Η εκπαίδευση στο TensorFlow, είτε διαδικτυακά είτε επιτόπου, με επικεφαλής εκπαιωτή, παρουσιάζεται μέσω διαδραστικών συζητήσεων και πρακτικής εξάσκησης, δείχνοντας πώς να χρησιμοποιήσετε το σύστημα TensorFlow για να διευκολύνετε την έρευνα στη μηχανική μάθηση και να κάνετε γρήγορη και εύκολη τη μετάβαση από το ερευνητικό πρωτότυπο σε ένα σύστημα παραγωγής.
Η εκπαίδευση στο TensorFlow διατίθεται ως «διαδικτυακή ζωντανή εκπαίδευση» ή «επιτόπια ζωντανή εκπαίδευση». Η διαδικτυακή ζωντανή εκπαίδευση (γνωστή και ως «εκπαίδευση εξ αποστάσεως») πραγματοποιείται μέσω ενός διαδραστικού απομακρυσμένου υπολογιστή. Η επιτόπια ζωντανή εκπαίδευση μπορεί να πραγματοποιηθεί τοπικά στις εγκαταστάσεις του πελάτη στο Αθήνα ή στα εταιρικά κέντρα εκπαίδευσης της NobleProg στο Αθήνα.
Πάρτε τη Γραμμή 3 του Μετρό (Μ3) από το Αεροδρόμιο με κατεύθυνση προς Δημοτικό Θέατρο.
Κατεβείτε στον σταθμό Ευαγγελισμός.
Η διεύθυνση βρίσκεται στη Λεωφόρο Βασιλίσσης Σοφίας, πολύ κοντά στον σταθμό. Ο σταθμός Ευαγγελισμός βρίσκεται ακριβώς πάνω στη λεωφόρο.
Υπολογίστε περίπου 40–50 λεπτά συνολικά, ανάλογα με τον χρόνο αναμονής και το περπάτημα.
Από τον Κεντρικό Σιδηροδρομικό Σταθμό Αθηνών (Σταθμός Λαρίσης)
Πάρτε το μετρό προς Σύνταγμα και αλλάξτε στη Γραμμή 3 με κατεύθυνση προς Δουκίσσης Πλακεντίας/Αεροδρόμιο.
Κατεβείτε στον σταθμό Ευαγγελισμός.
Περπατήστε μέχρι τον αριθμό 46.
Με λεωφορείο
Υπάρχουν αρκετά λεωφορεία που κινούνται κατά μήκος της Λεωφόρου Βασιλίσσης Σοφίας. Κοντινές στάσεις είναι η Ρηγίλλης και το Σύνταγμα, ενώ η περιοχή του Ευαγγελισμού εξυπηρετείται από πολλές λεωφορειακές γραμμές.
Το μετρό είναι γενικά η πιο απλή επιλογή, ειδικά αν ταξιδεύετε με αποσκευές.
Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή σε Αθήνα (σε περιβάλλον online ή προσώπου προς πρόσωπο), απευθύνεται σε επαγγελματίες προηγμένου επιπέδου που επιθυμούν να εμβαθύνουν την κατανόηση τους για την οπτική ανίχνευση υπολογιστή και να ερευνήσουν τις ικανότητες του TensorFlow για την ανάπτυξη προηγμένων μοντέλων όρασης χρησιμοποιώντας το Google Colab.
Το τέλος της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
Κατασκευάζουν και εκπαιδεύουν σύμμειστα νευρωνικά δίκτυα (CNNs) χρησιμοποιώντας το TensorFlow.
Εκμεφαντεύονται το Google Colab για κλιμακώσιμη και αποδοτική ανάπτυξη μοντέλων σε cloud.
Εφαρμόζουν τεχνικές προεπεξεργασίας εικόνας για εργασίες οπτικής ανίχνευσης υπολογιστή.
Εξάπλουν μοντέλα οπτικής ανίχνευσης υπολογιστή για πρακτικές εφαρμογές.
Χρησιμοποιούν τη μεταφορά μάθησης (transfer learning) για τη βελτίωση της απόδοσης των μοντέλων CNN.
Οπτικοποιούν και ερμηνεύουν τα αποτελέσματα μοντέλων ταξινόμησης εικόνων.
Αυτή η εκπαίδευση με εισηγητή, ζωντανά σε Αθήνα (διαδικτυακά ή σε φυσικό χώρο) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές μεσαίου επιπέδου που επιθυμούν να κατανοήσουν και να εφαρμόσουν τεχνικές βαθιάς μάθησης χρησιμοποιώντας το περιβάλλον Google Colab.
Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Να ρυθμίζουν και να πλοηγούνται στο Google Colab για έργα βαθιάς μάθησης.
Να κατανοούν τις θεμελιώδεις αρχές των νευρωνικών δικτύων.
Να υλοποιούν μοντέλα βαθιάς μάθησης χρησιμοποιώντας το TensorFlow.
Να εκπαιδεύουν και να αξιολογούν μοντέλα βαθιάς μάθησης.
Να αξιοποιούν προηγμένα χαρακτηριστικά του TensorFlow για βαθιά μάθηση.
Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή, στην Αθήνα (online ή onsite), απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν το TensorFlow για την ανάλυση δεδομένων πιθανής απάτης.
Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Να δημιουργήσουν ένα μοντέλο ανίχνευσης απάτης σε Python και TensorFlow.
Να κατασκευάσουν γραμμικές παλινδρομήσεις και μοντέλα γραμμικής παλινδρόμησης για την πρόβλεψη απάτης.
Να αναπτύξουν μια ολοκληρωμένη εφαρμογή TN για την ανάλυση δεδομένων απάτης.
Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή σε Αθήνα (ον라인 ή παροχή onsite), απευθύνεται σε προγραμματιστές και επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν το Tensorflow 2.x για τη δημιουργία προβλεπτικών μοντέλων, ταξινομητών, γενετικών μοντέλων, νευρωνικών δικτύων και άλλων εφαρμογών.
Αμέσως μετά το τέλος της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:
Εγκαταστήσουν και να ρυθμίσουν το TensorFlow 2.x.
Κατανοήσουν τα οφέλη του TensorFlow 2.x σε σύγκριση με παλαιότερες εκδόσεις.
Δημιουργήσουν μοντέλα deep learning.
Εφαρμόσουν έναν προηγμένο ταξινομητή εικόνων.
Διαχειριστούν ένα μοντέλο deep learning στο cloud, σε φορητές συσκευές και σε συσκευές IoT.
Αυτό το μάθημα 35 ωρών στο Αθήνα καλύπτει τα θεμελιώδη των βαθιών νευρωνικών δικτύων, συμπεριλαμβανομένων των CNN, RNN και γεννητικών μοντέλων όπως τα GAN. Οι συμμετέχοντες αποκτούν πρακτική εμπειρία με τα Theano και TensorFlow, μαθαίνοντας να κατασκευάζουν, να εκπαιδεύουν και να αναπτύσσουν μοντέλα βαθιάς μάθησης επιπέδου παραγωγής για πραγματικές εφαρμογές.
Διάβασε περισσότερα...
Τελευταία Ενημέρωση:
Σχόλια (1)
Η κατάρτιση ήταν οργανωμένη και λεπτομερώς προγραμματισμένη, και αποκτήσαμε συστηματική γνώση και ένα εξαίρετο εγχειρίδιο των θεμάτων που μελετήσαμε.
Διαδικτυακή εκπαίδευση TensorFlow στο Αθήνα, Μαθήματα εκπαίδευσης TensorFlow στο Αθήνα, Σαββατοκύριακα TensorFlow μαθήματα στο Αθήνα, Βραδινή εκπαίδευση TensorFlow στο Αθήνα, Εκπαίδευση με εκπαιδευτή TensorFlow στο Αθήνα, TensorFlow καθοδήγηση στο Αθήνα, TensorFlow δάσκαλος στο Αθήνα, TensorFlow εκπαιδευτής στο Αθήνα, TensorFlow μαθήματα στο Αθήνα, Διαδικτυακή εκπαίδευση TensorFlow στο Αθήνα, TensorFlow ιδιωτικά μαθήματα στο Αθήνα, TensorFlow δια ζώσης στο Αθήνα, Σαββατοκύριακο TensorFlow εκπαίδευση στο Αθήνα, TensorFlow ατομική εκπαίδευση στο Αθήνα, TensorFlow boot camp στο Αθήνα, Βραδινά TensorFlow μαθήματα στο Αθήνα, TensorFlow εκπαίδευση με εκπαιδευτή στο Αθήνα
