Návrh Školení

Začínáme

  • Nastavení a instalace

základy TensorFlow

  • Vytváření, inicializace, ukládání a obnovení TensorFlow proměnných
  • Zásobování, čtení a přednačítání dat v TensorFlow
  • Jak použít infrastrukturu TensorFlow k tréninku modelů na velkou škálu
  • Vizualizace a hodnocení modelů pomocí TensorBoard

Mechanika TensorFlow 101

  • Příprava dat
    • Stažení
    • Vstupy a placeholder
  • Sestavení grafu
    • Inference (odvození)
    • Ztráta (loss)
    • Trenink (training)
  • Trénování modelu
    • Graf
    • Sessions (sezení)
    • Treninková smyčka (train loop)
  • Hodnocení modelu
    • Sestavení evaluačního grafu
    • Výstup hodnocení

Pokročilé použití

  • Threading a fronty (queues)
  • Distribuovaný TensorFlow
  • Zápis dokumentace a sdílení modelů
  • Přizpůsobení čteček dat
  • Použití GPU
  • Manipulace s TensorFlow modelovými soubory

Servisování TensorFlow

  • Úvod
  • Základní kurzy servisování
  • Pokročilé kurzy servisování
  • Kurz servisování modelu Inception

Začínáme s SyntaxNet

  • Parsing z standardního vstupu
  • Anotace korpuse
  • Konfigurace Python skriptů

Postavení NLP pipeline s SyntaxNet

  • Získání dat
  • Anotace částí mluvy (part-of-speech tagging)
  • Trenink anotátoru částí mluvy v SyntaxNet
  • Preprocessing pomocí anotátora
  • Závislostní parsing: transition-based parsing
  • Trenink parseru krok 1: lokální pretraining
  • Trenink parseru krok 2: globální trenink

Vektorové reprezentace slov

  • Motivace: Proč se učit word embeddings?
  • Škálování s pomocí noise-contrastive training
  • Skip-gram model
  • Vytvoření grafu
  • Trenink modelu
  • Vizualizace naučených vložení (embeddings)
  • Hodnocení embeddings: analogické uvažování
  • Optimalizace implementace

Požadavky

Znalost Pythonu na pracovní úrovni

 35 hodiny

Počet účastníků


Cena za účastníka

Reference (3)

Nadcházející kurzy

Související kategorie