OpenNMT: Setting Up a Neural Machine Translation System Schulung
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie OpenNMT eingerichtet und verwendet OpenNMT , um die Übersetzung verschiedener Beispieldatensätze durchzuführen. Der Kurs beginnt mit einem Überblick über neuronale Netze, wie sie für die maschinelle Übersetzung gelten. Die Teilnehmer führen während des gesamten Kurses Live-Übungen durch, um ihr Verständnis der erlernten Konzepte zu demonstrieren und Feedback vom Kursleiter zu erhalten.
Am Ende dieser Schulung verfügen die Teilnehmer über das Wissen und die Praxis, um eine Live- OpenNMT Lösung zu implementieren.
Quell- und Zielsprachenbeispiele werden nach den Anforderungen des Publikums vorbestellt.
Format des Kurses
- Teilvorlesung, Teildiskussion, viel Praxis
Schulungsübersicht
Einführung
- Warum neuronale maschinelle Übersetzung?
Überblick über das Torch-Projekt
Installation und Einrichtung
Vorverarbeitung Ihrer Daten
Training des Modells
Übersetzen von
Vorgetrainierte Modelle verwenden
Arbeiten mit Lua Skripten
Verwendung von Erweiterungen
Fehlersuche
Der Gemeinschaft beitreten
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Eine gewisse Programmiererfahrung ist hilfreich.
- Erfahrung im Umgang mit der Kommandozeile.
- Grundlegendes Verständnis von Konzepten der maschinellen Übersetzung.
Publikum
- Lokalisierungsspezialisten mit technischem Hintergrund
- Globale Inhaltsmanager
- Lokalisierungsingenieure
- Softwareentwickler, die für die Implementierung globaler Inhaltslösungen zuständig sind
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.
OpenNMT: Setting Up a Neural Machine Translation System Schulung - Buchung
OpenNMT: Setting Up a Neural Machine Translation System Schulung - Anfrage
OpenNMT: Setting Up a Neural Machine Translation System - Beratungsanfrage
Kommende Kurse
Kombinierte Kurse
Introduction to Stable Diffusion for Text-to-Image Generation
21 StundenDiese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, Ingenieure für maschinelles Lernen und Computer-Vision-Forscher, die Stable Diffusion nutzen möchten, um hochwertige Bilder für eine Vielzahl von Anwendungsfällen zu erzeugen.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
-
Verstehen der Prinzipien von Stable Diffusion und wie es bei der Bilderzeugung funktioniert.
Erstellen und Trainieren von Stable Diffusion-Modellen für Bilderzeugungsaufgaben.
Anwendung von Stable Diffusion auf verschiedene Szenarien der Bilderzeugung, wie Inpainting, Outpainting und Bild-zu-Bild-Übersetzung.
Optimieren der Leistung und Stabilität von Stable Diffusion-Modellen.
Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation
21 StundenDieses von einem Lehrer geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Datenwissenschaftler mittlerer bis fortgeschrittener Ebene, Ingenieure für maschinelles Lernen, Deep-Learning-Forscher und Computer-Vision-Experten, die ihr Wissen und ihre Fähigkeiten im Deep Learning erweitern möchten für die Text-zu-Bild-Generierung.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Verstehen Sie fortgeschrittene Deep-Learning-Architekturen und -Techniken für die Text-zu-Bild-Generierung. Implementieren Sie komplexe Modelle und Optimierungen für eine hochwertige Bildsynthese. Optimieren Sie Leistung und Skalierbarkeit für große Datensätze und komplexe Modelle. Optimieren Sie Hyperparameter für eine bessere Modellleistung und Generalisierung. Integrieren Sie Stable Diffusion mit anderen Deep-Learning-Frameworks und -Tools
AlphaFold
7 StundenDiese von einem Ausbilder geleitete Live-Schulung (online oder vor Ort) richtet sich an Biologen, die verstehen möchten, wie AlphaFold funktioniert, und die AlphaFold-Modelle als Leitfaden für ihre experimentellen Studien verwenden möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Verstehen Sie die Grundprinzipien von AlphaFold.
- Lernen Sie, wie AlphaFold funktioniert.
- Lernen, wie man die Vorhersagen und Ergebnisse von AlphaFold interpretiert.
TensorFlow Lite for Embedded Linux
21 StundenDiese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die mit TensorFlow Lite Deep-Learning-Modelle auf eingebetteten Geräten einsetzen möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Tensorflow Lite auf einem eingebetteten Gerät installieren und konfigurieren.
- Verstehen der Konzepte und Komponenten, die TensorFlow Lite zugrunde liegen.
- Bestehende Modelle in das TensorFlow Lite-Format für die Ausführung auf eingebetteten Geräten konvertieren.
- Mit den Einschränkungen von kleinen Geräten und TensorFlow Lite arbeiten und gleichzeitig lernen, wie man den Umfang der ausführbaren Operationen erweitert.
- Einsatz eines Deep-Learning-Modells auf einem eingebetteten Gerät unter Linux.
TensorFlow Lite for Android
21 StundenDiese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die mit TensorFlow Lite mobile Anwendungen mit Deep-Learning-Funktionen entwickeln möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Installieren und konfigurieren TensorFlow Lite.
- Verstehen der Prinzipien hinter TensorFlow, maschinellem Lernen und Deep Learning.
- TensorFlow-Modelle auf ein Android-Gerät laden.
- Tiefes Lernen und maschinelle Lernfunktionen wie Computer Vision und natürliche Spracherkennung in einer mobilen Anwendung aktivieren.
Tensorflow Lite for Microcontrollers
21 StundenDiese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die Machine-Learning-Modelle auf sehr kleinen eingebetteten Geräten schreiben, laden und ausführen möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Installieren TensorFlow Lite.
- Laden Sie Modelle für maschinelles Lernen auf ein eingebettetes Gerät, um es in die Lage zu versetzen, Sprache zu erkennen, Bilder zu klassifizieren usw.
- Hardwaregeräte mit KI ausstatten, ohne auf eine Netzwerkverbindung angewiesen zu sein.
TensorFlow Lite for iOS
21 StundenDiese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die mit TensorFlow Lite iOS-Mobilanwendungen mit Deep-Learning-Funktionen entwickeln möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Installieren und konfigurieren TensorFlow Lite.
- Die Prinzipien hinter TensorFlow und maschinellem Lernen auf mobilen Geräten verstehen.
- Laden von TensorFlow-Modellen auf ein iOS-Gerät.
- Eine iOS-Anwendung ausführen, die in der Lage ist, ein mit der Kamera des Geräts aufgenommenes Objekt zu erkennen und zu klassifizieren.
Edge AI with TensorFlow Lite
14 StundenDiese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Entwickler, Datenwissenschaftler und KI-Experten, die TensorFlow Lite für Edge-KI-Anwendungen nutzen möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Die Grundlagen von TensorFlow Lite und seine Rolle in Edge AI zu verstehen.
- KI-Modelle mit TensorFlow Lite entwickeln und optimieren.
- Einsatz von TensorFlow Lite-Modellen auf verschiedenen Edge-Geräten.
- Werkzeuge und Techniken zur Modellkonvertierung und -optimierung nutzen.
- Implementierung praktischer Edge AI-Anwendungen mit TensorFlow Lite.
Optimizing AI Models for Edge Devices
14 StundenDiese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene KI-Entwickler, Ingenieure für maschinelles Lernen und Systemarchitekten, die KI-Modelle für den Edge-Einsatz optimieren möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Die Herausforderungen und Anforderungen beim Einsatz von KI-Modellen auf Edge-Geräten zu verstehen.
- Modellkomprimierungstechniken anwenden, um die Größe und Komplexität von KI-Modellen zu reduzieren.
- Quantisierungsmethoden anwenden, um die Modelleffizienz auf Edge-Hardware zu verbessern.
- Implementierung von Pruning und anderen Optimierungstechniken zur Verbesserung der Modellleistung.
- Einsatz von optimierten KI-Modellen auf verschiedenen Edge-Geräten.
Edge AI in Industrial Automation
14 StundenDiese Live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Industrieingenieure, Fertigungsfachleute und KI-Entwickler, die Edge-KI-Lösungen in der industriellen Automatisierung implementieren möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Die Rolle von Edge AI in der Industrieautomation zu verstehen.
- Vorausschauende Wartungslösungen mit Edge AI zu implementieren.
- KI-Techniken für die Qualitätskontrolle in Fertigungsprozessen anwenden.
- Industrielle Prozesse mit Edge AI zu optimieren.
- Edge-KI-Lösungen in industriellen Umgebungen einsetzen und verwalten.
Edge AI for Financial Services
14 StundenDiese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Finanzfachleute auf mittlerem Niveau, Fintech-Entwickler und KI-Spezialisten, die Edge-KI-Lösungen in Finanzdienstleistungen implementieren möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Die Rolle von Edge AI in Finanzdienstleistungen zu verstehen.
- Betrugserkennungssysteme mit Edge AI zu implementieren.
- Den Kundenservice durch KI-gesteuerte Lösungen zu verbessern.
- Edge AI für das Risikomanagement und die Entscheidungsfindung einzusetzen.
- Edge-KI-Lösungen in Finanzumgebungen einführen und verwalten.
Deep Learning Neural Networks with Chainer
14 StundenDiese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Forscher und Entwickler, die mit Chainer neuronale Netze in Python aufbauen und trainieren wollen, wobei der Code leicht zu debuggen ist.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Einrichten der notwendigen Entwicklungsumgebung, um mit der Entwicklung von neuronalen Netzmodellen zu beginnen.
- Definieren und implementieren Sie neuronale Netzwerkmodelle mit Hilfe eines verständlichen Quellcodes.
- Beispiele ausführen und bestehende Algorithmen modifizieren, um Deep-Learning-Trainingsmodelle zu optimieren und dabei GPUs für hohe Leistung zu nutzen.
Distributed Deep Learning with Horovod
7 StundenDiese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler oder Datenwissenschaftler, die mit Horovod verteilte Deep-Learning-Trainings durchführen und für die parallele Ausführung auf mehreren GPUs skalieren möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Richten Sie die notwendige Entwicklungsumgebung ein, um Deep-Learning-Trainings durchzuführen.
- Installieren und konfigurieren Sie Horovod, um Modelle mit TensorFlow, Keras, PyTorch und Apache MXNet zu trainieren.
- Skalieren Sie das Deep Learning-Training mit Horovod, um es auf mehreren GPUs auszuführen.
Accelerating Deep Learning with FPGA and OpenVINO
35 StundenDiese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler, die Echtzeitanwendungen für maschinelles Lernen beschleunigen und in großem Umfang einsetzen möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Installieren Sie das OpenVINO-Toolkit.
- Beschleunigen Sie eine Computer-Vision-Anwendung mit einem FPGA.
- Führen Sie verschiedene CNN-Schichten auf dem FPGA aus.
- Skalieren Sie die Anwendung über mehrere Knoten in einem Kubernetes-Cluster.
Building Deep Learning Models with Apache MXNet
21 StundenDiese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, die mit Apache MXNet's ein Deep-Learning-Modell für die Bilderkennung erstellen und einsetzen möchten.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
- Installation und Konfiguration von Apache MXNet und seinen Komponenten.
- MXNet's Architektur und Datenstrukturen verstehen.
- Die Low-Level- und High-Level-APIs von Apache MXNet's verwenden, um effizient neuronale Netze zu erstellen.
- Ein neuronales Faltungsnetzwerk für die Bildklassifizierung erstellen.