizzazione e l'efficienza della memoria.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare modelli linguistici di grandi dimensioni per varie attività in linguaggio naturale.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Configura un ambiente di sviluppo che includa un LLM popolare.
• Crea un LLM di base e ottimizzalo su un set di dati personalizzato.
• Utilizza gli LLM per diverse attività in linguaggio naturale come il riassunto del testo, la risposta alle domande, la generazione di testo e altro ancora.
• Esegui il debug e valuta gli LLM utilizzando strumenti come TensorBoard, PyTorch Lightning e Hugging Face Datasets.

Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto a data scientist, ingegneri di machine learning e ricercatori di visione artificiale che desiderano sfruttare Stable Diffusion per generare immagini di alta qualità per una varietà di casi d'uso.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi i principi di Stable Diffusion e come funziona per la generazione di immagini.
• Compilare e addestrare Stable Diffusion modelli per le attività di generazione di immagini.
• Applicare Stable Diffusion a vari scenari di generazione di immagini, ad esempio inpainting, outpainting e conversione da immagine a immagine.
• Ottimizza le prestazioni e la stabilità dei modelli Stable Diffusion.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno le tecniche di apprendimento automatico più rilevanti e all'avanguardia in Python mentre costruiscono una serie di applicazioni demo che coinvolgono immagini, musica, testo e dati finanziari.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Implementa algoritmi e tecniche di apprendimento automatico per risolvere problemi complessi.
• Applica il deep learning e l'apprendimento semi-supervisionato alle applicazioni che coinvolgono immagini, musica, testo e dati finanziari.
• Spingi gli algoritmi Python al loro massimo potenziale.
• Usa librerie e pacchetti come NumPy e Theano.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori e data scientist che desiderano apprendere i fondamenti di Deep Reinforcement Learning durante la creazione di un agente di Deep Learning.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere i concetti chiave alla base del Deep Reinforcement Learning ed essere in grado di distinguerlo dal Machine Learning.
• Applicare algoritmi avanzati Reinforcement Learning per risolvere problemi del mondo reale.
• Crea un agente di deep learning.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno come implementare modelli di deep learning per le telecomunicazioni utilizzando Python mentre passano attraverso la creazione di un modello di rischio di credito di deep learning.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendere i concetti fondamentali del deep learning.
• Scopri le applicazioni e gli usi del deep learning nelle telecomunicazioni.
• Utilizza Python, Keras e TensorFlow per creare modelli di deep learning per le telecomunicazioni.
• Costruisci il proprio modello di previsione dell'abbandono dei clienti con deep learning utilizzando Python.

Questo corso è stato creato per manager, architetti di soluzioni, responsabili dell'innovazione, CTO, architetti software e chiunque sia interessato a una panoramica dell'intelligenza artificiale applicata e alle previsioni più vicine per il suo sviluppo.

Questo corso copre l'AI (emphasizing Machine Learning e Deep Learning) in Automotive Industria. Aiuta a determinare quale tecnologia può essere (potenzialmente) utilizzata in molte situazioni in un'auto: dalla semplice automazione, dalla riconoscimento dell'immagine alla decisione autonoma.

Questo è un corso di 4 giorni che introduce l'intelligenza artificiale e la sua applicazione. C'è la possibilità di avere un giorno in più per intraprendere un progetto di intelligenza artificiale al termine di questo corso. 

Questa formazione guidata dal docente in Italia (online o presenza) si rivolge a scienziati dei dati e statistici di livello intermedio che desiderano preparare i dati, creare modelli e applicare efficacemente tecniche di apprendimento automatico nei loro domini professionali.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Capire e implementare vari algoritmi Machine Learning.
• Preparare dati e modelli per applicazioni di apprendimento automatico.
• Eseguire analisi post hoc e visualizzare i risultati efficacemente.
• Applicare tecniche di apprendimento automatico a scenari reali, specifici dei settori.

La rete neurale artificiale è un modello di dati computazionale utilizzato nello sviluppo di sistemi di Artificial Intelligence (AI) in grado di eseguire attività "intelligenti". Neural Networks sono comunemente utilizzate nelle applicazioni di Machine Learning (ML), che sono esse stesse un'implementazione dell'IA. Deep Learning è un sottoinsieme di ML.

Caffe è una struttura di apprendimento profondo creata pensando a espressione, velocità e modularità.

Questo corso esplora l'applicazione di Caffe come framework di apprendimento profondo per il riconoscimento di immagini usando MNIST come esempio

Pubblico

Questo corso è adatto a ricercatori e ingegneri del Deep Learning interessati a utilizzare Caffe come framework.

Dopo aver completato questo corso, i delegati saranno in grado di:

• comprendere la struttura e i meccanismi di distribuzione di Caffe
• svolgere attività e configurazione di installazione / ambiente di produzione / architettura
• valutare la qualità del codice, eseguire il debug, il monitoraggio
• implementare la produzione avanzata come modelli di formazione, implementazione di livelli e registrazione

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a ricercatori e sviluppatori che desiderano utilizzare Chainer per costruire e addestrare reti neurali in Python rendendo il codice facile da debuggare.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Configura l'ambiente di sviluppo necessario per iniziare a sviluppare modelli di reti neurali.
• Definisci e implementa modelli di reti neurali utilizzando un codice sorgente comprensibile.
• Esegui esempi e modifica gli algoritmi esistenti per ottimizzare i modelli di addestramento del deep learning sfruttando GPU per ottenere prestazioni elevate.

Computer Network ToolKit (CNTK) è il framework di apprendimento automatico per l'addestramento RNN Open Source, Multi-machine, Multi-GPU di Microsoft per l'addestramento di voce, testo e immagini.

Pubblico

Questo corso è rivolto a ingegneri e architetti che mirano a utilizzare CNTK nei loro progetti.

Questo corso è una panoramica generale per Deep Learning senza approfondire troppo i metodi specifici. È adatto a chi vuole iniziare a utilizzare il Deep Learning per migliorare l'accuratezza delle previsioni.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a ricercatori e sviluppatori che desiderano installare, configurare, personalizzare e utilizzare la piattaforma DeepMind Lab per sviluppare sistemi generali di intelligenza artificiale e apprendimento automatico.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Personalizza DeepMind Lab per creare ed eseguire un ambiente adatto alle esigenze di apprendimento e formazione.
• Utilizza l'ambiente di simulazione 3D di DeepMind Lab per addestrare gli agenti di apprendimento in un punto di vista in prima persona.
• Facilita la valutazione degli agenti per sviluppare l'intelligenza in un mondo simile a un gioco 3D.

L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere esplicitamente programmati. Il deep learning è un sottocampo dell'apprendimento automatico che utilizza metodi basati sull'apprendimento, rappresentazioni di dati e strutture come le reti neurali.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ad analisti aziendali, data scientist e sviluppatori che desiderano creare e implementare modelli di deep learning per accelerare la crescita dei ricavi e risolvere i problemi nel mondo degli affari.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi i concetti fondamentali del machine learning e del deep learning.
• Ottieni informazioni dettagliate sul futuro del business e dell'industria con ML e DL.
• Definisci strategie e soluzioni aziendali con il deep learning.
• Scopri come applicare la scienza dei dati e il deep learning per risolvere i problemi aziendali.
• Crea modelli di deep learning utilizzando Python, Pandas, TensorFlow, CNTK, Torch, Keras, ecc.

L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere esplicitamente programmati. Il deep learning è un sottocampo dell'apprendimento automatico che utilizza metodi basati sull'apprendimento, rappresentazioni di dati e strutture come le reti neurali. Python è un linguaggio di programmazione di alto livello famoso per la sua sintassi chiara e la leggibilità del codice.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come implementare modelli di deep learning per il settore bancario utilizzando Python mentre passano attraverso la creazione di un modello di rischio di credito di deep learning.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendere i concetti fondamentali del deep learning
• Scopri le applicazioni e gli usi del deep learning nel settore bancario
• Utilizza Python, Keras e TensorFlow per creare modelli di deep learning per il settore bancario
• Costruire il proprio modello di rischio di credito di deep learning utilizzando Python

Pubblico

• Gli sviluppatori
• Scienziati dei dati

Formato del corso

• In parte lezione, in parte discussione, esercizi e pratica pratica pesante

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno a utilizzare Python librerie per la PNL mentre creano un'applicazione che elabora un set di immagini e genera didascalie. 

Al termine di questa formazione, i partecipanti saranno in grado di:

• Progettare e codificare DL per NLP utilizzando le librerie Python. 
• Creare Python codice che legga una raccolta sostanzialmente enorme di immagini e generi parole chiave.
• Creare Python Codice che generi didascalie dalle parole chiave rilevate.

Pubblico

Questo corso è adatto a ricercatori e ingegneri del Deep Learning interessati a utilizzare gli strumenti disponibili (principalmente open source) per l'analisi delle immagini del computer

Questo corso fornisce esempi di lavoro.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai data scientist che desiderano accelerare le applicazioni di machine learning in tempo reale e implementarle su larga scala.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Installare il toolkit OpenVINO.
• Accelera un'applicazione di visione artificiale utilizzando un FPGA.
• Esegui diversi livelli CNN sull'FPGA.
• Ridimensionare l'applicazione su più nodi in un cluster Kubernetes.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai data scientist che desiderano utilizzare TensorFlow per analizzare i dati sulle potenziali frodi.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Creare un modello di rilevamento frodi in Python e TensorFlow.
• Costruire regressioni lineari e modelli di regressione lineare per prevedere le frodi.
• Sviluppare un'applicazione AI end-to-end per l'analisi dei dati sulle frodi.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori o data scientist che desiderano utilizzare Horovod per eseguire corsi di formazione distribuiti di deep learning e scalarli per l'esecuzione su più GPU in parallelo.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Configura l'ambiente di sviluppo necessario per iniziare a eseguire corsi di formazione sul deep learning.
• Installare e configurare Horovod per addestrare i modelli con TensorFlow, Keras, PyTorch e Apache MXNet.
• Scala l'addestramento di deep learning con Horovod per l'esecuzione su più GPU.

Tipologia: Formazione teorica con applicazioni decise in anticipo con gli studenti sulle lasagne o Keras a seconda del gruppo pedagogico

Metodo didattico: presentazione, scambi e casi di studio

L'intelligenza artificiale, dopo aver sconvolto molti campi scientifici, ha iniziato a rivoluzionare un gran numero di settori economici (industria, medicina, comunicazione, ecc.). Ciononostante, la sua presentazione nei media mainstream è spesso una fantasia, molto lontana da ciò che sono realmente i campi di Machine Learning o Deep Learning. Lo scopo di questa formazione è quello di fornire agli ingegneri che hanno già una padronanza degli strumenti informatici (inclusa una programmazione software di base) un'introduzione a Deep Learning nonché alle sue diverse aree di specializzazione e quindi alle principali architetture di rete oggi esistenti. Se durante il corso vengono richiamate le basi della matematica, si consiglia un livello di matematica di tipo BAC+2 per una maggiore comodità. È assolutamente possibile saltare l'asse matematico per mantenere solo una visione "sistemica", ma questo approccio limiterà notevolmente la comprensione dell'argomento.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a persone tecniche che desiderano applicare il modello di deep learning alle applicazioni di riconoscimento delle immagini.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Installare e configurare Keras.
• Prototipa rapidamente i modelli di deep learning.
• Implementare una rete convoluzionale.
• Implementare una rete ricorrente.
• Esegui un modello di deep learning sia su una CPU che su GPU.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare Matlab per progettare, costruire e visualizzare una rete neurale convoluzionale per il riconoscimento delle immagini.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Costruire un modello di apprendimento profondo
• Automatizza l'etichettatura dei dati
• Lavora con i modelli di Caffe e TensorFlow - Keras
• Addestra i dati utilizzando più GPU , il cloud o i cluster

Pubblico

• Sviluppatori
• ingegneri
• Esperti di dominio

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Questa formazione dal vivo condotta da un istruttore in Italia (online o in loco) è rivolta a professionisti di livello principiante o intermedio che desiderano sviluppare la propria comprensione degli algoritmi di apprendimento automatico, delle tecniche di apprendimento profondo e del processo decisionale basato sull'intelligenza artificiale. Il corso fornisce esperienza pratica con concetti di apprendimento automatico, modelli di apprendimento profondo e implementazioni pratiche utilizzando R.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere i fondamenti dell'apprendimento automatico e dell'apprendimento profondo.
• Applicare vari algoritmi di apprendimento automatico per la regressione, la classificazione, il clustering e il rilevamento delle anomalie.
• Utilizzare architetture di apprendimento profondo come le reti neurali artificiali (ANN).
• Implementare modelli di apprendimento supervisionati e non supervisionati.
• Valutare le prestazioni del modello e ottimizzare gli iperparametri.
• Utilizza R per l'analisi dei dati, la visualizzazione e le applicazioni di apprendimento automatico.

La formazione è rivolta a persone che vogliono apprendere le basi delle reti neurali e le loro applicazioni.

Questa sessione di formazione in aula conterrà presentazioni ed esempi basati su computer ed esercizi di casi di studio da intraprendere con le librerie di reti neurali e profonde pertinenti

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli ingegneri del software che desiderano programmare in Python con OpenCV 4 per il deep learning.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Visualizzare, caricare e classificare immagini e video utilizzando OpenCV 4.
• Implementa il deep learning in OpenCV, 4 con TensorFlow e Keras.
• Esegui modelli di deep learning e genera report di grande impatto da immagini e video.

OpenFace è un software di riconoscimento facciale in tempo reale open source basato su Google's FaceNet research.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare i componenti di OpenFace per creare e distribuire un'applicazione di riconoscimento facciale di esempio.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Lavora con i componenti di OpenFace, tra cui dlib, OpenVC, Torch e nn4 per implementare il rilevamento, l'allineamento e la trasformazione dei volti
• Applica OpenFace ad applicazioni del mondo reale come la sorveglianza, la verifica dell'identità, la realtà virtuale, i giochi e l'identificazione dei clienti abituali, ecc.

Pubblico

• Gli sviluppatori
• Scienziati dei dati

Formato del corso

• In parte lezione, in parte discussione, esercizi e pratica pratica pesante

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come impostare e utilizzare OpenNMT per eseguire la traduzione di vari set di dati di esempio. Il corso inizia con una panoramica delle reti neurali applicate alla traduzione automatica. I partecipanti eseguiranno esercitazioni dal vivo durante il corso per dimostrare la loro comprensione dei concetti appresi e ottenere feedback dall'istruttore.

Al termine di questa formazione, i partecipanti avranno le conoscenze e le pratiche necessarie per implementare una soluzione OpenNMT dal OpenNMT .

Campioni di lingua di origine e di destinazione saranno predisposti in base alle esigenze del pubblico.

Formato del corso

• Parte lezione, parte discussione, pratica pratica pesante

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno tecniche avanzate per Machine Learning con R durante la creazione di un'applicazione reale.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere e implementare tecniche di apprendimento non supervisionato
• Applica il clustering e la classificazione per fare previsioni basate su dati reali.
• Visualizza i dati per ottenere rapidamente informazioni, prendere decisioni e perfezionare ulteriormente l'analisi.
• Migliorare le prestazioni di un modello di Machine Learning usando l'ottimizzazione degli iperparametri.
• Mettere in produzione un modello per utilizzarlo in un'applicazione più ampia.
• Applica tecniche avanzate di machine learning per rispondere a domande che coinvolgono i dati dei social network, i big data e altro ancora.

Questo corso è un'introduzione all'applicazione delle reti neurali nei problemi del mondo reale utilizzando il software del progetto R.

Questa formazione dal vivo con istruttore in Italia (online o in loco) è rivolta a sviluppatori e data scientist che desiderano utilizzare Tensorflow 2.x per creare predittori, classificatori, modelli generativi, reti neurali e così via.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare TensorFlow 2.x.
• Comprendere i vantaggi di TensorFlow 2.x rispetto alle versioni precedenti.
• Crea modelli di deep learning.
• Implementare un classificatore di immagini avanzato.
• Distribuisci un modello di deep learning su cloud, dispositivi mobili e IoT.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli ingegneri che desiderano scrivere, caricare ed eseguire modelli di machine learning su dispositivi embedded di dimensioni molto ridotte.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare TensorFlow Lite.
• Caricare modelli di machine learning su un dispositivo incorporato per consentirgli di rilevare il parlato, classificare le immagini e così via.
• Aggiungi l'intelligenza artificiale ai dispositivi hardware senza fare affidamento sulla connettività di rete.

In questo corso di formazione dal vivo con istruttore in Italia (online o in loco), i partecipanti impareranno come configurare e utilizzare TensorFlow Serving per distribuire e gestire i modelli di ML in un ambiente di produzione.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Eseguire il training, l'esportazione e il servizio di vari modelli TensorFlow.
• Testare e distribuire algoritmi utilizzando un'unica architettura e insieme di API.
• Estendere TensorFlow Serving per servire altri tipi di modelli oltre ai modelli TensorFlow.

TensorFlow è un'API di seconda generazione della libreria di software open source Go ogle per Deep Learning . Il sistema è progettato per facilitare la ricerca nell'apprendimento automatico e per rendere semplice e veloce il passaggio dal prototipo di ricerca al sistema di produzione.

Pubblico

Questo corso è destinato agli ingegneri che desiderano utilizzare TensorFlow per i loro progetti di Deep Learning

Dopo aver completato questo corso, i delegati dovranno:

• comprendere la struttura e i meccanismi di implementazione di TensorFlow
• essere in grado di eseguire attività di installazione / ambiente di produzione / architettura e configurazione
• essere in grado di valutare la qualità del codice, eseguire il debug, il monitoraggio
• essere in grado di implementare la produzione avanzata come modelli di formazione, creazione di grafici e registrazione

Questo corso esplora, con esempi specifici, l'applicazione del flusso tensoriale ai fini del riconoscimento delle immagini

Pubblico

Questo corso è destinato agli ingegneri che desiderano utilizzare TensorFlow ai fini del riconoscimento delle immagini

Dopo aver completato questo corso, i delegati saranno in grado di:

• comprendere la struttura e i meccanismi di implementazione di TensorFlow
• svolgere attività e configurazione di installazione / ambiente di produzione / architettura
• valutare la qualità del codice, eseguire il debug, il monitoraggio
• implementare la produzione avanzata come modelli di formazione, creazione di grafici e registrazione

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai data scientist che desiderano passare dall'addestramento di un singolo modello di ML all'implementazione di molti modelli di ML in produzione.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installa e configura TFX e strumenti di terze parti di supporto.
• Usa TFX per creare e gestire una pipeline di produzione ML completa.
• Lavora con i componenti TFX per eseguire la modellazione, il training, l'inferenza e la gestione delle distribuzioni.
• Distribuisci funzionalità di machine learning ad applicazioni Web, applicazioni mobili, dispositivi IoT e altro ancora.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno come sfruttare le innovazioni dei processori TPU per massimizzare le prestazioni delle proprie applicazioni di intelligenza artificiale.

Al termine della formazione, i partecipanti saranno in grado di:

• Addestra vari tipi di reti neurali su grandi quantità di dati.
• Usa le TPU per accelerare il processo di inferenza fino a due ordini di grandezza.
• Utilizza le TPU per elaborare applicazioni intensive come la ricerca di immagini, la visione cloud e le foto.

TensorFlow™ è una biblioteca software open source per la calcolo numerico utilizzando grafici di flusso di dati.

SyntaxNet è un framework di elaborazione del linguaggio naturale per TensorFlow.

Word2Vec viene utilizzato per l'apprendimento delle rappresentazioni vectoriali delle parole, chiamate "word embeddings". Word2vec è un modello predittivo particolarmente computazionale-efficiente per l'apprendimento delle inserzioni di parole dal testo crudo. Viene in due sapori, il modello Continuous Bag-of-Words (CBOW) e il modello Skip-Gram (Capitolo 3.1 e 3.2 in Mikolov et al.)

Utilizzato in tandem, SyntaxNet e Word2Vec consentono agli utenti di generare modelli di insegnamento imparato dall'ingresso della lingua naturale.

Il pubblico

Questo corso è mirato agli sviluppatori e agli ingegneri che intendono lavorare con i modelli SyntaxNet e Word2Vec nei loro TensorFlow grafici.

Dopo aver completato questo corso, i delegati saranno:

• Comprendere TensorFlow’s struttura e meccanismi di implementazione
• essere in grado di svolgere attività di installazione / ambiente di produzione / architettura e configurazione
• essere in grado di valutare la qualità del codice, eseguire il debugging, monitorare
• essere in grado di implementare la produzione avanzata come modelli di formazione, termini di inserimento, grafici di costruzione e logging

Questo corso inizia con la conoscenza concettuale delle reti neurali e generalmente dell'algoritmo di machine learning, deep learning (algoritmi e applicazioni).

La parte 1 (40%) di questa formazione è più focalizzata sui fondamenti, ma ti aiuterà a scegliere la giusta tecnologia: TensorFlow , Caffe , Theano, DeepDrive, Keras , ecc.

La parte 2 (20%) di questa formazione introduce Theano, una libreria Python che semplifica la scrittura di modelli di apprendimento profondo.

La parte 3 (40%) della formazione sarebbe ampiamente basata su Tensorflow - API di seconda generazione della libreria software open source di Go ogle per Deep Learning . Gli esempi e le istruzioni sarebbero state fatte in TensorFlow .

Pubblico

Questo corso è destinato agli ingegneri che desiderano utilizzare TensorFlow per i loro progetti di Deep Learning

Dopo aver completato questo corso, i delegati dovranno:

• avere una buona conoscenza delle reti neurali profonde (DNN), CNN e RNN

• comprendere la struttura e i meccanismi di implementazione di TensorFlow

• essere in grado di eseguire attività di installazione / ambiente di produzione / architettura e configurazione

• essere in grado di valutare la qualità del codice, eseguire il debug, il monitoraggio

• essere in grado di implementare la produzione avanzata come modelli di formazione, creazione di grafici e registrazione