Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Machine Learning y Recursivo Neural Networks (RNN) Conceptos básicos
- NN y RNN
- Propagación hacia atrás
- Memoria a corto y largo plazo (LSTM)
TensorFlow Conceptos básicos
- Variables: Creación, inicialización, guardado y restauración TensorFlow
- Alimentación, lectura y precarga TensorFlow Datos
- Cómo usar la infraestructura TensorFlow para entrenar modelos a escala
- Visualización y evaluación de modelos con TensorBoard
TensorFlow Mecánica 101
- Archivos del tutorial
- Preparación de los datos
- Descargar
- Entradas y marcadores de posición
- Construir el gráfico
- Inferencia
- Pérdida
- Adiestramiento
- Entrenamiento del modelo
- El grafo
- La sesión
- Bucle de tren
- Evaluar el modelo
- Construir el gráfico de evaluación
- Salida de evaluación
Uso avanzado
- Subprocesos y colas
- Distribuidos TensorFlow
- Escribir Documentation y compartir el modelo
- Personalización de lectores de datos
- Uso de GPUs¹
- Manipulación de TensorFlow archivos de modelo
TensorFlow Sirviendo
- Introducción
- Tutorial básico de servicio
- Tutorial de Serving Avanzado
- Tutorial del modelo de inicio de servicio
Convolucional Neural Networks
- Visión general
- Go als
- Aspectos destacados del tutorial
- Arquitectura de modelos
- Organización del código
- Modelo CIFAR-10
- Entradas del modelo
- Predicción del modelo
- Entrenamiento de modelos
- Lanzamiento y entrenamiento del modelo
- Evaluación de un modelo
- Entrenamiento de un modelo con varias tarjetas GPU¹
- Colocación de variables y operaciones en dispositivos
- Lanzamiento y entrenamiento del modelo en varias tarjetas GPU
Deep Learning Para MNIST
- Arreglo
- Cargar datos MNIST
- Inicio TensorFlow InteractiveSession
- Creación de un modelo de regresión Softmax
- Marcadores de posición
- Variables
- Clase predicha y función de costo
- Entrenamiento del modelo
- Evaluar el modelo
- Construya una red convolucional multicapa
- Inicialización de peso
- Convolución y agrupación
- Primera capa convolucional
- Segunda capa convolucional
- Capa densamente conectada
- Capa de lectura
- Entrenamiento y evaluación del modelo
Reconocimiento de imágenes
- Inicio-v3
- C++
- Java
¹ Los temas relacionados con el uso de GPU no están disponibles como parte de un curso a distancia. Se pueden impartir durante los cursos presenciales, pero solo por acuerdo previo, y solo si tanto el instructor como todos los participantes tienen computadoras portátiles con NVIDIA GPU compatibles, con Linux de 64 bits instalados (no proporcionados por NobleProg). NobleProg no puede garantizar la disponibilidad de entrenadores con el hardware necesario.
Requerimientos
- Python
28 Horas
Testimonios (1)
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
