
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
Schema generale del corso TensorFlow
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
SyntaxNet è un framework di elaborazione del linguaggio naturale in rete neurale per TensorFlow .
Word 2Vec viene utilizzato per l'apprendimento di rappresentazioni vettoriali di parole, chiamate "incorporamenti di parole". Word 2vec è un modello predittivo particolarmente efficiente dal punto di vista computazionale per l'apprendimento di incorporamenti di parole dal testo non elaborato. È disponibile in due versioni, il modello Bag-of- Word s continuo (CBOW) e il modello Skip-Gram (capitolo 3.1 e 3.2 in Mikolov et al.).
Utilizzato in tandem, SyntaxNet e Word 2Vec consente agli utenti di generare modelli di incorporamento appresi dall'input in linguaggio naturale.
Pubblico
Questo corso è rivolto a sviluppatori e ingegneri che intendono lavorare con i modelli SyntaxNet e Word 2Vec nei loro grafici TensorFlow .
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, termini di incorporamento, creazione di grafici e registrazione
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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
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
This instructor-led, live training (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
- To learn more about TensorFlow, please visit: https://www.tensorflow.org/lite/
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing machine learning models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand their default capabilities.
- Deploy deep learning models on embedded devices running Linux to solve physical world problems such as recognizing images and voice, predicting patterns, and initiating movements and responses from robots and other embedded systems in the field.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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.
Formato del corso
- Conferenza e discussione interattiva.
- Molti esercizi e pratiche.
- Implementazione pratica in un ambiente live-lab.
Opzioni di personalizzazione del corso
- Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
- Per ulteriori informazioni su TensorFlow , visitare: https://www.tensorflow.org/
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 .
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow to analyze potential fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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.
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