Matlab for Deep Learning Treningskurs
I denne instruktørledede, levende opplæringen vil deltakerne lære å bruke Matlab til å designe, bygge og visualisere et konvolusjonelt neuralt nettverk for bildegenkjenning.
Ved slutten av denne opplæringen vil deltakerne være i stand til å:
- Bygge en dyp læring modell
- Automatisere data merking
- Arbeide med modeller fra Caffe og TensorFlow-Keras
- Trene data ved hjelp av flere GPUs, skyen eller kluster
Målgruppe
- Utviklere
- Ingeniører
- Domeneeksperter
Formatet på kurset
- Del forelesning, del diskusjon, øvelser og mye praktisk øving
Kursplan
For å be om en tilpasset kursoversikt for denne opplæringen, vennligst kontakt oss.
Krav
- Erfaring med Matlab
- Ingen tidligere erfaring med datavitenskap er nødvendig
Åpne kurs krever 5+ deltakere.
Matlab for Deep Learning Treningskurs - Bestilling
Matlab for Deep Learning Treningskurs - Forespørsel
Matlab for Deep Learning - Konsulentforespørsel
Kommende kurs
Relaterte kurs
Avansert Stable Diffusion: Deep Learning for tekst-til-bilde-generering
21 TimerDenne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot dataforskere på middels til avansert nivå, maskinlæringsingeniører, dyplæringsforskere og datasynseksperter som ønsker å utvide sine kunnskaper og ferdigheter innen dyp læring for tekst-til-bilde generering.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå avanserte dyplæringsarkitekturer og teknikker for tekst-til-bilde generering.
- Implementer komplekse modeller og optimaliseringer for bildesyntese av høy kvalitet.
- Optimaliser ytelse og skalerbarhet for store datasett og komplekse modeller.
- Juster hyperparametre for bedre modellytelse og generalisering.
- Integrer Stable Diffusion med andre dyplæringsrammer og verktøy
AlphaFold
7 TimerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot biologer som ønsker å forstå hvordan AlphaFold fungerer og bruke AlphaFold-modeller som guider i sine eksperimentelle studier.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå de grunnleggende prinsippene til AlphaFold.
- Finn ut hvordan AlphaFold fungerer.
- Lær hvordan du tolker AlphaFold spådommer og resultater.
Tilpasset AI fra bunnen av
28 TimerDette er et 4-dagers kurs som introduserer AI og dens applikasjon. Det er en mulighet for å ha en ekstra dag til å gjennomføre et AI-prosjekt etter fullføring av dette kurset.
Dypt Lærende Neurale Nettverk med Chainer
14 TimerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot forskere og utviklere som ønsker å bruke Chainer til å bygge og trene nevrale nettverk i Python samtidig som koden er enkel å feilsøke.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Sett opp det nødvendige utviklingsmiljøet for å begynne å utvikle nevrale nettverksmodeller.
- Definer og implementer nevrale nettverksmodeller ved å bruke en forståelig kildekode.
- Utfør eksempler og modifiser eksisterende algoritmer for å optimalisere treningsmodeller for dyp læring mens du utnytter GPUer for høy ytelse.
Datavisjon med Google Colab og TensorFlow
21 TimerDenne instruktørledede, live-treningen i Norge (online eller på stedet) er rettet mot avanserte profesjonelle som ønsker å dyppe seg dypere inn i datavisjon og utforske TensorFlows kapasiteter for å utvikle sofistikerte visjonsmodeller ved hjelp av Google Colab.
Ved slutten av denne treningen vil deltakerne kunne:
- Bygge og trene konvolusjonelle nevrale nettverk (CNNs) ved hjelp av TensorFlow.
- Bruke Google Colab for skalerbar og effektiv skybasert modellutvikling.
- Implementere bildeforarbeidingsmetoder for datavisjonstider.
- Sette i drift datavisjonsmodeller for virkelige anvendelser.
- Bruke overføringsslur for å forbedre ytelsen på CNN-modeller.
- Visualisere og tolke resultater fra bildeklassifiseringsmodeller.
Deep Learning med TensorFlow i Google Colab
14 TimerDenne instruktørledede, live-opplæringen (online eller på sted) er rettet mot mellomnivådataforskerne og utviklere som ønsker å forstå og bruke dyp læringsteknikker ved hjelp av Google Colab-miljøet.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Oppsette og navigere Google Colab for dyplæringprosjekter.
- Forstå grunnleggende prinsipper om neuronnettverk.
- Implementere dyplæringmodeller med TensorFlow.
- Trenne og vurdere dyplæringmodeller.
- Bruke avanserte funksjoner i TensorFlow for dyplæring.
Dybde Læring for NLP (Naturlig språkbehandling)
28 TimerI denne instruktørledede, live-opplæringen i Norge vil deltakerne lære å bruke Python-biblioteker for NLP når de lager en applikasjon som behandler et sett med bilder og genererer bildetekster.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Design og kode DL for NLP ved hjelp av Python biblioteker.
- Lag Python kode som leser en betydelig samling bilder og genererer nøkkelord.
- Opprett Python-kode som genererer bildetekster fra de oppdagede søkeordene.
Deep Learning for Vision
21 TimerMålgruppe
Denne kurset er egnet for Deep Learning-forskere og ingeniører som er interessert i å bruke tilgjengelige verktøy (for det meste åpen kildekode) for å analysere datamaskinbilder
Denne kurset gir praktiske eksempler.
Edge AI med TensorFlow Lite
14 TimerDenne instruktørledede, live opplæringen (online eller på stedet) er rettet mot mellomnivåutviklere, datavitere og AI-praktikere som ønsker å utnyttet TensorFlow Lite for Edge AI-applikasjoner.
Etter denne opplæringen vil deltakerne kunne:
- Forstå grunnleggende prinsipper for TensorFlow Lite og dens rolle i Edge AI.
- Utvikke og optimalisere AI-modeller ved hjelp av TensorFlow Lite.
- Implementere TensorFlow Lite-modeller på forskjellige kantenheter.
- Bruk verktøy og teknikker for modellkonvertering og optimalisering.
- Implementere praktiske Edge AI-applikasjoner ved hjelp av TensorFlow Lite.
Accelerering av dyp læring med FPGA og OpenVINO
35 TimerDette instruktørledede, live-kurset i Norge (online eller på stedet) er rettet mot datavitenskapsfolk som ønsker å akselerere sanntidsmaskinlæringsapplikasjoner og implementere dem i stor skala.
Etter kurset vil deltakerne kunne:
- Installere OpenVINO-verktøysettet.
- Akselerere en datamaskinviseapplikasjon ved hjelp av en FPGA.
- Kjøre ulike CNN-lag på FPGA.
- Skalere applikasjonen på tvers av flere noder i et Kubernetes-cluster.
Bedrageridetektering med Python og TensorFlow
14 TimerDenne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot dataforskere som ønsker å bruke TensorFlow til å analysere potensielle svindeldata.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Opprette en modell for svindeldeteksjon i Python og TensorFlow.
- Bygge lineære regresjoner og lineære regresjonsmodeller for å forutsi svindel.
- Utvikle en ende-til-ende AI-applikasjon for å analysere svindeldata.
Distribert dyp læring med Horovod
7 TimerDette instruktørledede, live kurset i Norge (online eller på stedet) er rettet mot utviklere eller datasikere som ønsker å bruke Horovod til å kjøre distribuert dyp lærings trening og skalere det til å kjøre på tvers av flere GPU-er parallelt.
Ved slutten av dette kurset vil deltakerne kunne:
- Sette opp nødvendig utviklingsmiljø for å starte dyp lærings trening.
- Installere og konfigurere Horovod for å trene modeller med TensorFlow, Keras, PyTorch og Apache MXNet.
- Skalere dyp lærings trening med Horovod for å kjøre på flere GPU-er.
Dyp Læring med Keras
21 TimerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot tekniske personer som ønsker å bruke dyp læringsmodell på bildegjenkjenningsapplikasjoner.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Installer og konfigurer Keras.
- Rask prototyper av dyplæringsmodeller.
- Implementer et konvolusjonelt nettverk.
- Implementer et tilbakevendende nettverk.
- Utfør en dyp læringsmodell på både en CPU og GPU.
Introduksjon til Stable Diffusion for tekst-til-bilde-generering
21 TimerDenne instruktørledede, live opplæringen (online eller på stedet) er rettet mot dataforskere, maskinlæringsingeniører og datavisualiseringsforskere som ønsker å utnytte Stable Diffusion til å generere høykvalitetsbilder for en rekke bruksområder.
Innen slutten av denne opplæringen vil deltakerne kunne:
- Forstå prinsippene bak Stable Diffusion og hvordan den fungerer for bildegenerering.
- Bygge og trene Stable Diffusion-modeller for bildegenereringsoppgaver.
- Anvende Stable Diffusion i ulike bildegenereringssenarioer, slik som inpainting, outpainting og bilde-til-bilde-oversettelse.
- Optimalisere ytelse og stabilitet til Stable Diffusion-modeller.
TensorFlow Lite for Mikrokontrollere
21 TimerDenne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å skrive, laste og kjøre maskinlæringsmodeller på svært små innebygde enheter.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Installer TensorFlow Lite.
- Last inn maskinlæringsmodeller på en innebygd enhet for å gjøre den i stand til å oppdage tale, klassifisere bilder osv.
- Legg til AI til maskinvareenheter uten å stole på nettverkstilkobling.