Wykorzystanie Computer Network ToolKit (CNTK)

Opis

Zaawansowane szkolenie z wykorzystania narzędzi CNTK w uczeniu maszynowym i sieciach neuronowych. Uczestnicy poznają praktyczne zastosowania biblioteki, techniki implementacji modeli głębokiego uczenia oraz optymalizacji wydajności. Warsztaty łączą teorię z intensywnymi ćwiczeniami programistycznymi.

Profil uczestnika

• Data Scientists
• Inżynierowie uczenia maszynowego
• Programiści AI
• Badacze uczenia głębokiego
• Analitycy danych
• Specjaliści ds. sztucznej inteligencji
• Programiści Python/C++
• Architekci rozwiązań ML

Agenda

1. Podstawy CNTK
   • Architektura biblioteki
   • Modele obliczeniowe
   • Operacje tensorowe
   • Zarządzanie danymi
2. Implementacja sieci neuronowych
   • Architektury sieci
   • Warstwy i aktywacje
   • Funkcje straty
   • Optymalizatory
3. Zaawansowane techniki
   • Transfer learning
   • Regularyzacja
   • Przetwarzanie rozproszone
   • Optymalizacja wydajności
4. Wdrażanie modeli
   • Trenowanie modeli
   • Ewaluacja wydajności
   • Deployment modeli
   • Integracja z systemami

Korzyści

• Umiejętność implementacji modeli w CNTK
• Znajomość architektury biblioteki
• Zdolność optymalizacji modeli
• Wiedza z zakresu deep learning
• Umiejętność przetwarzania danych
• Znajomość technik trenowania
• Zdolność wdrażania modeli
• Umiejętność debugowania sieci

Wymagane przygotowanie uczestników

• Znajomość uczenia maszynowego
• Doświadczenie w programowaniu Python
• Podstawowa wiedza z algebry liniowej
• Znajomość sieci neuronowych

Zagadnienia

• Architektura CNTK
• Operacje tensorowe
• Sieci neuronowe
• Funkcje aktywacji
• Optymalizacja modeli
• Transfer learning
• Przetwarzanie danych
• Trenowanie modeli
• Ewaluacja wydajności
• Wdrażanie modeli
• Debugowanie
• Najlepsze praktyki

Poznaj naszą firmę