Deep Learning z TensorFlow – od podstaw do zaawansowanych technik

Opis

Intensywne trzydniowe szkolenie prowadzące uczestników przez praktyczne aspekty głębokiego uczenia z wykorzystaniem biblioteki TensorFlow. Program łączy solidne podstawy teoretyczne z rozbudowaną częścią praktyczną, gdzie uczestnicy samodzielnie implementują i trenują modele sieci neuronowych. Zajęcia są prowadzone w formie warsztatowej, gdzie każde zagadnienie teoretyczne jest natychmiast przekładane na praktyczne ćwiczenia programistyczne.

Profil uczestnika

  • Programiści zainteresowani uczeniem maszynowym
  • Analitycy danych chcący poszerzyć kompetencje
  • Naukowcy pracujący z danymi
  • Inżynierowie oprogramowania
  • Specjaliści ds. sztucznej inteligencji
  • Badacze akademiccy w dziedzinie ML
  • Eksperci dziedzinowi zainteresowani AI

Agenda

  1. Fundamenty Deep Learning
    • Architektura sieci neuronowych
    • Matematyczne podstawy uczenia głębokiego
    • Środowisko TensorFlow
    • Przygotowanie i przetwarzanie danych
  2. Implementacja modeli
    • Projektowanie architektury sieci
    • Funkcje aktywacji i ich zastosowania
    • Techniki optymalizacji
    • Regularyzacja i zapobieganie przeuczeniu
  3. Zaawansowane architektury
    • Sieci konwolucyjne (CNN)
    • Sieci rekurencyjne (RNN)
    • Mechanizmy uwagi
    • Transfer learning
  4. Wdrażanie i optymalizacja
    • Zarządzanie zasobami obliczeniowymi
    • Techniki przyśpieszania treningu
    • Optymalizacja modeli
    • Deployment modeli w produkcji

Korzyści

  • Praktyczna umiejętność implementacji modeli deep learning
  • Zrozumienie fundamentów uczenia głębokiego
  • Zdolność projektowania efektywnych architektur sieci
  • Umiejętność optymalizacji modeli
  • Wiedza o najnowszych technikach deep learning
  • Praktyczne doświadczenie z TensorFlow
  • Znajomość dobrych praktyk w ML

Wymagane przygotowanie uczestników

  • Podstawy programowania w Python
  • Znajomość podstaw algebry liniowej
  • Podstawowa wiedza z zakresu statystyki
  • Zrozumienie podstaw uczenia maszynowego

Zagadnienia

  • Architektury sieci neuronowych
  • Funkcje straty i optymalizacja
  • Preprocessing danych
  • Regularyzacja i dropout
  • Konwolucyjne sieci neuronowe
  • Rekurencyjne sieci neuronowe
  • Transfer learning
  • Mechanizmy uwagi
  • Zarządzanie pamięcią GPU
  • Debugowanie modeli
  • Wdrażanie modeli
  • Monitorowanie wydajności

Poznaj naszą firmę

INFORMACJA CENOWA:
od 3750 zł netto za jedną osobę

CZAS TRWANIA (dni): 3

KOD SZKOLENIA: IT-AI-205

Udostępnij swoim znajomym