Deep Learning for NLP (Natural Language Processing) Počítačový Kurz

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, praktiky strojového učení a NLP výzkumníky a nadšence, kteří chtějí efektivně využívat Hugging Face pro úkoly NLP.

Na konci tohoto školení budou účastníci schopni:

Využijte model Hugging Face Transformer a dolaďte jej na konkrétní datové sadě. Získejte schopnost samostatně řešit běžné výzvy NLP. Efektivně vytvářejte a sdílejte ukázky svých modelů. Zefektivněte optimalizaci svých modelů pro výrobu. Použijte Hugging Face Transformers pro řešení široké škály problémů strojového učení.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí používat TextBlob k implementaci a zjednodušení úkolů NLP, jako je analýza sentimentu, opravy pravopisu, modelování klasifikace textu atd. .

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné vývojové prostředí pro zahájení implementace úloh NLP pomocí TextBlob.
• Pochopte funkce, architekturu a výhody TextBlobu.
• Naučte se vytvářet systémy klasifikace textu pomocí TextBlob.
• Provádějte běžné úkoly NLP (tokenizace, WordNet, analýza sentimentu, oprava pravopisu atd.)
• Provádějte pokročilé implementace pomocí jednoduchých API a několika řádků kódů.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí používat Spark NLP, postavený na Apache Spark, k vývoji, implementaci a škálování modelů zpracování textu v přirozeném jazyce. a potrubí.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné vývojové prostředí, abyste mohli začít budovat kanály NLP pomocí Spark NLP.
• Pochopte funkce, architekturu a výhody používání Spark NLP.
• K implementaci zpracování textu použijte předem připravené modely dostupné v Spark NLP.
• Naučte se stavět, trénovat a měnit Spark NLP modely pro projekty produkční úrovně.
• Aplikujte klasifikaci, odvození a analýzu sentimentu na případy použití v reálném světě (klinická data, statistiky chování zákazníků atd.).

Tento kurz byl navržen pro lidi, kteří se zajímají o extrakci významu z psaného anglického textu, i když znalosti lze aplikovat i na jiné lidské jazyky.

Kurz se bude zabývat tím, jak využít text napsaný lidmi, jako jsou blogové příspěvky, tweety atd...

Analytik může například nastavit algoritmus, který automaticky dospěje k závěru na základě rozsáhlého zdroje dat.

TensorFlow je API druhé generace Google open source softwarové knihovny pro Deep Learning. Systém je navržen tak, aby usnadnil výzkum v oblasti strojového učení a aby byl rychlý a snadný přechod od výzkumného prototypu k produkčnímu systému.

Publikum

Tento kurz je určen pro inženýry, kteří chtějí použít TensorFlow pro své projekty Deep Learning

Po absolvování tohoto kurzu budou delegáti:

porozumět struktuře a mechanismům nasazení TensorFlow být schopen provádět úlohy instalace / produkčního prostředí / architektury a konfigurace být schopen posuzovat kvalitu kódu, provádět ladění, monitorování být schopen implementovat pokročilou produkci, jako jsou tréninkové modely, vytváření grafů a protokolování

Tento kurz na konkrétních příkladech zkoumá použití Tensor Flow pro účely rozpoznávání obrazu

Publikum

Tento kurz je určen pro inženýry, kteří chtějí využít TensorFlow pro účely rozpoznávání obrazu

Po absolvování tohoto kurzu budou delegáti schopni:

porozumět struktuře a mechanismům nasazení TensorFlow provádět instalaci / produkční prostředí / architekturu a konfiguraci hodnotit kvalitu kódu, provádět ladění, monitorovat implementovat pokročilou produkci, jako jsou tréninkové modely, vytváření grafů a protokolování

TensorFlow™ je open source softwarová knihovna pro numerické výpočty pomocí grafů toku dat.

SyntaxNet je neural-network Natural Language Processing framework pro TensorFlow.

Word2Vec se používá pro učení vektorové reprezentace slov, nazývané "word embeddings". Word2vec je obzvláště výpočetně efektivní prediktivní model pro učení slovních vložek z surového textu. Přichází ve dvou chutích, kontinuálním modelu Bag-of-Words (CBOW) a modelu Skip-Gram (Kapitola 3.1 a 3.2 v Mikolov et al.a)

SyntaxNet a Word2Vec umožňují uživatelům vytvářet modely učení z přirozeného jazyka.

publikum

Tento kurz je zaměřen na vývojáře a inženýry, kteří mají v úmyslu pracovat s SyntaxNet a Word2Vec modely v jejich TensorFlow grafy.

Po dokončení tohoto kurzu budou delegáty:

• pochopit TensorFlow strukturu a mechanismy implementace’s
• schopnost provádět instalaci / výrobní prostředí / architektonické úkoly a konfigurace
• schopnost posoudit kvalitu kódu, provádět debugování, monitorování
• být schopen implementovat pokročilé výrobní modely, jako jsou tréninkové modely, termíny, stavební grafy a logování

Publikum

Tento kurz je vhodný pro Deep Learning výzkumníky a inženýry, kteří se zajímají o využití dostupných nástrojů (většinou open source) pro analýzu počítačových obrazů

Tento kurz poskytuje pracovní příklady.

This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).

This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.

V tomto živém školení pod vedením instruktora v České republice se účastníci naučí, jak využít inovace v procesorech TPU k maximalizaci výkonu svých vlastních aplikací umělé inteligence.

Na konci školení budou účastníci schopni:

• Trénujte různé typy neuronových sítí na velkém množství dat.
• Použijte TPU k urychlení procesu odvození až o dva řády.
• Využijte TPU ke zpracování náročných aplikací, jako je vyhledávání obrázků, cloudové vidění a fotografie.

Embedding Projector je webová aplikace s otevřeným zdrojovým kódem pro vizualizaci dat používaných k trénování systémů strojového učení. Vytvořeno společností Google, je součástí TensorFlow.

Toto živé školení vedené instruktorem představuje koncepty za Embedding Projector a provede účastníky nastavením demo projektu.

Na konci tohoto školení budou účastníci schopni:

Prozkoumejte, jak jsou data interpretována modely strojového učení Procházejte 3D a 2D pohledy na data, abyste pochopili, jak je interpretuje algoritmus strojového učení. Pochopte koncepty vkládání a jejich roli při reprezentaci matematických vektorů pro obrázky, slova a číslice. Prozkoumejte vlastnosti konkrétního vložení, abyste pochopili chování modelu Aplikujte Embedding Project na případy skutečného použití, jako je vytvoření systému doporučení skladeb pro milovníky hudby

Publikum

Vývojáři Data vědci

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

V tomto živém školení vedeném instruktorem v České republice (online nebo na místě) se účastníci naučí, jak nakonfigurovat a používat TensorFlow Serving k nasazení a správě modelů ML v produkčním prostředí.

Na konci tohoto školení budou účastníci schopni:

• Trénujte, exportujte a obsluhujte různé modely TensorFlow.
• Testujte a nasazujte algoritmy pomocí jediné architektury a sady API.
• Rozšířit TensorFlow Serving, aby sloužilo dalším typům modelů kromě modelů TensorFlow.

Tento kurz začíná tím, že vám poskytne koncepční znalosti o neuronových sítích a obecně v algoritmu strojového učení, hlubokém učení (algoritmy a aplikace).

Část 1 (40 %) tohoto školení je více zaměřena na základy, ale pomůže vám vybrat správnou technologii: TensorFlow, Caffe, Theano, DeepDrive, Keras atd.

Část 2 (20 %) tohoto školení představuje Theano – knihovnu pythonu, která usnadňuje psaní modelů hlubokého učení.

Část 3 (40 %) školení by byla z velké části založena na Tensorflow – API druhé generace otevřené softwarové knihovny Google pro Deep Learning. Všechny příklady a handon by byly vytvořeny v TensorFlow.

Publikum

Tento kurz je určen pro inženýry, kteří chtějí použít TensorFlow pro své projekty Deep Learning

Po absolvování tohoto kurzu budou delegáti:

mít dobré znalosti o hlubokých neuronových sítích (DNN), CNN a RNN rozumět struktuře a mechanismům nasazení TensorFlow být schopen provádět úlohy instalace / produkčního prostředí / architektury a konfigurace být schopen posoudit kvalitu kódu, provádět ladění, monitorování být schopen implementovat pokročilou produkci, jako jsou tréninkové modely, stavební grafy a protokolování

Toto je 4denní kurz představující AI a její aplikaci. Po dokončení tohoto kurzu je možné mít další den na provedení projektu AI.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře a datové vědce, kteří chtějí používat Tensorflow 2.x k vytváření prediktorů, klasifikátorů, generativních modelů, neuronových sítí a tak dále.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte TensorFlow 2.x.
• Pochopte výhody TensorFlow 2.x oproti předchozím verzím.
• Vytvářejte modely hlubokého učení.
• Implementujte pokročilý klasifikátor obrázků.
• Nasaďte model hlubokého učení do cloudu, mobilních zařízení a zařízení IoT.