Fraud Detection with Python and TensorFlow Training Course

Toto je 4denní kurz představující AI a její aplikaci. Po dokončení tohoto kurzu je možné mít další den na provedení projektu AI.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a softwarové inženýry, kteří chtějí používat Dask s Python ekosystémem k vytváření, škálování a analýze velkých datových sad.

Na konci tohoto školení budou účastníci schopni:

• Nastavte prostředí, abyste mohli začít budovat zpracování velkých dat pomocí Dask a Python.
• Prozkoumejte funkce, knihovny, nástroje a rozhraní API dostupné v Dask.
• Pochopte, jak Dask urychluje paralelní výpočty v Pythonu.
• Naučte se, jak škálovat ekosystém Pythonu (Numpy, SciPy a Pandas) pomocí Dask.
• Optimalizujte prostředí Dask pro udržení vysokého výkonu při zpracování velkých datových sad.

Tento vedený instruktorem živý školení na místě nebo online je určen pro středně pokročilé Python vývojáře a analytiky dat, kteří chtějí posílit své dovednosti v analýze a manipulaci s daty pomocí Pandas a NumPy.

Do konce tohoto školení budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje Python, Pandas a NumPy.
• Vytvořit aplikaci pro analýzu dat pomocí Pandas a NumPy.
• Provádět pokročilou manipulaci s daty, řazení a filtrování operací.
• Provádět agregované operace a analyzovat časové série dat.
• Vizualizovat data pomocí Matplotlibu a dalších knihoven pro vizualizaci.
• Ladit a optimalizovat svůj kód pro analýzu dat.

V tomto živém školení pod vedením instruktora v České republice se účastníci naučí používat knihovny Python pro NLP při vytváření aplikace, která zpracovává sadu obrázků a generuje titulky.

Na konci tohoto školení budou účastníci schopni:

• Návrh a kód DL pro NLP pomocí knihoven Python.
• Vytvořte Python kód, který čte v podstatě obrovskou sbírku obrázků a generuje klíčová slova.
• Vytvořte Python kód, který generuje titulky ze zjištěných klíčových slov.

Publikum

Tento kurz je vhodný pro Deep Learning výzkumníky a inženýry, kteří se zajímají o využití dostupných nástrojů (většinou open source) pro analýzu počítačových obrazů

Tento kurz poskytuje pracovní příklady.

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat zásobník FARM (FastAPI, React a MongoDB) k vytváření dynamických, vysoce výkonných a škálovatelných webových aplikací.

Na konci tohoto školení budou účastníci schopni:

Nastavte potřebné vývojové prostředí, které integruje FastAPI, React a MongoDB. Pochopte klíčové koncepty, funkce a výhody FARM stacku. Naučte se vytvářet REST API pomocí FastAPI. Naučte se navrhovat interaktivní aplikace pomocí React. Vyvíjejte, testujte a nasazujte aplikace (front-end a back-end) pomocí FARM stacku.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat FastAPI s Python ke snadnějšímu a rychlejšímu vytváření, testování a nasazování RESTful API.

Na konci tohoto školení budou účastníci schopni:

• Nastavit si nezbytné vývojové prostředí pro vývoj API s Python a FastAPI.
• Vytvářet API rychleji a snadněji pomocí knihovny FastAPI.
• Naučit se, jak vytvářet datové modely a schémata založené na Pydantic a OpenAPI.
• Připojit API k databázi pomocí SQLAlchemy.
• Implementovat zabezpečení a autentizaci v API pomocí nástrojů FastAPI.
• Vytvořit kontejnerové obrazy a nasadit webová API na cloudový server.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí používat Modin k sestavení a implementaci paralelních výpočtů s Pandas pro rychlejší analýzu dat.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné prostředí, abyste mohli začít vyvíjet pracovní postupy Pandas ve velkém měřítku s Modin.
• Pochopte funkce, architekturu a výhody Modin.
• Poznejte rozdíly mezi Modin, Dask a Rayem.
• Pomocí Modin provádějte operace Pandas rychleji.
• Implementujte celé Pandas API a funkce.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře a datové vědce, kteří chtějí používat Tensorflow 2.x k vytváření prediktorů, klasifikátorů, generativních modelů, neuronových sítí a tak dále.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte TensorFlow 2.x.
• Pochopte výhody TensorFlow 2.x oproti předchozím verzím.
• Vytvářejte modely hlubokého učení.
• Implementujte pokročilý klasifikátor obrázků.
• Nasaďte model hlubokého učení do cloudu, mobilních zařízení a zařízení IoT.

V tomto živém školení vedeném instruktorem v České republice (online nebo na místě) se účastníci naučí, jak nakonfigurovat a používat TensorFlow Serving k nasazení a správě modelů ML v produkčním prostředí.

Na konci tohoto školení budou účastníci schopni:

• Vytvářet, exportovat a nasazovat různé TensorFlow modely.
• Testovat a nasazovat algoritmy pomocí jedné architektury a sady API.
• Rozšiřovat TensorFlow Serving pro nasazení jiných typů modelů kromě TensorFlow modelů.

TensorFlow je API druhé generace Google open source softwarové knihovny pro Deep Learning. Systém je navržen tak, aby usnadnil výzkum v oblasti strojového učení a aby byl rychlý a snadný přechod od výzkumného prototypu k produkčnímu systému.

Publikum

Tento kurz je určen pro inženýry, kteří chtějí použít TensorFlow pro své projekty Deep Learning

Po absolvování tohoto kurzu budou delegáti:

porozumět struktuře a mechanismům nasazení TensorFlow být schopen provádět úlohy instalace / produkčního prostředí / architektury a konfigurace být schopen posuzovat kvalitu kódu, provádět ladění, monitorování být schopen implementovat pokročilou produkci, jako jsou tréninkové modely, vytváření grafů a protokolování

Tento kurz na konkrétních příkladech zkoumá použití Tensor Flow pro účely rozpoznávání obrazu

Publikum

Tento kurz je určen pro inženýry, kteří chtějí využít TensorFlow pro účely rozpoznávání obrazu

Po absolvování tohoto kurzu budou delegáti schopni:

porozumět struktuře a mechanismům nasazení TensorFlow provádět instalaci / produkční prostředí / architekturu a konfiguraci hodnotit kvalitu kódu, provádět ladění, monitorovat implementovat pokročilou produkci, jako jsou tréninkové modely, vytváření grafů a protokolování

V tomto živém školení pod vedením instruktora v České republice se účastníci naučí, jak využít inovace v procesorech TPU k maximalizaci výkonu svých vlastních aplikací umělé inteligence.

Na konci školení budou účastníci schopni:

• Trénujte různé typy neuronových sítí na velkém množství dat.
• Použijte TPU k urychlení procesu odvození až o dva řády.
• Využijte TPU ke zpracování náročných aplikací, jako je vyhledávání obrázků, cloudové vidění a fotografie.

TensorFlow™ je open source softwarová knihovna pro numerické výpočty pomocí grafů toku dat.

SyntaxNet je neural-network Natural Language Processing framework pro TensorFlow.

Word2Vec se používá pro učení vektorové reprezentace slov, nazývané "word embeddings". Word2vec je obzvláště výpočetně efektivní prediktivní model pro učení slovních vložek z surového textu. Přichází ve dvou chutích, kontinuálním modelu Bag-of-Words (CBOW) a modelu Skip-Gram (Kapitola 3.1 a 3.2 v Mikolov et al.a)

SyntaxNet a Word2Vec umožňují uživatelům vytvářet modely učení z přirozeného jazyka.

publikum

Tento kurz je zaměřen na vývojáře a inženýry, kteří mají v úmyslu pracovat s SyntaxNet a Word2Vec modely v jejich TensorFlow grafy.

Po dokončení tohoto kurzu budou delegáty:

• pochopit TensorFlow strukturu a mechanismy implementace’s
• schopnost provádět instalaci / výrobní prostředí / architektonické úkoly a konfigurace
• schopnost posoudit kvalitu kódu, provádět debugování, monitorování
• být schopen implementovat pokročilé výrobní modely, jako jsou tréninkové modely, termíny, stavební grafy a logování

Tento kurz začíná tím, že vám poskytne koncepční znalosti o neuronových sítích a obecně v algoritmu strojového učení, hlubokém učení (algoritmy a aplikace).

Část 1 (40 %) tohoto školení je více zaměřena na základy, ale pomůže vám vybrat správnou technologii: TensorFlow, Caffe, Theano, DeepDrive, Keras atd.

Část 2 (20 %) tohoto školení představuje Theano – knihovnu pythonu, která usnadňuje psaní modelů hlubokého učení.

Část 3 (40 %) školení by byla z velké části založena na Tensorflow – API druhé generace otevřené softwarové knihovny Google pro Deep Learning. Všechny příklady a handon by byly vytvořeny v TensorFlow.

Publikum

Tento kurz je určen pro inženýry, kteří chtějí použít TensorFlow pro své projekty Deep Learning

Po absolvování tohoto kurzu budou delegáti:

mít dobré znalosti o hlubokých neuronových sítích (DNN), CNN a RNN rozumět struktuře a mechanismům nasazení TensorFlow být schopen provádět úlohy instalace / produkčního prostředí / architektury a konfigurace být schopen posoudit kvalitu kódu, provádět ladění, monitorování být schopen implementovat pokročilou produkci, jako jsou tréninkové modely, stavební grafy a protokolování