Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
Introduction to Transfer Learning
- Co je přenosové učení?
- Klíčové výhody a omezení
- Jak se přenosové učení liší od tradičního strojového učení
Porozumění předem vyškoleným modelům
- Přehled oblíbených předtrénovaných modelů (např. ResNet, BERT)
- Modelové architektury a jejich klíčové vlastnosti
- Aplikace předtrénovaných modelů napříč doménami
Jemné doladění předem vyškolených modelů
- Porozumění extrakci funkcí vs doladění
- Techniky pro efektivní jemné ladění
- Vyvarujte se přemontování během jemného ladění
Přenést učení do Natural Language Processing (NLP)
- Přizpůsobení jazykových modelů pro vlastní úlohy NLP
- Použití Hugging Face Transformers pro NLP
- Případová studie: Analýza sentimentu s přenosovým učením
Přenést učení do Computer Vision
- Přizpůsobení předem trénovaných modelů vidění
- Použití přenosového učení pro detekci a klasifikaci objektů
- Případová studie: Klasifikace obrazu s přenosovým učením
Praktická cvičení
- Načítání a používání předem vycvičených modelů
- Jemné doladění předem trénovaného modelu pro konkrétní úkol
- Vyhodnocování výkonu modelu a zlepšování výsledků
Aplikace transferového učení v reálném světě
- Aplikace ve zdravotnictví, financích a maloobchodě
- Úspěšné příběhy a případové studie
- Budoucí trendy a výzvy v transferovém učení
Shrnutí a další kroky
Požadavky
- Základní porozumění konceptům strojového učení
- Seznámení s neuronovými sítěmi a hlubokým učením
- Zkušenosti s programováním Python
Publikum
- Datoví vědci
- Milovníci strojového učení
- Profesionálové AI zkoumající techniky adaptace modelů
14 hodiny