Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Machine Learning e Recursiva Neural Networks (RNN)
- NN e RNN
- Retropropagação
- Memória de curto prazo longa (LSTM)
TensorFlow Noções básicas
- Criação, Inicialização, Gravação e Restauro TensorFlow variáveis
- Alimentação, leitura e pré-carregamento de TensorFlow dados
- Como usar a infraestrutura TensorFlow para treinar modelos em escala
- Visualização e avaliação de modelos com o TensorBoard
[Mecânica 101
- Ficheiros do tutorial
- Preparar os dados
- Descarregar
- Entradas e espaços reservados
- Construir o gráfico
- Inferência
- Perda
- Treinamento
- Treinar o modelo
- O gráfico
- A sessão
- Treinar o ciclo
- Avaliar o modelo
- Construir o gráfico de avaliação
- Saída da avaliação
Uso avançado
- Threading e filas de espera
- Distribuído TensorFlow
- Escrevendo Documentation e compartilhando seu modelo
- Personalizando Leitores de Dados
- Usando GPUs¹
- Manipulando TensorFlow Ficheiros de Modelo
TensorFlow Servindo
- Introdução
- Tutorial básico de servidor
- Tutorial avançado de utilização de serviços
- Tutorial do Modelo de Incepção de Serviço
Convolucional Neural Networks
- Visão geral
- Goals
- Destaques do tutorial
- Arquitetura do modelo
- Organização do código
- Modelo CIFAR-10
- Entradas do modelo
- Previsão do modelo
- Treinamento do modelo
- Lançamento e treinamento do modelo
- Avaliar um modelo
- Treinar um modelo usando vários GPU cartões¹
- Colocar variáveis e operações em dispositivos
- Lançamento e treino do modelo em vários GPU cartões
Deep Learning para MNIST
- Configuração
- Carregar dados MNIST
- Iniciar TensorFlow sessão interactiva
- Construir um modelo de regressão Softmax
- Marcadores de lugar
- Variáveis
- Classe prevista e função de custo
- Treinar o modelo
- Avaliar o modelo
- Construir uma rede convolucional multicamada
- Inicialização de pesos
- Convolução e pooling
- Primeira camada convolucional
- Segunda camada convolucional
- Camada densamente conectada
- Camada de leitura
- Treinar e avaliar o modelo
Reconhecimento de imagens
- Inception-v3
- C++
- Java
Os tópicos relacionados com a utilização de GPUs não estão disponíveis como parte de um curso à distância. Eles podem ser ministrados durante cursos presenciais, mas somente mediante acordo prévio, e somente se tanto o instrutor quanto todos os participantes tiverem laptops com GPUs NVIDIA suportados, com Linux de 64 bits instalados (não fornecidos pela NobleProg). A NobleProg não pode garantir a disponibilidade de instrutores com o hardware necessário.
Requisitos
- Python
28 Horas
