OpenNMT: Setting Up a Neural Machine Translation System Počítačový Kurz
V tomto živém školení vedeném instruktorem se účastníci naučí, jak nastavit a používat OpenNMT k provádění překladu různých vzorových souborů dat. Kurz začíná přehledem neuronových sítí, jak se vztahují na strojový překlad. Účastníci budou během kurzu provádět živá cvičení, aby prokázali své porozumění naučeným konceptům a získali zpětnou vazbu od instruktora.
Na konci tohoto školení budou mít účastníci znalosti a praxi potřebné k implementaci živého OpenNMT řešení.
Vzorky zdrojového a cílového jazyka budou předem připraveny podle požadavků publika.
Formát kurzuČást přednáška, část diskuse, těžké praktické cvičení
Návrh Školení
Úvod
- Proč neurální strojový překlad?
Přehled projektu Torch
Instalace a nastavení
Předzpracování vašich údajů
Školení modelky
Překládání
Použití předem vyškolených modelů
Práce s Lua skripty
Použití rozšíření
Odstraňování problémů
Vstup do Společenství
Shrnutí a závěr
Požadavky
- Některé zkušenosti s programováním jsou užitečné.
- Zkušenosti s používáním příkazového řádku.
- Základní porozumění konceptům strojového překladu.
Publikum
- Specialisté na lokalizaci s technickým zázemím
- Globální správci obsahu
- Lokalizační inženýři
- Vývojáři softwaru zodpovědní za implementaci řešení globálního obsahu
Open Training Courses require 5+ participants.
OpenNMT: Setting Up a Neural Machine Translation System Počítačový Kurz - Booking
OpenNMT: Setting Up a Neural Machine Translation System Počítačový Kurz - Enquiry
OpenNMT: Setting Up a Neural Machine Translation System - Consultancy Enquiry
Upcoming Courses
Související kurzy
Introduction to Stable Diffusion for Text-to-Image Generation
21 hodinyToto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na datové vědce, inženýry strojového učení a výzkumníky počítačového vidění, kteří chtějí využít Stable Diffusion k vytvoření vysoce kvalitních obrázků pro různé případy použití.
Na konci tohoto školení budou účastníci schopni:
- Pochopte principy Stable Diffusion a jak to funguje pro generování obrázků. Vytvářejte a trénujte Stable Diffusion modely pro úlohy generování obrázků. Aplikujte Stable Diffusion na různé scénáře generování obrázků, jako je malování, překreslování a překlad z obrázku na obrázek. Optimalizujte výkon a stabilitu Stable Diffusion modelů.
Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation
21 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé až pokročilé datové vědce, inženýry strojového učení, výzkumníky hlubokého učení a odborníky na počítačové vidění, kteří si chtějí rozšířit své znalosti a dovednosti v oblasti hlubokého učení. pro generování textu na obrázek.
Na konci tohoto školení budou účastníci schopni:
- Pochopte pokročilé architektury hlubokého učení a techniky pro generování textu na obrázek. Implementujte složité modely a optimalizace pro vysoce kvalitní syntézu obrazu. Optimalizujte výkon a škálovatelnost pro velké datové sady a složité modely. Vylaďte hyperparametry pro lepší výkon modelu a zobecnění. Integrujte Stable Diffusion s dalšími rámci a nástroji hlubokého učení
AlphaFold
7 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na biology, kteří chtějí porozumět tomu, jak AlphaFold funguje, a používat modely AlphaFold jako průvodce ve svých experimentálních studiích.
Na konci tohoto školení budou účastníci schopni:
- Pochopit základní principy AlphaFold.
- Přečtěte si, jak funguje AlphaFold.
- Naučte se interpretovat AlphaFold předpovědi a výsledky.
TensorFlow Lite for Embedded Linux
21 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí použít TensorFlow Lite k nasazení modelů hlubokého učení na vestavěných zařízeních.
Na konci tohoto školení budou účastníci schopni:
- Nainstalujte a nakonfigurujte Tensorflow Lite na vestavěném zařízení.
- Porozumět základním konceptům a komponentám TensorFlow Lite.
- Převeďte existující modely do formátu TensorFlow Lite pro spuštění na vestavěných zařízeních.
- Pracujte v rámci omezení malých zařízení a TensorFlow Lite a zároveň se naučte, jak rozšířit rozsah operací, které lze provozovat.
- Nasaďte model hlubokého učení na vestavěném zařízení se systémem Linux.
TensorFlow Lite for Android
21 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat TensorFlow Lite k vývoji mobilních aplikací s možnostmi hlubokého učení.
Na konci tohoto školení budou účastníci schopni:
- Nainstalujte a nakonfigurujte TensorFlow Lite.
- Pochopte principy TensorFlow, strojového učení a hlubokého učení.
- Načtěte modely TensorFlow do zařízení Android.
- Povolte v mobilní aplikaci funkce hlubokého učení a strojového učení, jako je počítačové vidění a rozpoznávání přirozeného jazyka.
Tensorflow Lite for Microcontrollers
21 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na inženýry, kteří chtějí psát, načítat a spouštět modely strojového učení na velmi malých vestavěných zařízeních.
Na konci tohoto školení budou účastníci schopni:
- Nainstalujte TensorFlow Lite.
- Nahrajte modely strojového učení do vestavěného zařízení, aby bylo možné detekovat řeč, klasifikovat obrázky atd.
- Přidejte AI do hardwarových zařízení, aniž byste se spoléhali na síťové připojení.
TensorFlow Lite for iOS
21 hodinyToto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat TensorFlow Lite k vývoji mobilních aplikací pro iOS s možnostmi hlubokého učení.
Na konci tohoto školení budou účastníci schopni:
- Nainstalujte a nakonfigurujte TensorFlow Lite.
- Pochopte principy TensorFlow a strojového učení na mobilních zařízeních.
- Načtěte modely TensorFlow do zařízení iOS.
- Spusťte aplikaci pro iOS schopnou detekovat a klasifikovat objekt zachycený prostřednictvím fotoaparátu zařízení.
Edge AI with TensorFlow Lite
14 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé vývojáře, datové vědce a odborníky na umělou inteligenci, kteří chtějí využít TensorFlow Lite pro aplikace Edge AI.
Na konci tohoto školení budou účastníci schopni:
- Pochopte základy TensorFlow Lite a její roli v Edge AI.
- Vyvíjejte a optimalizujte modely umělé inteligence pomocí TensorFlow Lite.
- Nasaďte modely TensorFlow Lite na různá okrajová zařízení.
- Využijte nástroje a techniky pro konverzi a optimalizaci modelů.
- Implementujte praktické aplikace Edge AI pomocí TensorFlow Lite.
Optimizing AI Models for Edge Devices
14 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé vývojáře umělé inteligence, inženýry strojového učení a systémové architekty, kteří chtějí optimalizovat modely umělé inteligence pro okrajové nasazení.
Na konci tohoto školení budou účastníci schopni:
- Pochopte výzvy a požadavky nasazení modelů umělé inteligence na okrajová zařízení.
- Použijte techniky komprese modelů ke snížení velikosti a složitosti modelů AI.
- Využijte kvantizační metody ke zvýšení efektivity modelu na hranovém hardwaru.
- Implementujte prořezávání a další optimalizační techniky ke zlepšení výkonu modelu.
- Nasaďte optimalizované modely umělé inteligence na různá okrajová zařízení.
Edge AI in Industrial Automation
14 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé průmyslové inženýry, výrobní profesionály a vývojáře AI, kteří chtějí implementovat řešení Edge AI v průmyslové automatizaci.
Na konci tohoto školení budou účastníci schopni:
- Pochopte roli Edge AI v průmyslové automatizaci.
- Implementujte řešení prediktivní údržby pomocí Edge AI.
- Aplikujte techniky AI pro kontrolu kvality ve výrobních procesech.
- Optimalizujte průmyslové procesy pomocí Edge AI.
- Nasaďte a spravujte řešení Edge AI v průmyslových prostředích.
Edge AI for Financial Services
14 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé finanční profesionály, fintech vývojáře a specialisty na umělou inteligenci, kteří chtějí implementovat řešení Edge AI ve finančních službách.
Na konci tohoto školení budou účastníci schopni:
- Pochopte roli Edge AI ve finančních službách.
- Implementujte systémy detekce podvodů pomocí Edge AI.
- Vylepšete služby zákazníkům prostřednictvím řešení řízených umělou inteligencí.
- Použijte Edge AI pro řízení rizik a rozhodování.
- Nasaďte a spravujte řešení Edge AI ve finančním prostředí.
Deep Learning Neural Networks with Chainer
14 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na výzkumníky a vývojáře, kteří chtějí používat Chainer k budování a trénování neuronových sítí v Python a zároveň usnadňují ladění kódu.
Na konci tohoto školení budou účastníci schopni:
- Nastavte potřebné vývojové prostředí pro zahájení vývoje modelů neuronových sítí.
- Definujte a implementujte modely neuronových sítí pomocí srozumitelného zdrojového kódu.
- Provádějte příklady a upravujte stávající algoritmy, abyste optimalizovali tréninkové modely hlubokého učení a zároveň využili GPU pro vysoký výkon.
Distributed Deep Learning with Horovod
7 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře nebo datové vědce, kteří chtějí používat Horovod ke spouštění distribuovaných školení hlubokého učení a jeho rozšíření tak, aby běželo paralelně na více GPU.
Na konci tohoto školení budou účastníci schopni:
- Nastavte potřebné vývojové prostředí, abyste mohli zahájit školení hlubokého učení.
- Nainstalujte a nakonfigurujte Horovod pro trénování modelů pomocí TensorFlow, Keras, PyTorch a Apache MXNet.
- Škálujte trénink hlubokého učení s Horovodem tak, aby běžel na více GPU.
Accelerating Deep Learning with FPGA and OpenVINO
35 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí urychlit aplikace strojového učení v reálném čase a nasadit je ve velkém měřítku.
Na konci tohoto školení budou účastníci schopni:
- Nainstalujte sadu nástrojů OpenVINO.
- Urychlete aplikaci počítačového vidění pomocí FPGA.
- Proveďte různé vrstvy CNN na FPGA.
- Škálujte aplikaci na více uzlech v clusteru Kubernetes.
Building Deep Learning Models with Apache MXNet
21 hodinyToto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí použít Apache MXNet k vytvoření a nasazení modelu hlubokého učení pro rozpoznávání obrázků.
Na konci tohoto školení budou účastníci schopni:
- Nainstalujte a nakonfigurujte Apache MXNet a jeho součásti.
- Pochopte architekturu a datové struktury MXNet.
- Používejte nízkoúrovňová a vysokoúrovňová rozhraní API Apache MXNet k efektivnímu vytváření neuronových sítí.
- Vybudujte konvoluční neuronovou síť pro klasifikaci obrázků.