Hlouboké učení Školení v Prague

Toto školení pod vedením instruktora (online nebo na místě) je určeno vývojářům, datovým analytikům a odborníkům na umělou inteligenci na středně pokročilé úrovni, kteří chtějí využít TensorFlow Lite pro realizaci projektů v oblasti Edge AI.

Po absolvování kurzu budou účastníci schopni:

• Pochopit základy fungování TensorFlow Lite a jeho roli při vývoji Edge AI modelů.
• Vytvářet a optimalizovat modely umělé inteligence pomocí TensorFlow Lite.
• Nasazovat modely TensorFlow Lite na různá okrajová zařízení.
• Využívat nástroje a postupy pro konverzi a optimalizaci modelů.
• Implementovat praktické aplikace v oblasti Edge AI s využitím TensorFlow Lite.

Toto živé školení pod vedením instruktora Prague (online nebo na místě) je určeno profesionálům na pokročilé úrovni, kteří si chtějí prohloubit znalosti v oblasti počítačového vidění a seznámit se s možnostmi TensorFlow při tvorbě sofistikovaných modelů za pomoci Google Colab.

Po absolvování tohoto kurzu budou účastníci schopni:

• Vytvářet a trénovat konvoluční neurální sítě (CNN) pomocí TensorFlow.
• Využívat Google Colab k škálovatelnému a efektivnímu vývoji modelů v cloudovém prostředí.
• Aplikovat techniky předzpracování obrazu při řešení úloh počítačového vidění.
• Nasazovat modely počítačového vidění do reálných aplikací.
• Využívat přenosové učení ke zvýšení výkonnosti modelů CNN.
• Vizualizovat a interpretovat výsledky modelů určených k klasifikaci obrazu.

Toto živé školení pod vedením instruktora Prague (online nebo na místě) je určeno pro datové vědce a vývojáře středně pokročilé úrovně, kteří chtějí porozumět a uplatňovat techniky hlubokého učení v prostředí Google Colab.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit a ovládat prostředí Google Colab pro projekty v oblasti hlubokého učení.
• Porozumět základům neuronových sítí.
• Vytvářet modely hlubokého učení pomocí knihovny TensorFlow.
• Trénovat a vyhodnocovat modely hlubokého učení.
• Využívat pokročilé funkce knihovny TensorFlow při práci s hlubokým učením.

Toto školení pod vedením lektora v Prague (online či prezenčně) je určeno pro pokročilé profesionály, kteří se chtějí specializovat na nejmodernější techniky hlubokého učení v oblasti NLU.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit hlavní rozdíly mezi modely NLU a NLP.
• Aplikovat pokročilé techniky hlubokého učení na úlohy spojené s NLU.
• Prozkoumat hluboké architektury, jako jsou transformátory a mechanismy pozornosti.
• Využít budoucí trendy v NLU k tvorbě sofistikovaných systémů umělé inteligence.

Tento výcvik pod vedením lektora v reálném čase v Prague (online nebo na místě) je určen pokročilým odborníkům, kteří chtějí prozkoumat špičkové techniky XAI pro modely hlubokého učení se zaměřením na tvorbu srozumitelných systémů AI.

Po ukončení tohoto kurzu budou účastníci schopni:

• Pochopit obtíže spojené s vysvětlitelností v hlubokém učení.
• Aplikovat pokročilé techniky XAI na neuronové sítě.
• Interpretovat rozhodnutí přijímaná modely hlubokého učení.
• Vyhodnotit kompromisy mezi výkonem a transparentností.

Toto školení s přítomností lektora v místě Prague (online nebo prezenčně) je určeno pro datové vědce, odborníky na strojové učení, výzkumníky v oblasti hlubokého učení a experty na počítačové vidění středně pokročilé a pokročilé úrovně, kteří si přejí prohloubit své znalosti o generování obrazů pomocí hlubokého učení.

Po ukončení školení budou účastníci schopni:

• Pochopit pokročilé architektury a techniky hlubokého učení určené k generování obrazů z textu.
• Implementovat složité modely a optimalizace pro vytváření kvalitních obrazů.
• Optimalizovat výkonnost a škálovatelnost při práci s rozsáhlými datovými sadami a komplexními modely.
• Upravovat hyperparametry tak, aby model dosahoval lepšího výkonu a obecnější platnosti.
• Integrovat Stable Diffusion s dalšími frameworky a nástroji hlubokého učení.

Toto školení pod vedením instruktora v <místě> (online či prezenčně) je určeno pro profesionály na pokročilé úrovni, kteří chtějí využít metody umělé inteligence ke změnám v procesech objevu a vývoje léků.

Po absolvování tohoto kurzu budou účastníci schopni:

• Porozumět roli umělé inteligence při objevu a vývoji léků.
• Používat techniky strojového učení k předpovídání vlastností molekul a jejich interakcí.
• Využívat modely hlubokého učení k virtuálnímu testování a optimalizaci potenciálních léků.
• Začlenit přístupy vycházející z AI do procesu provádění klinických studií.

Toto školení vedené instruktorem v Prague (online či na místě) je určeno biologům, kteří chtějí porozumět principům fungování AlphaFoldu a používat jeho modely při svých výzkumech.

Na konci kurzu budou účastníci schopni:

• Pochopit základní principy AlphaFoldu.
• Porozumět mechanismům, na nichž systém pracuje.
• Umět interpretovat predikce a výsledky generované AlphaFoldem.

Tento kurz s vedoucím lektorem Prague (provedený online či prezenčně) je určen pro začínající i středně pokročilé vývojáře, kteří chtějí využít velké jazykové modely pro řešení různých úloh v oblasti přirozeného jazyka.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit vývojové prostředí, které obsahuje populární velký jazykový model.
• Vytvořit základní velký jazykový model a upravit ho na vlastní sadu dat.
• Používat velké jazykové modely k řešení různých úloh, jako je sumarizace textu, odpovídání na otázky či generování nového textu.
• Ladit a hodnotit velké jazykové modely pomocí nástrojů typu TensorBoard, PyTorch Lightning nebo Hugging Face Datasets.

Tento kurz s přímým vedením instruktora – dostupný online i prezenčně – je určen datovým vědcům, inženýrům strojového učení a výzkumníkům počítačového vidění, kteří chtějí využít Stable Diffusion k tvorbě kvalitních obrázků pro různé účely.

Po absolvování kurzu budou účastníci schopni:

• Pochopit principy fungování Stable Diffusion a způsob, jakým generuje obrázky.
• Vytvořit a vyškolit modely Stable Diffusion určené k tvorbě obrázků.
• Aplikovat tento model v různých situacích – např. při opravě částí obrázku, rozšíření obsahu mimo jeho hranice nebo převodu jednoho typu obrázku na druhý.
• Optimalizovat výkon a stabilitu modely Stable Diffusion.

Během tohoto živého školení vedeného instruktorem v lokalitě Prague se účastníci seznámí s nejdůležitějšími a nejmodernějšími technikami strojového učení v Pythonu. Při tom vytvoří řadu ukázkových aplikací pracujících s obrázky, hudbou, textem i finančními daty.

Na konci tohoto školení budou účastníci schopni:

• Implementovat algoritmy a techniky strojového učení určené k řešení složitých problémů.
• Používat metody hlubokého a polovičně supervizovaného učení v aplikacích zpracovávajících obrázky, hudbu, text a finanční data.
• Maximalizovat výkonnost algoritmů napsaných v Pythonu.
• Využívat knihovny a balíčky jako NumPy a Theano.

Toto živé školení pod vedením instruktora v Prague (online či na místě) poskytuje úvod do oblasti rozpoznávání vzorů a strojového učení. Zaměřuje se rovněž na praktické aplikace v statistice, informatice, zpracování signálů, počítačovém vidění, dolování dat a bioinformatice.

Po absolvování tohoto školení budou účastníci schopni:

• Používat základní statistické metody v kontextu rozpoznávání vzorů.
• Využívat důležité modely, jako jsou neuronové sítě a metody založené na jádrech k analýze dat.
• Aplikovat pokročilé techniky při řešení složitých úloh.
• Zvyšovat přesnost predikcí kombinací různých modelů.

Tento kurz pod vedením lektora v Prague (online nebo prezenčně) je určen vývojářům softwaru, analytikům dat a technickým specialistům, kteří chtějí s využitím nástrojů TensorFlow 2.x a Keras vytvářet, trénovat a nasazovat modely hlubokého učení určené pro počítačové vidění, zpracování přirozeného jazyka i multimodální aplikace.

Toto školení pod vedením instruktora v <lok> (online či prezenčně) je určeno datovým vědcům, kteří chtějí využít TensorFlow k analýze dat s potenciálními projevy podvodů.

Po absolvování tohoto kurzu budou účastníci schopni:

• Vytvořit model na detekci podvodů v Pythonu a s využitím TensorFlow.
• Sestavit lineární regresní modely určené k predikci podvodů.
• Navrhnout kompletní aplikaci založenou na umělé inteligenci pro analýzu dat o podvodech.

V tomto praktickém školení pod vedením lektora se účastníci naučí, jak pomocí Matlabu navrhovat, vytvářet a vizualizovat konvoluční neurální sítě určené k rozpoznávání obrazů.

Po absolvování tohoto kurzu budou účastníci schopni:

• Vytvořit model hlubokého učení
• Automatizovat označování dat
• Pracovat s modely z prostředí Caffe a TensorFlow-Keras
• Trénovat modely pomocí více grafických procesorů, cloudu nebo výpočetních clusterů

Cílová skupina

• Vývojáři
• Inženýři
• Odborníci z daného oboru

Forma kurzu

• Kombinace přednášek, diskuzí, cvičení a rozsáhlé praktické činnosti

Tento výuku vedoucí trenér v Prague (online nebo osobně) je určen pro vývojáře a data scientisty, kteří chtějí pomocí TensorFlowu 2.x stavět prediktory, klasifikátory, generativní modely, neuronové sítě a další aplikace.

Na konci této výuky budou účastníci schopni:

• Nainstalovat a nakonfigurovat TensorFlow 2.x.
• Pochopit výhody TensorFlowu 2.x oproti předchozím verzím.
• Vytvářet modely pro hluboké učení.
• Implementovat pokročilý klasifikátor obrázků.
• Nasazovat model hlubokého učení do cloudu, na mobilní zařízení a zařízení pro Internet věcí (IoT).