TensorFlow Training Courses

Embedding Projector is an open-source web application for visualizing the data used to train machine learning systems. Created by Google, it is part of TensorFlow. This instructor-led, live training introduces the concepts behind Embedding Projector and walks participants through the setup of a demo project. By the end of this training, participants will be able to:

• Explore how data is being interpreted by machine learning models
• Navigate through 3D and 2D views of data to understand how a machine learning algorithm interprets it
• Understand the concepts behind Embeddings and their role in representing mathematical vectors for images, words and numerals.
• Explore the properties of a specific embedding to understand the behavior of a model
• Apply Embedding Project to real-world use cases such building a song recommendation system for music lovers

Audience

• Developers
• Data scientists

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

TensorFlow είναι ένα API 2ης γενιάς της βιβλιοθήκης λογισμικού ανοιχτού κώδικα της Go ogle για την Deep Learning . Το σύστημα έχει σχεδιαστεί για να διευκολύνει την έρευνα στη μηχανική μάθηση και να το κάνει γρήγορο και εύκολο στη μετάβαση από το πρωτότυπο της έρευνας στο σύστημα παραγωγής. Κοινό Αυτό το μάθημα προορίζεται για μηχανικούς που επιδιώκουν να χρησιμοποιήσουν το TensorFlow για τα έργα Deep Learning Μετά την ολοκλήρωση αυτού του μαθήματος, οι εκπρόσωποι θα:

• κατανοήσουν τη δομή και τους μηχανισμούς ανάπτυξης του TensorFlow
• να είναι σε θέση να εκτελέσει εργασίες εγκατάστασης / περιβάλλοντος παραγωγής / αρχιτεκτονικής και διαμόρφωση
• να είναι σε θέση να αξιολογήσει την ποιότητα του κώδικα, να εκτελέσει εντοπισμό σφαλμάτων, παρακολούθηση
• να είναι σε θέση να εφαρμόσει προηγμένη παραγωγή, όπως μοντέλα κατάρτισης, δημιουργία γραφημάτων και καταγραφή

Αυτό το μάθημα διερευνά, με συγκεκριμένα παραδείγματα, την εφαρμογή του Tensor Flow στους σκοπούς της αναγνώρισης εικόνων Κοινό Αυτό το μάθημα προορίζεται για μηχανικούς που επιδιώκουν να χρησιμοποιήσουν το TensorFlow για τους σκοπούς της αναγνώρισης εικόνων Μετά την ολοκλήρωση αυτού του μαθήματος, οι εκπρόσωποι θα μπορούν:

• κατανοήσουν τη δομή και τους μηχανισμούς ανάπτυξης του TensorFlow
• εκτελέστε εργασίες εγκατάστασης / περιβάλλοντος παραγωγής / αρχιτεκτονικής και διαμόρφωση
• να αξιολογήσει την ποιότητα του κώδικα, να εκτελέσει εντοπισμό σφαλμάτων, παρακολούθηση
• να εφαρμόσουν προηγμένη παραγωγή, όπως μοντέλα κατάρτισης, οικοδόμηση γραφημάτων και καταγραφή

TensorFlow™ είναι μια βιβλιοθήκη λογισμικού ανοικτού κώδικα για αριθμητικούς υπολογισμούς χρησιμοποιώντας γραφικά ροής δεδομένων. Το SyntaxNet είναι ένα νευρικό δίκτυο φυσικής γλώσσας επεξεργασίας πλαίσιο για TensorFlow. Word2Vec χρησιμοποιείται για την εκμάθηση vector αντιπροσωπείες λέξεων, που ονομάζεται "word embeddings". Word2vec είναι ένα ιδιαίτερα υπολογιστικά αποτελεσματικό προγνωστικό μοντέλο για την εκμάθηση ενσωμάτωσης λέξεων από το πρωτότυπο κείμενο. Έρχεται σε δύο γεύσεις, το μοντέλο Continuous Bag-of-Words (CBOW) και το μοντέλο Skip-Gram (Κεφάλαιο 3.1 και 3.2 στο Mikolov et al.) Χρησιμοποιείται ταυτόχρονα, το SyntaxNet και Word2Vec επιτρέπουν στους χρήστες να παράγουν μοντέλα Learning Embedding από την εισαγωγή της Φυσικής Γλώσσας. Δημοσιογράφος Αυτό το μάθημα απευθύνεται σε προγραμματιστές και μηχανικούς που σκοπεύουν να εργαστούν με τα μοντέλα SyntaxNet και Word2Vec στα γραφικά τους. Μετά την ολοκλήρωση αυτού του μαθήματος, οι εκπρόσωποι θα:

Κατανοήστε TensorFlow&rsquo·s δομή και μηχανισμούς εκμετάλλευσης να είναι σε θέση να εκτελέσει εγκατάσταση / περιβάλλον παραγωγής / αρχιτεκτονικές εργασίες και διαμόρφωση να είναι σε θέση να αξιολογήσει την ποιότητα του κώδικα, να εκτελέσει αποσπάσεις, παρακολούθηση να είναι σε θέση να εφαρμόσει προηγμένη παραγωγή όπως μοντέλα κατάρτισης, όρους ενσωμάτωσης, γραφικά κατασκευής και καταγραφή

Κοινό Αυτό το μάθημα είναι κατάλληλο για τους ερευνητές και τους μηχανικούς της Deep Learning ενδιαφέρονται να χρησιμοποιήσουν διαθέσιμα εργαλεία (κυρίως ανοιχτού κώδικα) για την ανάλυση εικόνων υπολογιστή Αυτό το μάθημα παρέχει παραδείγματα εργασίας.

This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications). This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.

In this instructor-led, live training in Ελλάδα, participants will learn how to take advantage of the innovations in TPU processors to maximize the performance of their own AI applications. By the end of the training, participants will be able to:

• Train various types of neural networks on large amounts of data.
• Use TPUs to speed up the inference process by up to two orders of magnitude.
• Utilize TPUs to process intensive applications such as image search, cloud vision and photos.

In this instructor-led, live training in Ελλάδα (online or onsite), participants will learn how to configure and use TensorFlow Serving to deploy and manage ML models in a production environment. By the end of this training, participants will be able to:

• Train, export and serve various TensorFlow models.
• Test and deploy algorithms using a single architecture and set of APIs.
• Extend TensorFlow Serving to serve other types of models beyond TensorFlow models.

Αυτό το μάθημα ξεκινά με την παροχή εννοιολογικής γνώσης στα νευρωνικά δίκτυα και γενικά στον αλγόριθμο μηχανικής μάθησης, τη βαθιά μάθηση (αλγόριθμοι και εφαρμογές). Μέρος-1 (40%) αυτής της εκπαίδευσης είναι μεγαλύτερη έμφαση στην θεμελιώδη, αλλά θα σας βοηθήσει να επιλέγετε τη σωστή τεχνολογία: TensorFlow , Caffe , Θεανώ, DeepDrive, Keras , κ.λπ. Μέρος-2 (20%) αυτής της εκπαίδευσης εισάγει Theano - μια βιβλιοθήκη python που καθιστά εύκολη τη σύνταξη εγγράφων βαθιάς μάθησης. Το τμήμα 3 (40%) της κατάρτισης θα βασίζεται σε μεγάλο βαθμό στο Tensorflow - API δεύτερης γενιάς της βιβλιοθήκης λογισμικού ανοιχτού κώδικα της Go ogle για την Deep Learning . Τα παραδείγματα και το handson θα γίνουν όλα στο TensorFlow . Κοινό Αυτό το μάθημα προορίζεται για μηχανικούς που επιδιώκουν να χρησιμοποιήσουν το TensorFlow για τα έργα Deep Learning Μετά την ολοκλήρωση αυτού του μαθήματος, οι εκπρόσωποι θα:

• έχουν μια καλή κατανόηση για τα βαθιά νευρωνικά δίκτυα (DNN), το CNN και το RNN
• κατανοήσουν τη δομή και τους μηχανισμούς ανάπτυξης του TensorFlow
• να είναι σε θέση να εκτελέσει εργασίες εγκατάστασης / περιβάλλοντος παραγωγής / αρχιτεκτονικής και διαμόρφωση
• να είναι σε θέση να αξιολογήσει την ποιότητα του κώδικα, να εκτελέσει εντοπισμό σφαλμάτων, παρακολούθηση
• να είναι σε θέση να εφαρμόσει προηγμένη παραγωγή, όπως μοντέλα κατάρτισης, δημιουργία γραφημάτων και καταγραφή

In this instructor-led, live training in Ελλάδα, participants will learn to use Python libraries for NLP as they create an application that processes a set of pictures and generates captions.  By the end of this training, participants will be able to:

• Design and code DL for NLP using Python libraries.
• Create Python code that reads a substantially huge collection of pictures and generates keywords.
• Create Python Code that generates captions from the detected keywords.

This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course. 

TensorFlow είναι μια δημοφιλής και μηχανή μάθησης που αναπτύχθηκε από την Go ogle για βαθιά εκμάθηση, αριθμητικό υπολογισμό και μαζική μάθηση μηχανών. TensorFlow 2.0, που κυκλοφόρησε τον Ιανουάριο του 2019, είναι η νεότερη έκδοση του TensorFlow και περιλαμβάνει βελτιώσεις στην πρόοδο της εκτέλεσης, τη συμβατότητα και τη συνοχή του API. Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση (επιτόπου ή απομακρυσμένη) απευθύνεται σε προγραμματιστές και επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν το Tensorflow 2.0 για την κατασκευή προγνωστικών, ταξινομητών, γενετικών μοντέλων, νευρωνικών δικτύων και ούτω καθεξής. Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• Εγκαταστήστε και διαμορφώστε το TensorFlow 2.0.
• Κατανοήστε τα πλεονεκτήματα του TensorFlow 2.0 σε προηγούμενες εκδόσεις.
• Δημιουργήστε μοντέλα βαθιάς μάθησης.
• Εφαρμόστε έναν προηγμένο ταξινομητή εικόνας.
• Ανάπτυξη ενός μοντέλου βαθιάς μάθησης στις συσκευές cloud, mobile και IoT.

Μορφή του μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και πρακτική.
• Χειροκίνητη εφαρμογή σε περιβάλλον εργαστηριακού εργαστηρίου.

Επιλογές προσαρμογής μαθημάτων

• Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
• Για να μάθετε περισσότερα σχετικά με το TensorFlow , επισκεφθείτε τη διεύθυνση: https://www.tensorflow.org/

TensorFlow.js είναι ένα JavaScript πλαίσιο για τη μηχανική μάθηση. TensorFlow.js επιτρέπει στους χρήστες να δημιουργούν και να εκπαιδεύουν μοντέλα μηχανικής μάθησης απευθείας στο JavaScript. Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν TensorFlow.js για να εντοπίσουν πρότυπα και να δημιουργήσουν προβλέψεις μέσω μοντέλων μηχανικής μάθησης. Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:

Δημιουργήστε και εκπαιδεύστε μοντέλα μηχανικής μάθησης με TensorFlow.js. Εκτελέστε μοντέλα μηχανικής μάθησης στο πρόγραμμα περιήγησης ή κάτω Node.js. Αποσυρθείτε από τα υπάρχοντα μοντέλα μηχανικής μάθησης χρησιμοποιώντας προσαρμοσμένα δεδομένα.

Η μορφή του μαθήματος

Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και πρακτικές. Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.

Επιλογές προσαρμογής μαθημάτων

Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.

TensorFlow είναι μια βιβλιοθήκη ανοικτού κώδικα μηχανικής μάθησης. TensorFlow παρέχει στους χρήστες την ικανότητα να χρησιμοποιούν και να δημιουργούν τεχνητή νοημοσύνη για την ανίχνευση και την πρόβλεψη απάτης. Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή online) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν TensorFlow για την ανάλυση δυνητικών δεδομένων απάτης. Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:

Δημιουργήστε ένα μοντέλο ανίχνευσης απάτης στο Python και TensorFlow. Δημιουργήστε μοντέλα γραμμικής υποτροπής και γραμμικής υποτροπής για την πρόβλεψη της απάτης. Αναπτύξτε μια τελική εφαρμογή AI για την ανάλυση δεδομένων απάτης.

Η μορφή του μαθήματος

Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και πρακτικές. Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.

Επιλογές προσαρμογής μαθημάτων

Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.

TensorFlow Extended (TFX) είναι μια τελική πλατφόρμα για την ανάπτυξη παραγωγικών αγωγών ML. Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να προχωρήσουν από την εκπαίδευση ενός μοντέλου ML στην ανάπτυξη πολλών μοντέλων ML στην παραγωγή. Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:

Εγκατάσταση και διαμόρφωση TFX και υποστήριξη εργαλείων τρίτων. Χρησιμοποιήστε το TFX για να δημιουργήσετε και να διαχειριστείτε ένα πλήρες σωλήνα παραγωγής ML. Εργάζεστε με τα συστατικά TFX για τη διεξαγωγή μοντελοποίησης, κατάρτισης, εξυπηρέτησης παραπομπών και διαχείρισης εκπομπών. Αναπτύξτε χαρακτηριστικά μηχανικής μάθησης σε εφαρμογές web, εφαρμογές για κινητά, συσκευές IoT και πολλά άλλα.

Η μορφή του μαθήματος

Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και πρακτικές. Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.

Επιλογές προσαρμογής μαθημάτων

Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.

Kubeflow Είναι ένα πλαίσιο για την εκτέλεση Machine Learning εργασιακών φορτίων στο Kubernetes. TensorFlow Είναι μία από τις πιο δημοφιλείς βιβλιοθήκες μηχανικής μάθησης. Kubernetes είναι μια πλατφόρμα ορχήστρας για τη διαχείριση εμπορευματοποιημένων εφαρμογών. OpenShift είναι μια πλατφόρμα ανάπτυξης εφαρμογών cloud που χρησιμοποιεί Docker δοχεία, οργανωμένα και διαχειριζόμενα από Kubernetes, με βάση την Red Hat Enterprise Linux. Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning φορτία εργασίας σε ένα OpenShift on-premise ή υβριδικό σύννεφο.

Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να: Τοποθετήστε και ρυθμίστε Kubernetes και Kubeflow σε μια ομάδα OpenShift. Χρησιμοποιήστε OpenShift για να απλοποιήσετε το έργο της έναρξης μιας Kubernetes ομάδας. Δημιουργήστε και εκτελέστε ένα Kubernetes σωλήνα για την αυτοματοποίηση και τη διαχείριση των μοντέλων ML στην παραγωγή. Εκπαιδεύστε και εκτελέστε TensorFlow μοντέλα ML σε πολλαπλές GPUs και μηχανές που τρέχουν παράλληλα. Καλέστε δημόσιες υπηρεσίες cloud (π.χ. υπηρεσίες AWS) από το εσωτερικό OpenShift για να επεκτείνετε μια εφαρμογή ML.

Η μορφή του μαθήματος

Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και πρακτικές. Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.

Επιλογές προσαρμογής μαθημάτων

Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.