Deep Learning with TensorFlow 2

• Doświadczenie w programowaniu w języku Python.
• Doświadczenie z linią poleceń systemu Linux.

Publiczność

• Deweloperzy
• Naukowcy danych

TensorFlow to popularna biblioteka uczenia maszynowego opracowana przez Google do głębokiego uczenia, obliczeń numerycznych i uczenia maszynowego na dużą skalę. TensorFlow 2.0, wydana w styczniu 2019 roku, jest najnowszą wersją TensorFlow i zawiera ulepszenia w zakresie gorliwego wykonywania, kompatybilności i spójności API.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów i analityków danych, którzy chcą korzystać z Tensorflow 2.x do tworzenia predyktorów, klasyfikatorów, modeli generatywnych, sieci neuronowych itp.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalowanie i konfigurowanie TensorFlow 2.x.
• Zrozumienie zalet TensorFlow 2.xw porównaniu z poprzednimi wersjami.
• Tworzenie modeli głębokiego uczenia.
• Implementacja zaawansowanego klasyfikatora obrazów.
• Wdrażanie modelu głębokiego uczenia w chmurze, na urządzeniach mobilnych i IoT.

Format kursu

• Interaktywny wykład i dyskusja.
• Dużo ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

• Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
• Aby dowiedzieć się więcej o TensorFlow, odwiedź stronę: https://www.tensorflow.org/

Wprowadzenie

• TensorFlow 2.xvs poprzednie wersje - co nowego?

Konfiguracja Tensoflow 2.x

Przegląd funkcji i architektury TensorFlow 2.x

Jak działa Neural Networks

Używanie TensorFlow 2.x do tworzenia modeli głębokiego uczenia się

Analiza danych

Wstępne przetwarzanie danych

Budowanie modelu

Wdrażanie najnowocześniejszego klasyfikatora obrazów

Trening modelu

Trening na GPU vs TPU

Ocena modelu

Przewidywanie

Ocena przewidywań

Debugowanie modelu

Zapisywanie modelu

Wdrażanie modelu w chmurze

Wdrażanie modelu na urządzeniu mobilnym

Wdrażanie modelu do systemu wbudowanego (IoT)

Integracja modelu z różnymi Languages

Rozwiązywanie problemów

Podsumowanie i wnioski