I corsi di formazione TensorFlow dal vivo, istruttori e interattivi dimostrano attraverso discussioni interattive e esercitazioni pratiche su come utilizzare il sistema TensorFlow per facilitare la ricerca nell´apprendimento automatico e per rendere facile e veloce il passaggio dal prototipo di ricerca al sistema di produzione. La formazione TensorFlow è disponibile come formazione dal vivo in loco o formazione dal vivo a distanza. La formazione on-site in loco può essere svolta localmente presso la sede del cliente in Italia o nei centri di formazione aziendale NobleProg in Italia. La formazione in remoto dal vivo viene effettuata tramite un desktop remoto interattivo.
Recensioni
Ho davvero apprezzato le risposte cristalline di Chris alle nostre domande.
Léo Dubus
Corso: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
In generale mi è piaciuto l'allenatore esperto.
Sridhar Voorakkara
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sono rimasto stupito dallo standard di questa classe - direi che era standard universitario.
David Relihan
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ottima panoramica generale. Go od fondo sul perché tensorflow funziona come lo fa.
Kieran Conboy
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Mi è piaciuta l'opportunità di porre domande e ottenere spiegazioni più approfondite della teoria.
Sharon Ruane
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Approccio molto aggiornato o CPI (flusso tensoriale, epoca, apprendimento) per l'apprendimento automatico.
Paul Lee
Corso: TensorFlow for Image Recognition
Machine Translated
Date le prospettive della tecnologia: quale tecnologia / processo potrebbe diventare più importante in futuro; vedi, per che cosa può essere usata la tecnologia.
Commerzbank AG
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ho tratto beneficio dalla selezione degli argomenti. Stile di allenamento Orientamento alla pratica.
Commerzbank AG
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Una vasta gamma di argomenti trattati e una conoscenza approfondita dei leader.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
mancanza
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Grande conoscenza teorica e pratica dei docenti. Comunicabilità dei formatori. Durante il corso, potresti porre domande e ottenere risposte soddisfacenti.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Parte pratica, dove abbiamo implementato algoritmi. Ciò ha permesso una migliore comprensione dell'argomento.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
esercizi ed esempi implementati su di loro
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Esempi e argomenti discussi.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Conoscenza sostanziale, impegno, un modo appassionato di trasferire conoscenza. Esempi pratici dopo una lezione teorica.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Esercizi pratici preparati dal signor Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Identificazione umana e rilevamento cattivo punto del circuito
王 春柱 - 中移物联网
Corso: Deep Learning for NLP (Natural Language Processing)
Machine Translated
dimostrare
中移物联网
Corso: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Informazioni sull'area del viso.
中移物联网
Corso: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Molti consigli pratici
Pawel Dawidowski - ABB Sp. z o.o.
Corso: Deep Learning with TensorFlow
Machine Translated
Molte informazioni relative all'implementazione di soluzioni
Michał Smolana - ABB Sp. z o.o.
Corso: Deep Learning with TensorFlow
Machine Translated
Una moltitudine di consigli pratici e conoscenza del docente da una vasta gamma di problemi AI / IT / SQL / IoT.
ABB Sp. z o.o.
Corso: Deep Learning with TensorFlow
Machine Translated
Ho iniziato con una conoscenza quasi nulla e alla fine sono stato in grado di costruire e formare le mie reti.
Huawei Technologies Duesseldorf GmbH
Corso: TensorFlow for Image Recognition
Machine Translated
Tomasz conosce davvero bene le informazioni e il corso era ben ritmo.
Raju Krishnamurthy - Google
Corso: TensorFlow Extended (TFX)
Machine Translated
L'allenatore era molto ben informato e aperto alle domande, piaceva disegnare diagrammi e spiegare le cose in modo abbastanza buono
Corso: Deep Learning with TensorFlow 2.0
Machine Translated
L'allenatore era molto ben informato e aperto alle domande, piaceva disegnare diagrammi e spiegare le cose in modo abbastanza buono
Corso: Deep Learning with TensorFlow 2.0
Machine Translated
Schema generale del corso TensorFlow
Nome del corso
Durata
Overview
Nome del corso
Durata
Overview
14 hours
Embedding Projector è un'applicazione web opensource per la visualizzazione dei dati utilizzati per addestrare i sistemi di machine learning Creato da Google, fa parte di TensorFlow Questo corso di formazione dal vivo con istruttore introduce i concetti alla base di Embedding Projector e accompagna i partecipanti attraverso la configurazione di un progetto dimostrativo Alla fine di questa formazione, i partecipanti saranno in grado di: Scopri come i dati vengono interpretati dai modelli di apprendimento automatico Navigare attraverso le viste 3D e 2D dei dati per comprendere come un algoritmo di apprendimento automatico lo interpreti Comprendere i concetti dietro Embeddings e il loro ruolo nella rappresentazione di vettori matematici per immagini, parole e numeri Esplora le proprietà di un incorporamento specifico per comprendere il comportamento di un modello Applicare Embedding Project ai casi d'uso del mondo reale come costruire un sistema di raccomandazione di canzoni per gli amanti della musica Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
21 hours
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
28 hours
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
35 hours
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
21 hours
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.
28 hours
Questo corso ti fornirà conoscenze in reti neurali e generalmente in algoritmo di machine learning, deep learning (algoritmi e applicazioni). Questa formazione è più focalizzata sui fondamenti, ma ti aiuterà a scegliere la tecnologia giusta: TensorFlow , Caffe , Teano, DeepDrive, Keras , ecc. Gli esempi sono realizzati in TensorFlow .
7 hours
La Tensor Processing Unit (TPU) è l'architettura che Google ha utilizzato internamente per diversi anni e che sta diventando disponibile al pubblico Include diverse ottimizzazioni specifiche per l'uso in reti neurali, tra cui la moltiplicazione della matrice ottimizzata e gli interi a 8 bit invece di 16 bit per restituire livelli appropriati di precisione In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come sfruttare le innovazioni nei processori TPU per massimizzare le prestazioni delle proprie applicazioni AI Alla fine della formazione, i partecipanti saranno in grado di: Formare vari tipi di reti neurali su grandi quantità di dati Utilizzare TPU per accelerare il processo di inferenza di un massimo di due ordini di grandezza Utilizza TPU per elaborare applicazioni intensive come la ricerca di immagini, la visione cloud e le foto Pubblico Sviluppatori ricercatori ingegneri Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
7 hours
TensorFlow Serving è un sistema per servire modelli di machine learning (ML) alla produzione In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come configurare e utilizzare TensorFlow Serving per distribuire e gestire i modelli ML in un ambiente di produzione Alla fine di questa formazione, i partecipanti saranno in grado di: Addestrare, esportare e servire vari modelli di TensorFlow Testare e distribuire algoritmi utilizzando un'unica architettura e un insieme di API Estendi TensorFlow Serve per servire altri tipi di modelli oltre ai modelli TensorFlow Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
35 hours
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
28 hours
Deep Learning for NLP consente a una macchina di apprendere l'elaborazione del linguaggio da semplice a complessa Tra le attività attualmente possibili sono la traduzione in lingua e la generazione di didascalie per le foto DL (Deep Learning) è un sottoinsieme di ML (Machine Learning) Python è un linguaggio di programmazione popolare che contiene librerie per Deep Learning for NLP In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno a utilizzare le librerie Python per NLP (Natural Language Processing) mentre creano un'applicazione che elabora una serie di immagini e genera didascalie Alla fine di questa formazione, i partecipanti saranno in grado di: Progettare e codificare DL per NLP usando le librerie Python Crea un codice Python che legge una collezione enorme di immagini e genera parole chiave Crea codice Python che genera didascalie dalle parole chiave rilevate Pubblico Programmatori con interesse per la linguistica Programmatori che cercano una comprensione della PNL (Natural Language Processing) Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
28 hours
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
21 hours
TensorFlow è una libreria popolare e di apprendimento automatico sviluppata da Go ogle per l'apprendimento profondo, il calcolo numerico e l'apprendimento automatico su larga scala. TensorFlow 2.0, rilasciato a gennaio 2019, è la versione più recente di TensorFlow e include miglioramenti nell'esecuzione desiderata, compatibilità e coerenza API. Questa formazione dal vivo con istruttore (in loco o remoto) è rivolta a sviluppatori e data scientist che desiderano utilizzare Tensorflow 2.0 per creare predittori, classificatori, modelli generativi, reti neurali e così via. Al termine di questa formazione, i partecipanti saranno in grado di:
- Installa e configura TensorFlow 2.0.
- Comprendi i vantaggi di TensorFlow 2.0 rispetto alle versioni precedenti.
- Costruire modelli di apprendimento profondo.
- Implementa un classificatore di immagini avanzato.
- Distribuisci un modello di apprendimento profondo su dispositivi cloud, mobili e IoT.
- Conferenza e discussione interattiva.
- Molti esercizi e pratiche.
- Implementazione pratica in un ambiente live-lab.
- Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
- Per ulteriori informazioni su TensorFlow , visitare: https://www.tensorflow.org/
14 hours
TensorFlow.js è un framework JavaScript per l'apprendimento automatico. TensorFlow.js consente agli utenti di costruire e addestrare modelli di apprendimento automatico direttamente in JavaScript.
Questo allenamento guidato da istruttori, dal vivo (online o on-site) è rivolto a scienziati dei dati che vogliono utilizzare TensorFlow.js per identificare i modelli e generare previsioni attraverso i modelli di apprendimento automatico.
Al termine di questo corso, i partecipanti saranno in grado di:
-
Costruire e addestrare modelli di apprendimento automatico con TensorFlow.js.
Eseguire modelli di apprendimento automatico nel browser o sotto Node.js.
Rimuovere i modelli di apprendimento automatico preesistenti utilizzando dati personalizzati.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
14 hours
TensorFlow è una biblioteca di apprendimento automatico open source. TensorFlow fornisce agli utenti la capacità di utilizzare e creare intelligenza artificiale per rilevare e prevedere frodi.
Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto a scienziati dei dati che vogliono utilizzare TensorFlow per analizzare i dati di potenziale frode.
Al termine di questo corso, i partecipanti saranno in grado di:
-
Creare un modello di rilevazione di frodi in Python e TensorFlow.
Costruire modelli di regressione lineare e di regressione lineare per prevedere frodi.
Sviluppare un'applicazione di AI end-to-end per l'analisi dei dati fraudolenti.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
21 hours
TensorFlow Extended (TFX) è una piattaforma end-to-end per la distribuzione di tubi ML di produzione.
Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto a scienziati dei dati che vogliono passare dalla formazione di un singolo modello ML per implementare molti modelli ML per la produzione.
Al termine di questo corso, i partecipanti saranno in grado di:
-
Installare e configurare TFX e supportare strumenti di terze parti.
Utilizzare TFX per creare e gestire un tubo di produzione ML completo.
Lavorare con i componenti TFX per realizzare la modellazione, la formazione, il servizio di inferenza e la gestione dei depositi.
Sviluppare funzionalità di apprendimento automatico per applicazioni web, applicazioni mobili, dispositivi IoT e altro ancora.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
28 hours
Kubeflow è un quadro per eseguire Machine Learning carico di lavoro su Kubernetes. TensorFlow è una delle biblioteche di apprendimento automatico più popolari. Kubernetes è una piattaforma di orchestrazione per la gestione di applicazioni containerizzate. OpenShift è una piattaforma di sviluppo di applicazioni cloud che utilizza Docker contenitori, orchestrati e gestiti da Kubernetes, sulla base di Red Hat Enterprise Linux.
Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che vogliono disporre Machine Learning carico di lavoro in un OpenShift on-premise o cloud ibrido.
-
Al termine di questo corso, i partecipanti saranno in grado di:
Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e
Utilizzare OpenShift per semplificare il lavoro di inizializzazione di un Kubernetes cluster.
Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione.
Imparare e implementare TensorFlow modelli ML su più GPUs e macchine che funzionano in parallelo.
Chiamare i servizi cloud pubblici (ad esempio i servizi AWS) dall'interno OpenShift per estendere un'applicazione ML.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Last Updated:
Other countries
Consulting
Fine settimana TensorFlow corsi, Sera TensorFlow training, TensorFlow centro di addestramento, TensorFlow con istruttore, Fine settimana TensorFlow training, Sera TensorFlow corsi, TensorFlow coaching, TensorFlow istruttore, TensorFlow trainer, TensorFlow corsi di formazione, TensorFlow classi, TensorFlow in loco, TensorFlow corsi privati, TensorFlow training individuale
