Εξέλιξη Κομματιού

Ενάρξη

  • Εγκατάσταση και Εγκατάσταση

  • Βασικές γνώσεις TensorFlow

    • Δημιουργία, Αρχικοποίηση, Σώζοντας και Αποκατάσταση μεταβλητών TensorFlow
    • Τροφοδοσία, Διάβασμα και Προκαταχώρηση δεδομένων TensorFlow
    • Πώς να χρησιμοποιήσετε το υποστηρικτικό περιβάλλον TensorFlow για την εκπαίδευση μοντέλων σε μαζική κλίμακα
    • Οπτικοποίηση και Αξιολόγηση μοντέλων με το TensorBoard

    • Μηχανισμοί TensorFlow 101

      • Προετοιμασία Δεδομένων
        • Λήψη
        • Εισόδους και Πλακές
      • Κατασκευή του Γράφου
        • Συμπερασμοί
        • Απώλεια
        • Εκπαίδευση
      • Εκπαίδευση του Μοντέλου
        • Ο Γράφος
        • Η Συνεδρία
        • Συμπεριφορά της εκπαίδευσης
      • Αξιολόγηση του Μοντέλου
        • Κατασκευή του Γράφου Αξιολόγησης
        • Έξοδος Αξιολόγησης

      • Προχωρημένες Δυνατότητες

        • Νήματα και Ουρές
        • Κατανεμημένο TensorFlow
        • Γραφή Δοκιμένων και μεταδόση του Μοντέλου σας
        • Προσαρμογή των Διαβάζει χρώματος
        • Χρησιμοποίηση GPUs
        • Επεξεργασία αρχείων TensorFlow Model Files

        • Παροχή TensorFlow

          • Εισαγωγή
          • Βασικό Εγχείρημα Παροχής
          • Προχωρημένο Εγχείρημα Παροχής
          • Εγχείρημα Παροχής Inception Model

          • Έναρξη με το SyntaxNet

            • Ανάλυση από κατώφλι στο κληροδότημα
            • Χαρακτηρισμός Συλλογής
            • Ρύθμιση των Python Scripts

            • Κατασκευή μιας Πίπας NLP με το SyntaxNet

              • Εξαγωγή Δεδομένων
              • Χαρακτηρισμός Μερών της Γλώσσας (POS Tagging)
              • Εκπαίδευση του POS Tagger του SyntaxNet
              • Προεξεργασία με τον Χαρακτηρισμό
              • Ανάλυση Συναρτήσεων: Transition-Based Parsing
              • Εκπαίδευση του Parser Βήμα 1: Τοπική προεκπαίδευση
              • Εκπαίδευση του Parser Βήμα 2: Γενική εκπαίδευση

              • Διανυσματικές Παραστάσεις Λέξεων

                • Ενθουσιασμός: Γιατί να εκμαθαίνονται λεκτικές καταδύσεις;
                • Επέκταση με την Εκπαιδευτική Διάσπαση
                • Το Skip-gram Model
                • Κατασκευή του Γράφου
                • Εκπαίδευση του Μοντέλου
                • Οπτικοποίηση των Εκμελύνενων Καταδύσεων
                • Αξιολόγηση Καταδύσεων: Λογική απόδειξη
                • Βελτίωση της υλοποίησης

Απαιτήσεις

Εργασιακός εμπειρισμός με python

 35 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Σχόλια (3)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες