Fraud Detection with Python and TensorFlow 교육 과정

AI와 그 응용을 소개하는 4일간의 강좌입니다. 이 과정을 마친 후 AI 프로젝트를 수행할 수 있는 하루를 추가로 가질 수 있는 옵션이 있습니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Dask를 Python 생태계와 함께 사용하여 대규모 데이터 세트를 구축, 확장 및 분석하려는 데이터 과학자 및 소프트웨어 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Dask와 Python으로 빅데이터 처리 구축을 시작할 수 있는 환경을 설정합니다.
• Dask에서 사용할 수 있는 기능, 라이브러리, 도구 및 API를 살펴보세요.
• Dask가 Python에서 병렬 컴퓨팅을 어떻게 가속화하는지 이해하세요.
• Dask를 사용하여 Python 생태계(Numpy, SciPy 및 Pandas)를 확장하는 방법을 알아보세요.
• 대규모 데이터 세트를 처리할 때 높은 성능을 유지하려면 Dask 환경을 최적화하세요.

이 온라인 또는 현장 강사 주도 라이브 교육은 Python, Pandas 및 NumPy를 활용한 데이터 분석 및 조작 기술을 향상시키려는 중급 Python 개발자와 데이터 분석가를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있게 됩니다:

• Python, Pandas, 및 NumPy를 포함하는 개발 환경을 설정합니다.
• Pandas 및 NumPy를 사용하여 데이터 분석 애플리케이션을 만듭니다.
• 고급 데이터 정제, 정렬 및 필터링 작업을 수행합니다.
• 집계 작업을 수행하고 시간 시리즈 데이터를 분석합니다.
• Matplotlib 및 기타 시각화 라이브러리를 사용하여 데이터를 시각화합니다.
• 데이터 분석 코드를 디버깅하고 최적화합니다.

강사가 진행하는 이 대한민국 실시간 교육에서 참가자는 일련의 사진을 처리하고 캡션을 생성하는 애플리케이션을 만들면서 NLP용 Python 라이브러리를 사용하는 방법을 배웁니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Python 라이브러리를 사용하여 NLP용 DL을 설계하고 코딩합니다.
• 상당히 많은 양의 사진 모음을 읽고 키워드를 생성하는 Python 코드를 만듭니다.
• 감지된 키워드에서 캡션을 생성하는 Python 코드를 만듭니다.

청중

이 과정은 컴퓨터 이미지 분석을 위해 사용 가능한 도구 (주로 오픈 소스)를 사용하는 데 관심이있는 Deep Learning 연구원 및 엔지니어에게 적합합니다.

이 과정은 실습 예제를 제공합니다.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 FARM(FastAPI, React 및 MongoDB) 스택을 사용하여 확장 가능한 동적 고성능 웹 애플리케이션을 구축하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

FastAPI, React 및 MongoDB를 통합하는 데 필요한 개발 환경을 설정합니다. FARM 스택의 주요 개념, 기능 및 이점을 이해합니다. FastAPI를 사용하여 REST API를 구축하는 방법을 알아보세요. React를 사용하여 대화형 애플리케이션을 디자인하는 방법을 알아보세요. FARM 스택을 사용하여 애플리케이션(프런트엔드 및 백엔드)을 개발, 테스트 및 배포합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Python과 함께 FastAPI를 사용하여 RESTful API를 더 쉽고 빠르게 구축, 테스트 및 배포하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Python 및 FastAPI을 사용하여 API를 개발하기 위한 필수 개발 환경을 설정합니다.
• FastAPI 라이브러리를 사용하여 API를 더 빠르고 쉽게 생성합니다.
• Pydantic 및 OpenAPI를 기반으로 데이터 모델 및 스키마를 생성하는 방법을 학습합니다.
• SQLAlchemy를 사용하여 API를 데이터베이스에 연결합니다.
• FastAPI 도구를 사용하여 API에 보안 및 인증을 구현합니다.
• 컨테이너 이미지를 빌드하고 웹 API를 클라우드 서버에 배포합니다.

대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Modin을 사용하여 Pandas를 통해 더 빠른 데이터 분석을 위한 병렬 계산을 구축하고 구현하려는 데이터 과학자와 개발자를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• Modin을 사용하여 대규모로 Pandas 워크플로 개발을 시작하는 데 필요한 환경을 설정하세요.
• Modin의 기능, 아키텍처 및 장점을 이해하세요.
• Modin, Dask, Ray의 차이점을 알아보세요.
• Modin을 사용하여 Pandas개의 작업을 더 빠르게 수행하십시오.
• 전체 Pandas API 및 기능을 구현합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Tensorflow 2.x를 사용하여 예측기, 분류기, 생성 모델, 신경망 등을 구축하려는 개발자와 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TensorFlow 2.x를 설치하고 구성합니다.
• 이전 버전에 비해 TensorFlow 2.x의 이점을 이해합니다.
• 딥러닝 모델을 구축하세요.
• 고급 이미지 분류기를 구현합니다.
• 클라우드, 모바일 및 IoT 장치에 딥 러닝 모델을 배포합니다.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)에서 참가자는 TensorFlow Serving을 구성하고 사용하여 프로덕션 환경에서 ML 모델을 배포하고 관리하는 방법을 배웁니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 다양한 TensorFlow 모델을 학습시키고 내보내고 제공합니다.
• 단일한 아키텍처와 API 세트를 사용하여 알고리즘을 테스트하고 배포합니다.
• TensorFlow 모델을 넘어 다른 유형의 모델을 제공하기 위해 TensorFlow Serving을 확장합니다.

TensorFlow 는 Go Deep Learning 위한 Go ogle의 오픈 소스 소프트웨어 라이브러리의 2 세대 API입니다. 이 시스템은 기계 학습에 대한 연구를 용이하게하고 연구 프로토 타입에서 생산 시스템으로 신속하고 쉽게 전환 할 수 있도록 설계되었습니다.

청중

이 코스는 TensorFlow 를 Deep Learning 프로젝트에 사용하려는 엔지니어를 대상으로합니다.

이 코스를 마친 후, 대표자들은 :

• TensorFlow 의 구조와 배포 메커니즘 이해
• 설치 / 생산 환경 / 아키텍처 작업 및 구성을 수행 할 수 있어야합니다.
• 코드 품질 평가, 디버깅 수행, 모니터링
• 교육 모델, 그래프 작성 및 로깅과 같은 고급 생산을 구현할 수 있어야합니다.

이 과정에서는 특정 예제를 사용하여 이미지 인식을 목적으로 Tensor Flow를 적용하는 방법에 대해 알아 봅니다.

청중

이 과정은 이미지 인식을 위해 TensorFlow 를 활용하려는 엔지니어를 대상으로합니다.

이 과정을 마치면 대표단은 다음을 수행 할 수 있습니다.

• TensorFlow 의 구조와 배포 메커니즘 이해
• 설치 / 생산 환경 / 아키텍처 작업 및 구성 수행
• 코드 품질 평가, 디버깅 수행, 모니터링
• 교육 모델, 그래프 작성 및 로깅과 같은 고급 제품 구현

대한민국의 강사가 진행하는 실시간 교육에서 참가자는 TPU 프로세서의 혁신을 활용하여 자체 AI 애플리케이션의 성능을 극대화하는 방법을 배우게 됩니다.

교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 대량의 데이터에 대해 다양한 유형의 신경망을 훈련합니다.
• TPU를 사용하면 추론 프로세스 속도를 최대 2배까지 높일 수 있습니다.
• TPU를 활용하여 이미지 검색, 클라우드 비전, 사진 등 집약적인 애플리케이션을 처리합니다.

TensorFlow™는 데이터 흐름 그래픽을 사용하여 숫자 계산을 위한 오픈소스 소프트웨어 라이브러리입니다.

SyntaxNet은 신경 네트워크 자연 언어 처리 프레임 워크입니다 TensorFlow.

Word2Vec는 "word embeddings"라고 불리는 단어의 학습 벡터 표현에 사용됩니다. Word2vec는 원료 텍스트에서 단어 삽입을 배울 수있는 특히 컴퓨팅 효율적인 예측 모델입니다. 그것은 두 개의 맛, 지속적인 가방-Word의 모델 (CBOW)과 Skip-Gram 모델 (Mikolov et al.의 3.1 및 3.2 장)에서 제공됩니다.)

동일하게 사용되는 SyntaxNet 및 Word2Vec는 사용자가 자연 언어 입력에서 배운 삽입 모델을 생성할 수 있습니다.

관객

이 과정은 SyntaxNet 및 Word2Vec 모델과 함께 일하려는 개발자와 엔지니어를 대상으로합니다.

이 과정이 완료되면, 대표는 다음과 같이 할 것입니다 :

• 이해 TensorFlow’의 구조 및 배치 메커니즘
• 설치 / 생산 환경 / 건축 작업 및 구성을 수행 할 수 있습니다.
• 코드 품질을 평가할 수 있고, 데뷔, 모니터링을 수행할 수 있습니다.
• 훈련 모델, 통합 용어, 건설 차트 및 로그링과 같은 고급 생산을 구현할 수 있습니다.

이 과정은 신경망 및 일반적으로 기계 학습 알고리즘, 딥 러닝 (알고리즘 및 응용 프로그램)에 대한 개념 지식을 제공하는 것으로 시작합니다.

파트 1 (40 %)이 훈련은 기본에 더 초점이다, 그러나 당신이 올바른 기술을 선택하는 데 도움이됩니다 TensorFlow , Caffe , Theano, DeepDrive, Keras 등

이 교육의 2 부 (20 %)는 딥 러닝 모델을 쉽게 작성할 수있는 Python 라이브러리 인 Theano를 소개합니다.

교육의 3 부 (40 %)는 Go ogle의 Deep Learning 용 오픈 소스 소프트웨어 라이브러리 인 Tensorflow-2 Generation API를 기반으로합니다. 예제와 핸드 손은 모두 TensorFlow 에서 만들어 질 것입니다.

청중

이 과정은 Deep Learning 프로젝트에 TensorFlow 를 사용하려는 엔지니어를 대상으로합니다.

이 과정을 마친 대표는 다음을 수행합니다.

• 심층 신경망 (DNN), CNN 및 RNN에 대해 잘 이해해야합니다.

• TensorFlow 의 구조 및 배포 메커니즘 이해

• 설치 / 제작 환경 / 아키텍처 작업 및 구성 수행 가능

• 코드 품질 평가, 디버깅, 모니터링 수행

• 교육 모델, 그래프 작성 및 로깅과 같은 고급 프로덕션을 구현할 수 있습니다.