Kursplan
Introduksjon
- Apache MXNet vs PyTorch
Deep Learning Prinsipper og Deep Learning Økosystemet
- Tensorer, flerlags perceptron, konvolusjonell Neural Networks og tilbakevendende Neural Networks datasyn vs naturlig språkbehandling
Oversikt over Apache MXNet Funksjoner og arkitektur
- Apache MXNet Compenents Gluon API-grensesnitt Oversikt over GPUer og modellparallellisme Symbolsk og imperativ programmering
Oppsett
- Velge et distribusjonsmiljø (on-premise, Public Cloud, etc.) Installere Apache MXNet
Arbeid med data
- Lese inn data Validere data Manipulere data
Utvikle en Deep Learning modell
- Opprette en modell Trene en modell Optimalisering av modellen
Utplassering av modellen
- Forutsi med en forhåndstrent modell Integrering av modellen i en applikasjon
Beste praksis for MXNet-sikkerhet
Feilsøking
Oppsummering og konklusjon
Krav
- En forståelse av maskinlæringsprinsipper
- Python programmeringserfaring
Publikum
- Dataforskere
Testimonials (5)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Kurs - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Kurs - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Kurs - Advanced Deep Learning
examples based on our data