TensorFlow for Image Recognition 교육 과정

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.

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.

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.

This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).

This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.

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.

Embedding Projector는 기계 학습 시스템을 교육하는 데 사용되는 데이터를 시각화하는 오픈 소스 웹 응용 프로그램입니다 Google에서 제작 한 TensorFlow의 일부입니다 강사가 진행된이 실습에서는 Embedding Projector의 개념을 소개하고 참가자에게 데모 프로젝트 설정을 안내합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 기계 학습 모델에서 데이터를 해석하는 방법 탐색 데이터의 3D 및 2D보기를 탐색하여 기계 학습 알고리즘이이를 해석하는 방법을 이해합니다 Embedding과 이미지, 단어 및 숫자에 대한 수학적 벡터를 표현하는 역할에 대한 개념을 이해합니다 특정 임베딩의 속성을 탐색하여 모델의 동작을 이해합니다 음악 애호가를위한 노래 추천 시스템 구축과 같은 실제 세계 사용 사례에 프로젝트 포함 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .

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 학습하고, 내보내고, 제공합니다.
• 단일 아키텍처와 API 세트를 사용하여 알고리즘을 테스트하고 배포합니다.
• TensorFlow 모델 이외의 다른 유형의 모델을 제공하려면 TensorFlow Serving을 확장하세요.

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.

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.

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 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.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 TensorFlow.js를 사용하여 패턴을 식별하고 기계 학습 모델을 통해 예측을 생성하려는 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TensorFlow.js를 사용하여 기계 학습 모델을 구축하고 훈련하세요.
• 브라우저나 Node.js에서 기존 기계 학습 모델을 실행하세요.
• 맞춤형 데이터를 사용하여 기존 머신러닝을 재교육합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 TensorFlow을 사용하여 잠재적인 사기 데이터를 분석하려는 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Python과 TensorFlow에서 사기 탐지 모델을 만듭니다.
• 사기를 예측하기 위해 선형 회귀 및 선형 회귀 모델을 구축합니다.
• 사기 데이터 분석을 위한 엔드투엔드 AI 애플리케이션을 개발합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 단일 ML 모델 교육에서 여러 ML 모델 배포를 프로덕션으로 진행하려는 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TFX를 설치 및 구성하고 타사 도구를 지원합니다.
• TFX를 사용하여 완전한 ML 프로덕션 파이프라인을 만들고 관리하세요.
• TFX 구성요소를 사용하여 모델링, 학습, 추론 제공, 배포 관리를 수행합니다.
• 웹 애플리케이션, 모바일 애플리케이션, IoT 장치 등에 기계 학습 기능을 배포합니다.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 기계 학습 워크로드를 온프레미스 또는 하이브리드 클라우드에 배포하려는 엔지니어를 대상으로 합니다.

• 이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.
• OpenShift 클러스터에 Kubernetes 및 Kubeflow를 설치하고 구성합니다.
• OpenShift를 사용하여 Kubernetes 클러스터 초기화 작업을 단순화하세요.
• 프로덕션에서 ML 모델을 자동화하고 관리하기 위한 Kubernetes 파이프라인을 생성하고 배포합니다.
• 병렬로 실행되는 여러 GPU 및 머신에서 ML 모델을 훈련하고 배포합니다.
• OpenShift 내에서 퍼블릭 클라우드 서비스(예: AWS 서비스)를 호출하여 ML 애플리케이션 확장