현지 강사가 진행하는 라이브 TensorFlow 교육 과정은 대화식 토론 및 실습을 통해 TensorFlow 시스템을 사용하여 기계 학습에 대한 연구를 용이하게하고 연구 프로토 타입에서 생산 시스템으로 쉽고 빠르게 전환하는 방법을 보여줍니다. TensorFlow 교육은 "현장 라이브 교육"또는 "원격 라이브 교육"으로 제공됩니다. 현장 실시간 교육은 고객 구내에서 로컬로 수행 할 수 있습니다. 대한민국 또는 NobleProg 기업 교육 센터의 대한민국 . 원격 라이브 교육은 대화식 원격 데스크톱을 통해 수행됩니다. NobleProg-현지 교육 제공 업체
Machine Translated
회원 평가
저는 크리스의 질문에 대한 분명한 대답을 정말로 높이 평가했습니다. Léo Dubus
Léo Dubus
Course: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
지식이 풍부한 강사
Sridhar Voorakkara
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
나는이 수업의 표준에 놀랐다. 나는 그것이 대학의 표준이라고 말할 것이다.
David Relihan
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
아주 좋은 모든 라운드 개요. Tensorflow가 작동하는 이유를 배경으로 Go 하십시오.
Kieran Conboy
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
나는 질문을하고 이론에 대한 깊이있는 설명을 더 얻을 수있는 기회를 좋아했다.
Sharon Ruane
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
기계 학습을 위해 매우 업데이트 된 접근법 또는 API (tensorflow, kera, tflearn)
Paul Lee
Course: TensorFlow for Image Recognition
Machine Translated
기술의 전망 : 미래에 어떤 기술 / 프로세스가 더 중요해질 것인가? 이 기술이 어떤 용도로 사용될 수 있는지보십시오
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
주제 선택. 훈련의 스타일. 실습 오리엔테이션
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
광범위한 주제가 다루어지고 지도자에 대한 실질적인 지식.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
결핍
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
강사에 대한 큰 이론 및 실제 지식. 트레이너의 의사 소통. 과정 중에 질문을하고 만족스러운 답변을 얻을 수 있습니다.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
알고리즘을 구현 한 실용적인 부분. 이것은 주제에 대한 더 나은 이해를 가능하게했습니다.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
연습과 예제가 구현되었습니다.
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
논의 된 사례와 문제.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
실질적인 지식, 헌신, 지식을 전달하는 열정적 인 방법. 이론 강의 후에 실제적인 예.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
Maciej 씨가 준비한 실용적인 연습
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
휴먼 식별 및 회로 기판 불량 지점 감지
王 春柱 - 中移物联网
Course: Deep Learning for NLP (Natural Language Processing)
Machine Translated
보여 줍니다
中移物联网
Course: Deep Learning for NLP (Natural Language Processing)
Machine Translated
면 영역 정보.
中移物联网
Course: Deep Learning for NLP (Natural Language Processing)
Machine Translated
실용적인 많은 팁
Pawel Dawidowski - ABB Sp. z o.o.
Course: Deep Learning with TensorFlow
Machine Translated
솔루션 구현과 관련된 많은 정보
Michał Smolana - ABB Sp. z o.o.
Course: Deep Learning with TensorFlow
Machine Translated
광범위한 AI / IT / SQL / IoT 문제에서 강사에 대한 실용적인 팁과 지식을 다양하게 제공합니다.
ABB Sp. z o.o.
Course: Deep Learning with TensorFlow
Machine Translated
나는 제로 지식에 가깝게 시작했고 결국 내 자신의 네트워크를 구축하고 훈련 할 수있었습니다.
Huawei Technologies Duesseldorf GmbH
Course: TensorFlow for Image Recognition
Machine Translated
Tomasz는 정보를 잘 알고 있으며 코스가 잘 진행되었습니다.
Raju Krishnamurthy - Google
Course: TensorFlow Extended (TFX)
Machine Translated
트레이너는 매우 지식이 있고 질문에 열려 있었고, 다이어그램을 그리는 것을 좋아했으며 꽤 좋은 방법으로 사물을 설명했습니다.
Course: Deep Learning with TensorFlow 2.0
Machine Translated
트레이너는 매우 지식이 있고 질문에 열려 있었고, 다이어그램을 그리는 것을 좋아했으며 꽤 좋은 방법으로 사물을 설명했습니다.
Course: Deep Learning with TensorFlow 2.0
Machine Translated
TensorFlow코스 개요
코스 이름
Duration
Overview
코스 이름
Duration
Overview
14 시간
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 .
21 시간
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.
28 시간
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
35 시간
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.
21 시간
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.
28 시간
이 과정은 신경망 및 일반적으로 기계 학습 알고리즘, 딥 러닝 (알고리즘 및 응용 프로그램)에 대한 지식을 제공합니다. 이 훈련은 기본에 더 초점이다, 그러나 당신이 올바른 기술을 선택하는 데 도움이 될 것입니다 : TensorFlow , Caffe , Teano, DeepDrive, Keras 등의 예제가 이루어집니다 TensorFlow .
7 시간
Tensor Processing Unit (TPU)은 Google이 수 년 동안 내부적으로 사용해온 아키텍처로, 현재 일반 대중이 사용할 수있게되었습니다 여기에는 능률적 인 행렬 곱셈 및 16 비트 대신 8 비트 정수를 포함하여 신경망에 사용하기위한 몇 가지 최적화가 포함되어있어 적절한 수준의 정확도를 반환합니다 교육 강좌를 통해 참가자는 TPU 프로세서의 혁신을 활용하여 자체 AI 응용 프로그램의 성능을 극대화하는 방법을 배우게됩니다 교육이 끝나면 참가자는 다음 작업을 수행 할 수 있습니다 많은 양의 데이터에 대해 다양한 유형의 신경 네트워크를 교육합니다 TPUs를 사용하여 추론 과정을 최대 2 배까지 가속화하십시오 TPU를 사용하여 이미지 검색, 클라우드 비전 및 사진과 같은 집중적 인 애플리케이션 처리 청중 개발자 연구원 엔지니어 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
7 시간
TensorFlow Serving은 기계 학습 (ML) 모델을 프로덕션에 제공하기위한 시스템입니다. 강사가 진행하는이 실시간 교육에서 참가자는 프로덕션 환경에서 ML 모델을 배포 및 관리하기 위해 TensorFlow Serving을 구성하고 사용하는 방법을 학습합니다. 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.
- 다양한 TensorFlow 모델 교육, 수출 및 제공
- 단일 아키텍처 및 API 세트를 사용하여 알고리즘 테스트 및 배포
- 확장 TensorFlow 넘어 모델의 다른 종류의 봉사 봉사 TensorFlow 모델을
- 개발자
- 데이터 과학자
- 파트 강의, 파트 토론, 연습 및 무거운 실무 연습
35 시간
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.
28 시간
NLP를위한 딥 학습 (Deep Learning for NLP)을 통해 기계는 복잡한 언어 처리 과정을 간단하게 배울 수 있습니다 현재 가능한 작업 중에는 사진의 언어 번역 및 자막 생성이 있습니다 DL (Deep Learning)은 ML (기계 학습)의 하위 집합입니다 Python은 NLP 용 Deep Learning을위한 라이브러리를 포함하는 널리 사용되는 프로그래밍 언어입니다 강사진의 실습을 통해 참가자는 그림 집합을 처리하고 자막을 생성하는 응용 프로그램을 만들 때 NLP (자연 언어 처리) 용 Python 라이브러리를 사용하는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 파이썬 라이브러리를 사용하여 NLP 용 DL 디자인 및 코드 엄청나게 많은 그림 모음을 읽고 키워드를 생성하는 Python 코드를 만듭니다 발견 된 키워드에서 캡션을 생성하는 Python 코드를 작성하십시오 청중 언어학에 관심이있는 프로그래머 NLP (자연어 처리)에 대한 이해를 원하는 프로그래머 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
28 시간
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 시간
TensorFlow 는 Go ogle에서 딥 러닝, 수치 계산 및 대규모 머신 러닝을 위해 개발 한 인기있는 머신 러닝 라이브러리입니다. 2019 년 1 월에 출시 된 TensorFlow 2.0은 최신 버전의 TensorFlow 이며,보다 TensorFlow 실행, 호환성 및 API 일관성 개선 사항을 포함합니다. 이 강사 주도의 라이브 교육 (현장 또는 원격)은 Tensorflow 2.0을 사용하여 예측 변수, 분류기, 생성 모델, 신경망 등을 구축하려는 개발자 및 데이터 과학자를 대상으로합니다. 이 교육이 끝나면 참가자는 다음을 수행 할 수 있습니다.
- TensorFlow 2.0을 설치하고 구성하십시오.
- 이전 버전에 비해 TensorFlow 2.0의 이점을 이해하십시오.
- 딥 러닝 모델을 구축하십시오.
- 고급 이미지 분류기를 구현하십시오.
- 클라우드, 모바일 및 IoT 장치에 딥 러닝 모델을 배포하십시오.
- 대화식 강의 및 토론.
- 많은 연습과 연습.
- 라이브 랩 환경에서 실습 구현.
- 이 과정에 대한 맞춤형 교육을 요청하려면 저희에게 연락하여 준비하십시오.
- TensorFlow 에 대한 자세한 내용은 https://www.tensorflow.org/를 참조하십시오.
14 시간
TensorFlow.js는 기계 학습을 위한 JavaScript 프레임 워크입니다. TensorFlow.js 사용자는 JavaScript에서 직접 기계 학습 모델을 구축하고 훈련 할 수 있습니다.
이 강사가 이끄는 라이브 훈련 (온라인 또는 온라인)은 기계 학습 모델을 통해 패턴을 식별하고 예측을 생성하기 위해 TensorFlow.js를 사용하고자하는 데이터 과학자를 대상으로합니다.
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 :
-
기계 학습 모델을 구축하고 훈련하십시오 TensorFlow.js.
브라우저 또는 아래에서 기계 학습 모델을 실행하십시오 Node.js.
사용자 지정 데이터를 사용하여 사전 존재하는 기계 학습 모델을 철회합니다.
-
인터랙티브 강의 및 토론
많은 연습과 연습이 있습니다.
라이브 실험실 환경에서 핸드-온 구현.
-
이 과정에 대한 사용자 지정 훈련을 요청하려면 저희에게 연락하여 배치하십시오.
14 시간
TensorFlow 오픈소스 기계 학습 도서관입니다. TensorFlow 사용자가 사기를 탐지하고 예측하기 위해 인공 지능을 사용하고 만들 수있는 능력을 제공합니다.
이 강사가 이끄는 라이브 훈련 (온라인 또는 온라인)은 잠재적 인 사기 데이터를 분석하기 위해 TensorFlow 사용하고자하는 데이터 과학자를 대상으로합니다.
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 :
-
[중고] [중고] [중고] [중고] [중고] [중고] [중고] [중고] [중고] [중고] [중고] [중고]
사기를 예측하기 위해 선형 회복과 선형 회복 모델을 구축하십시오.
사기 데이터를 분석하기위한 최종 AI 응용 프로그램을 개발합니다.
-
인터랙티브 강의 및 토론
많은 연습과 연습이 있습니다.
라이브 실험실 환경에서 핸드-온 구현.
-
이 과정에 대한 사용자 지정 훈련을 요청하려면 저희에게 연락하여 배치하십시오.
21 시간
TensorFlow 확장 (TFX)는 생산 ML 파이프 라인을 배치하기위한 최종 플랫폼입니다.
이 강사가 이끄는 라이브 훈련 (온라인 또는 온라인)은 하나의 ML 모델을 훈련하여 생산에 많은 ML 모델을 배치하고자하는 데이터 과학자들을 대상으로합니다.
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 :
-
TFX를 설치하고 설정하고 제 3 자 도구를 지원합니다.
TFX를 사용하여 완전한 ML 생산 파이프라인을 만들고 관리합니다.
TFX 구성 요소와 함께 작업하여 모델링, 훈련, 인덱스 서비스 및 배포를 관리합니다.
기계 학습 기능을 웹 응용 프로그램, 모바일 응용 프로그램, IoT 장치 등으로 배치합니다.
-
인터랙티브 강의 및 토론
많은 연습과 연습이 있습니다.
라이브 실험실 환경에서 핸드-온 구현.
-
이 과정에 대한 사용자 지정 훈련을 요청하려면 저희에게 연락하여 배치하십시오.
28 시간
Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow TensorFlow 가장 인기있는 기계 학습 도서관 중 하나입니다. Kubernetes 컨테이너화 된 응용 프로그램을 관리하기위한 오케스트라 플랫폼입니다. OpenShift 클라우드 애플리케이션 개발 플랫폼은 Red Hat Enterprise Linux의 기초에 의해 조직 및 관리되는 컨테이너를 사용합니다.
이 강사가 이끄는 라이브 훈련 (온라인 또는 현장)은 엔지니어들이 Machine Learning 작업로드를 현장 또는 하이브리드 클라우드에 배치하고자하는 것을 목표로합니다.
-
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 :
셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째, 셋째,
OpenShift를 사용하여 Kubernetes 클러스터를 시작하는 작업을 단순화합니다.
제조에서 ML 모델을 자동화하고 관리하기위한 Kubernetes 파이프 라인을 만들고 배치합니다.
훈련 및 ML 모델 TensorFlow을 여러 GPUs와 동시에 실행하는 기계를 통해 배치합니다.
ML 응용 프로그램을 확장하기 위해 내부에서 공공 클라우드 서비스 (예: AWS 서비스)를 호출합니다.
-
인터랙티브 강의 및 토론
많은 연습과 연습이 있습니다.
라이브 실험실 환경에서 핸드-온 구현.
-
이 과정에 대한 사용자 지정 훈련을 요청하려면 저희에게 연락하여 배치하십시오.
Last Updated:
Other countries
Consulting
주말TensorFlow코스, 밤의TensorFlow트레이닝, TensorFlow부트 캠프, TensorFlow 강사가 가르치는, 주말TensorFlow교육, 밤의TensorFlow과정, TensorFlow코칭, TensorFlow강사, TensorFlow트레이너, TensorFlow교육 과정, TensorFlow클래스, TensorFlow현장, TensorFlow개인 강좌, TensorFlow1 대 1 교육
