TensorFlow Formazione in Torino

Questo training di formazione guidata dal formatore in Torino (online o sul posto) è rivolto a professionisti avanzati che desiderano approfondire la conoscenza della visione artificiale e esplorare le capacità di TensorFlow per lo sviluppo di sofisticati modelli visivi utilizzando Google Colab.

Al termine del training, i partecipanti saranno in grado di:

• Costruire e addestrare reti neurali convolutive (CNNs) usando TensorFlow.
• Sfruttare Google Colab per lo sviluppo modellistico basato sul cloud a grande scala ed efficiente.
• Implementare tecniche di pre-elaborazione delle immagini per compiti relativi alla visione artificiale.
• Distribuire modelli di visione artificiale per applicazioni del mondo reale.
• Utilizzare l'apprendimento da trasferimento per migliorare le prestazioni dei modelli CNN.
• Visualizzare e interpretare i risultati dei modelli di classificazione delle immagini.

Questo corso guidato dal formatore in Torino (online o sul posto) è rivolto a scienziati dei dati e sviluppatori di livello intermedio che desiderano comprendere e applicare tecniche di deep learning utilizzando l'ambiente Google Colab.

Al termine del corso, i partecipanti saranno in grado di:

• Configurare e navigare in Google Colab per progetti di deep learning.
• Comprendere le basi delle reti neurali.
• Implementare modelli di deep learning utilizzando TensorFlow.
• Addestrare e valutare modelli di deep learning.
• Utilizzare funzionalità avanzate di TensorFlow per deep learning.

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. 

In questo corso di formazione dal vivo con istruttore in Torino, 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 Torino (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.

Questa formazione dal vivo con istruttore in Torino (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.

In questo corso di formazione dal vivo con istruttore in Torino (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 Torino (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 guidato dal formatore in Torino, i partecipanti impareranno come sfruttare le innovazioni dei processori TPU per massimizzare le prestazioni delle proprie applicazioni AI.

Al termine del corso, i partecipanti saranno in grado di:

• addestrare diversi tipi di reti neurali su grandi quantità di dati.
• utilizzare TPU per accelerare il processo di inferenza fino a due ordini di grandezza.
• sfruttare i TPU per processare applicazioni intensive come ricerca immagini, visione nei cloud e elaborazione fotografie.

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