Lokale, von Lehrern geleitete Live- TensorFlow Schulungen demonstrieren anhand interaktiver Diskussionen und praktischer Übungen, wie das TensorFlow System zur Erleichterung der Forschung im Bereich des maschinellen Lernens und zum schnellen und einfachen Übergang vom Forschungsprototyp zum Produktionssystem eingesetzt werden kann. TensorFlow Training ist als "Onsite-Live-Training" oder "Remote-Live-Training" verfügbar. Vor-Ort-Live-Schulungen können vor Ort beim Kunden in Berlin durchgeführt werden Deutschland oder in NobleProg Firmenschulungszentren in Deutschland . Das Remote-Live-Training erfolgt über einen interaktiven Remote-Desktop. NobleProg - Ihr lokaler Schulungsanbieter
Machine Translated
Erfahrungsberichte
Voraussichtlicher Stand der Technologie: Welche Technologie / Prozess könnte in Zukunft wichtiger werden? sehen Sie, wofür die Technologie verwendet werden kann.
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ich habe von der Themenauswahl profitiert. Art des Trainings. Praxisorientierung.
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ich habe mit nahezu null Wissen angefangen und am Ende konnte ich meine eigenen Netzwerke aufbauen und trainieren.
Huawei Technologies Duesseldorf GmbH
Kurs: TensorFlow for Image Recognition
Machine Translated
Ich habe die kristallklaren Antworten von Chris auf unsere Fragen sehr geschätzt.
Léo Dubus
Kurs: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Ich genoss im Allgemeinen den sachkundigen Trainer.
Sridhar Voorakkara
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ich war erstaunt über den Standard dieser Klasse - ich würde sagen, dass es Universitätsstandard war.
David Relihan
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sehr gute Rundumübersicht. Go od Hintergrund in warum Tensorflow arbeitet , wie es der Fall ist.
Kieran Conboy
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ich mochte die Gelegenheiten, Fragen zu stellen und tiefergehende Erklärungen der Theorie zu bekommen.
Sharon Ruane
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sehr aktualisierter Ansatz oder CPI (Tensor Flow, Ära, lernen), um maschinelles Lernen zu tun.
Paul Lee
Kurs: TensorFlow for Image Recognition
Machine Translated
Eine breite Palette von Themen abgedeckt und umfangreiches Wissen der Führungskräfte.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Mangel
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Großes theoretisches und praktisches Wissen der Dozenten. Kommunikativität von Trainern. Während des Kurses können Sie Fragen stellen und zufriedenstellende Antworten erhalten.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Praktischer Teil, bei dem wir Algorithmen implementiert haben. Dies ermöglichte ein besseres Verständnis des Themas.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Übungen und Beispiele auf ihnen implementiert
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Beispiele und diskutierte Themen.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Substanzielles Wissen, Engagement, eine leidenschaftliche Art Wissen zu vermitteln. Praktische Beispiele nach einem theoretischen Vortrag.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Praktische Übungen von Herrn Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Personalausweis und Leiterplattenminderkennung
王 春柱 - 中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
beweisen
中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Über Gesichtsbereich.
中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Viele praktische Tipps
Pawel Dawidowski - ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
Viele Informationen rund um die Umsetzung von Lösungen
Michał Smolana - ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
Eine Vielzahl von praktischen Tipps und Kenntnissen des Dozenten aus einer Vielzahl von AI / IT / SQL / IoT-Themen.
ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
Tomasz kennt die Informationen wirklich gut und der Kurs war gut gelaufen.
Raju Krishnamurthy - Google
Kurs: TensorFlow Extended (TFX)
Machine Translated
Trainer war sehr sachkundig und offen für Fragen, mochte Diagramme zeichnen und erklärt Dinge in einer ziemlich guten Art und Weise
Kurs: Deep Learning with TensorFlow 2.0
Machine Translated
Trainer war sehr sachkundig und offen für Fragen, mochte Diagramme zeichnen und erklärt Dinge in einer ziemlich guten Art und Weise
Kurs: Deep Learning with TensorFlow 2.0
Machine Translated
TensorFlow Kurspläne
Name des Kurses
Dauer
Überblick
Name des Kurses
Dauer
Überblick
14 Stunden
Embedding Projector ist eine Open-Source-Webanwendung zur Visualisierung der Daten, die zum Trainieren von maschinellen Lernsystemen verwendet werden Erstellt von Google, ist es ein Teil von TensorFlow Dieses instruierte Live-Training stellt die Konzepte hinter Embedding Projector vor und führt die Teilnehmer durch die Einrichtung eines Demo-Projekts Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Erfahren Sie, wie Daten von maschinellen Lernmodellen interpretiert werden Navigieren Sie durch 3D- und 2D-Ansichten von Daten, um zu verstehen, wie ein maschineller Lernalgorithmus sie interpretiert Verstehen Sie die Konzepte hinter Embedding und ihre Rolle bei der Darstellung mathematischer Vektoren für Bilder, Wörter und Zahlen Erkunden Sie die Eigenschaften einer bestimmten Einbettung, um das Verhalten eines Modells zu verstehen Wenden Sie Embedding Project auf reale Anwendungsfälle an, wie zum Beispiel das Erstellen eines Song-Empfehlungssystems für Musikliebhaber Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
21 Stunden
TensorFlow ist eine 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Das System wurde entwickelt, um die Forschung im Bereich maschinelles Lernen zu vereinfachen und den Übergang vom Forschungsprototyp zum Produktionssystem schnell und einfach zu gestalten.
Publikum
Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow
Nach Abschluss dieses Kurses werden die Teilnehmer:
- Struktur und Einsatzmechanismen von TensorFlow verstehen
- in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
- in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
- in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren
Publikum
Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow
Nach Abschluss dieses Kurses werden die Teilnehmer:
- Struktur und Einsatzmechanismen von TensorFlow verstehen
- in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
- in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
- in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren
28 Stunden
In diesem Kurs wird anhand konkreter Beispiele die Anwendung von Tensor Flow zur Bilderkennung erläutert
Publikum
Dieser Kurs richtet sich an Ingenieure, die TensorFlow zur Bilderkennung einsetzen TensorFlow
Nach Abschluss dieses Kurses haben die Teilnehmer folgende Möglichkeiten:
- Struktur und Einsatzmechanismen von TensorFlow verstehen
- Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchführen
- Codequalität beurteilen, Debugging und Überwachung durchführen
- Implementieren Sie fortschrittliche Produktionsmethoden wie Trainingsmodelle, Erstellen von Diagrammen und Protokollieren
Publikum
Dieser Kurs richtet sich an Ingenieure, die TensorFlow zur Bilderkennung einsetzen TensorFlow
Nach Abschluss dieses Kurses haben die Teilnehmer folgende Möglichkeiten:
- Struktur und Einsatzmechanismen von TensorFlow verstehen
- Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchführen
- Codequalität beurteilen, Debugging und Überwachung durchführen
- Implementieren Sie fortschrittliche Produktionsmethoden wie Trainingsmodelle, Erstellen von Diagrammen und Protokollieren
35 Stunden
TensorFlow™ ist eine Open-Source-Software-Bibliothek für numerische Berechnungen mit Datenfluss-Grafen.
SyntaxNet ist ein Neural-Network Natural Language Processing Framework für TensorFlow.
Word2Vec wird verwendet, um Vektor-Repräsentationen von Wörtern zu lernen, die "Wörter-Inbeddings" genannt werden. Word2vec ist ein besonders berechnet-effizientes Vorhersage-Modell für das Lernen von Wörterinbindungen aus Rohtext. Es kommt in zwei Geschmacksmodellen, dem Kontinuous Bag-of-Words Modell (CBOW) und dem Skip-Gram Modell (Kapitel 3.1 und 3.2 in Mikolov et al.)
SyntaxNet und Word2Vec ermöglichen Benutzern die Erzeugung von Learned Embedding-Modellen aus Natural Language-Eintrag.
Publikum
Dieser Kurs richtet sich an Entwickler und Ingenieure, die mit SyntaxNet und Word2Vec Modellen in ihren TensorFlow Grafen arbeiten wollen.
Nach Abschluss dieses Kurses werden die Delegierten:
Verständnis TensorFlow’s Struktur und Ausführungsmechanismen in der Lage, Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchzuführen in der Lage, die Codequalität zu bewerten, Debugging durchzuführen, Überwachung in der Lage, fortgeschrittene Produktion wie Trainingsmodelle, Einbruchsbedingungen, Baugraphen und Logging zu implementieren
SyntaxNet ist ein Neural-Network Natural Language Processing Framework für TensorFlow.
Word2Vec wird verwendet, um Vektor-Repräsentationen von Wörtern zu lernen, die "Wörter-Inbeddings" genannt werden. Word2vec ist ein besonders berechnet-effizientes Vorhersage-Modell für das Lernen von Wörterinbindungen aus Rohtext. Es kommt in zwei Geschmacksmodellen, dem Kontinuous Bag-of-Words Modell (CBOW) und dem Skip-Gram Modell (Kapitel 3.1 und 3.2 in Mikolov et al.)
SyntaxNet und Word2Vec ermöglichen Benutzern die Erzeugung von Learned Embedding-Modellen aus Natural Language-Eintrag.
Publikum
Dieser Kurs richtet sich an Entwickler und Ingenieure, die mit SyntaxNet und Word2Vec Modellen in ihren TensorFlow Grafen arbeiten wollen.
Nach Abschluss dieses Kurses werden die Delegierten:
Verständnis TensorFlow’s Struktur und Ausführungsmechanismen in der Lage, Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchzuführen in der Lage, die Codequalität zu bewerten, Debugging durchzuführen, Überwachung in der Lage, fortgeschrittene Produktion wie Trainingsmodelle, Einbruchsbedingungen, Baugraphen und Logging zu implementieren
21 Stunden
Publikum
Dieser Kurs ist für Deep Learning Forscher und Ingenieure geeignet, die verfügbare Tools (meist Open Source) zur Analyse von Computerbildern verwenden möchten
Dieser Kurs enthält Arbeitsbeispiele.
Dieser Kurs ist für Deep Learning Forscher und Ingenieure geeignet, die verfügbare Tools (meist Open Source) zur Analyse von Computerbildern verwenden möchten
Dieser Kurs enthält Arbeitsbeispiele.
28 Stunden
Dieser Kurs vermittelt Kenntnisse in neuronalen Netzen und allgemein in maschinellem Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen).
Diese Schulung konzentriert sich mehr auf die Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Teano, DeepDrive, Keras usw. Die Beispiele wurden in TensorFlow .
Diese Schulung konzentriert sich mehr auf die Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Teano, DeepDrive, Keras usw. Die Beispiele wurden in TensorFlow .
7 Stunden
Die Tensor Processing Unit (TPU) ist die Architektur, die Google seit einigen Jahren intern nutzt und nun für die breite Öffentlichkeit verfügbar ist Es enthält mehrere Optimierungen speziell für die Verwendung in neuronalen Netzen, einschließlich einer gestrafften Matrixmultiplikation und 8-Bit-Ganzzahlen anstelle von 16-Bit, um geeignete Genauigkeitsniveaus zu erhalten In diesem instruierten Live-Training lernen die Teilnehmer, wie sie die Vorteile von TPU-Prozessoren nutzen können, um die Leistung ihrer eigenen KI-Anwendungen zu maximieren Am Ende des Trainings werden die Teilnehmer in der Lage sein: Trainieren Sie verschiedene Arten von neuronalen Netzwerken auf großen Datenmengen Verwenden Sie TPUs, um den Inferenzprozess um bis zu zwei Größenordnungen zu beschleunigen Verwenden Sie TPUs, um intensive Anwendungen wie Bildsuche, Cloud Vision und Fotos zu verarbeiten Publikum Entwickler Forscher Ingenieure Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
7 Stunden
TensorFlow Serving ist ein System, mit dem Machine-Learning-Modelle (ML) in der Produktion eingesetzt werden können In diesem instruierten Live-Training lernen die Teilnehmer, wie sie TensorFlow Serving konfigurieren und einsetzen, um ML-Modelle in einer Produktionsumgebung bereitzustellen und zu verwalten Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Trainieren, exportieren und bedienen Sie verschiedene TensorFlow-Modelle Testen und implementieren Sie Algorithmen mithilfe einer einzigen Architektur und einer Reihe von APIs Erweitern Sie TensorFlow Serving, um andere Arten von Modellen als TensorFlow-Modelle zu bedienen Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
35 Stunden
Dieser Kurs beginnt mit dem Erlernen von konzeptionellen Kenntnissen in neuronalen Netzen und allgemein in maschinellem Lernalgorithmus und Tiefenlernen (Algorithmen und Anwendungen).
Teil 1 (40%) dieses Trainings konzentriert sich mehr auf Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras usw.
In Teil 2 (20%) dieses Trainings wird Theano vorgestellt - eine Python-Bibliothek, die das Schreiben von Deep-Learning-Modellen erleichtert.
Part-3 (40%) die Ausbildung intensiv auf Basis von Tensorflow würde - 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Die Beispiele und Handys würden alle in TensorFlow .
Publikum
Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow
Nach Abschluss dieses Kurses werden die Teilnehmer:
-
ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN haben
-
Struktur und Einsatzmechanismen von TensorFlow verstehen
-
in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
-
in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
-
in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren
Teil 1 (40%) dieses Trainings konzentriert sich mehr auf Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras usw.
In Teil 2 (20%) dieses Trainings wird Theano vorgestellt - eine Python-Bibliothek, die das Schreiben von Deep-Learning-Modellen erleichtert.
Part-3 (40%) die Ausbildung intensiv auf Basis von Tensorflow würde - 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Die Beispiele und Handys würden alle in TensorFlow .
Publikum
Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow
Nach Abschluss dieses Kurses werden die Teilnehmer:
-
ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN haben
-
Struktur und Einsatzmechanismen von TensorFlow verstehen
-
in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
-
in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
-
in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren
28 Stunden
Deep Learning für NLP ermöglicht es einer Maschine, einfache bis komplexe Sprachverarbeitung zu erlernen Zu den derzeit möglichen Aufgaben gehören die Übersetzung von Sprachen und die Erstellung von Bildunterschriften für Fotos DL (Deep Learning) ist eine Teilmenge von ML (Machine Learning) Python ist eine beliebte Programmiersprache, die Bibliotheken für Deep Learning für NLP enthält In diesem instruierten Live-Training lernen die Teilnehmer, Python-Bibliotheken für NLP (Natural Language Processing) zu verwenden, während sie eine Anwendung erstellen, die eine Reihe von Bildern verarbeitet und Untertitel generiert Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Entwerfen und kodieren Sie DL für NLP mit Python-Bibliotheken Erstellen Sie Python-Code, der eine im Wesentlichen große Sammlung von Bildern liest und Schlüsselwörter generiert Erstellen Sie Python-Code, der Untertitel aus den erkannten Keywords generiert Publikum Programmierer mit Interesse an Linguistik Programmierer, die ein Verständnis für NLP (Natural Language Processing) suchen Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
28 Stunden
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.
21 Stunden
TensorFlow ist eine beliebte und maschinelles Lernen Bibliothek entwickelt von Go Ogle für tiefe Lernen, numerische Berechnung und Groß maschinellen Lernen. TensorFlow 2.0, veröffentlicht im Januar 2019, ist die neueste Version von TensorFlow und enthält Verbesserungen in TensorFlow auf eifrige Ausführung, Kompatibilität und API-Konsistenz.
Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler und Datenwissenschaftler, die Tensorflow 2.0 verwenden möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netzwerke usw. zu erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Installieren und konfigurieren Sie TensorFlow 2.0.
- Verstehen Sie die Vorteile von TensorFlow 2.0 gegenüber früheren Versionen.
- Bauen Sie Deep-Learning-Modelle auf.
- Implementieren Sie einen erweiterten Bildklassifikator.
- Stellen Sie ein Deep-Learning-Modell für Cloud-, Mobil- und IoT-Geräte bereit.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.
Anpassungsoptionen für den Kurs
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
- Um mehr über TensorFlow zu erfahren, besuchen Sie bitte: https://www.tensorflow.org/
Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler und Datenwissenschaftler, die Tensorflow 2.0 verwenden möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netzwerke usw. zu erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Installieren und konfigurieren Sie TensorFlow 2.0.
- Verstehen Sie die Vorteile von TensorFlow 2.0 gegenüber früheren Versionen.
- Bauen Sie Deep-Learning-Modelle auf.
- Implementieren Sie einen erweiterten Bildklassifikator.
- Stellen Sie ein Deep-Learning-Modell für Cloud-, Mobil- und IoT-Geräte bereit.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.
Anpassungsoptionen für den Kurs
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
- Um mehr über TensorFlow zu erfahren, besuchen Sie bitte: https://www.tensorflow.org/
14 Stunden
TensorFlow.js ist ein JavaScript-Framework für das Maschinenlernen. TensorFlow.js ermöglicht es Benutzern, Maschinenlehrmodelle direkt in JavaScript zu erstellen und zu trainieren.
Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler, die TensorFlow.js verwenden möchten, um Muster zu identifizieren und Prognosen durch Maschinenlearning-Modelle zu erzeugen.
Am Ende dieser Ausbildung können die Teilnehmer:
Bauen und trainieren Sie Maschinenlehrmodelle mit TensorFlow.js. Laden Sie Maschinenlernmodelle im Browser oder unter Node.js aus. Entfernen Sie bereits bestehende Machine Learning-Modelle mit benutzerdefinierten Daten.
Format des Kurses
Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.
Kursanpassungsoptionen
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler, die TensorFlow.js verwenden möchten, um Muster zu identifizieren und Prognosen durch Maschinenlearning-Modelle zu erzeugen.
Am Ende dieser Ausbildung können die Teilnehmer:
Bauen und trainieren Sie Maschinenlehrmodelle mit TensorFlow.js. Laden Sie Maschinenlernmodelle im Browser oder unter Node.js aus. Entfernen Sie bereits bestehende Machine Learning-Modelle mit benutzerdefinierten Daten.
Format des Kurses
Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.
Kursanpassungsoptionen
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
14 Stunden
TensorFlow ist eine Open Source Machine Learning Bibliothek. TensorFlow bietet den Nutzern die Fähigkeit, künstliche Intelligenz zu verwenden und zu erstellen, um Betrug zu erkennen und vorhersagen.
Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler, die verwenden möchten TensorFlow, um potenzielle Betrugdaten zu analysieren.
Am Ende dieser Ausbildung können die Teilnehmer:
Erstellt ein Betrug-Detektionsmodell in Python und TensorFlow. Erstellen Sie lineare Regressionen und lineare Regressionsmodelle, um Betrug zu vorhersagen. Entwickeln Sie eine end-to-end AI-Anwendung zur Analyse von Betrugdaten.
Format des Kurses
Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.
Kursanpassungsoptionen
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler, die verwenden möchten TensorFlow, um potenzielle Betrugdaten zu analysieren.
Am Ende dieser Ausbildung können die Teilnehmer:
Erstellt ein Betrug-Detektionsmodell in Python und TensorFlow. Erstellen Sie lineare Regressionen und lineare Regressionsmodelle, um Betrug zu vorhersagen. Entwickeln Sie eine end-to-end AI-Anwendung zur Analyse von Betrugdaten.
Format des Kurses
Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.
Kursanpassungsoptionen
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
21 Stunden
TensorFlow Extended (TFX) ist eine End-to-End-Plattform für die Verwendung von Produktions-ML-Pipelinen.
Dieser Instructor-Leid, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler, die von der Ausbildung eines einzelnen ML-Modells zu der Verwendung vieler ML-Modelle zur Produktion gehen möchten.
Am Ende dieser Ausbildung können die Teilnehmer:
Installieren und konfigurieren Sie TFX und unterstützen Drittanbieter-Tools. Verwenden Sie TFX, um eine vollständige ML-Produktionsleitung zu erstellen und zu verwalten. Arbeiten Sie mit TFX-Komponenten, um Modellierung, Ausbildung, Inferenzdienstleistung und Verwalten von Entlastungen durchzuführen. Entwickeln Sie Machine Learning-Funktionen für Web-Anwendungen, mobile Anwendungen, IoT-Geräte und vieles mehr.
Format des Kurses
Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.
Kursanpassungsoptionen
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
Dieser Instructor-Leid, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler, die von der Ausbildung eines einzelnen ML-Modells zu der Verwendung vieler ML-Modelle zur Produktion gehen möchten.
Am Ende dieser Ausbildung können die Teilnehmer:
Installieren und konfigurieren Sie TFX und unterstützen Drittanbieter-Tools. Verwenden Sie TFX, um eine vollständige ML-Produktionsleitung zu erstellen und zu verwalten. Arbeiten Sie mit TFX-Komponenten, um Modellierung, Ausbildung, Inferenzdienstleistung und Verwalten von Entlastungen durchzuführen. Entwickeln Sie Machine Learning-Funktionen für Web-Anwendungen, mobile Anwendungen, IoT-Geräte und vieles mehr.
Format des Kurses
Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.
Kursanpassungsoptionen
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
Last Updated:
Zukünftige TensorFlow Kurse
Applied AI from Scratch
2022-07-05 09:30
28 hours
Embedding Projector: Visualizing Your Training Data
2022-07-11 09:30
14 hours
TensorFlow Serving
2022-07-25 09:30
7 hours
Understanding Deep Neural Networks
2022-08-01 09:30
35 hours
Deep Learning for NLP (Natural Language Processing)
2022-08-02 09:30
28 hours
TensorFlow Schulung, TensorFlow boot camp, TensorFlow Abendkurse, TensorFlow Wochenendkurse, TensorFlow Kurs, TensorFlow Training, TensorFlow Seminar, TensorFlow Seminare, TensorFlow Privatkurs, TensorFlow Coaching, TensorFlow Lehrer
