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 kurzu
- Část 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
Consultancy Enquiry
Upcoming Courses
Související kurzy
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
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.
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:
- Pochopte základní principy AlphaFold.
- Přečtěte si, jak funguje AlphaFold.
- Naučte se interpretovat AlphaFold předpovědi a výsledky.
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.
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 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.
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.
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 usnadňovat 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 použít Horovod k provádění distribuovaných školení hlubokého učení a rozšířit je tak, aby probíhaly paralelně v několika 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 s TensorFlow, Keras, PyTorch a Apache MXNet.
- Škálujte trénink hlubokého učení pomocí Horovod tak, aby běžel na více GPUs.
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 napříč více uzly 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 API Apache MXNet k efektivnímu vytváření neuronových sítí.
- Vybudujte konvoluční neuronovou síť pro klasifikaci obrázků.
Deep Learning with Keras
21 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na technické osoby, které chtějí aplikovat model hlubokého učení na aplikace pro rozpoznávání obrázků.
Na konci tohoto školení budou účastníci schopni:
- Nainstalujte a nakonfigurujte Keras.
- Rychle vytvořte prototyp modelů hlubokého učení.
- Implementujte konvoluční síť.
- Implementujte rekurentní síť.
- Spusťte model hlubokého učení na CPU i GPU.
Advanced Deep Learning with Keras and Python
14 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na softwarové inženýry, kteří chtějí vyvinout pokročilé neuronové sítě a modely hlubokého učení pomocí Keras a Python.
Na konci tohoto školení budou účastníci schopni:
- Aplikujte hluboké učení s metodami učení pod dohledem nebo bez něj.
- Vyvíjet, trénovat a implementovat souběžné neuronové sítě a rekurentní neuronové sítě.
- Pomocí Keras a Python sestavte modely hlubokého učení pro řešení problémů zahrnujících obrázky, text, zvuk a další.
Deep Learning for Self Driving Cars
21 hodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí postavit auto s vlastním řízením pomocí technik hlubokého učení.
Na konci tohoto školení budou účastníci schopni:
- Použijte Keras k vybudování a trénování konvoluční neuronové sítě.
- Použijte techniky počítačového vidění k identifikaci jízdních pruhů v projektu autonomního řízení.
- Trénujte model hlubokého učení k rozlišení dopravních značek.
- Simulujte plně autonomní auto.