Cursuri de pregatire Matlab pentru Învățare Profundă

Acest training condus de un instructor, live în Moldova (online sau la fața locului) este destinat specialiștilor în știința datelor, inginerilor de învățare automată, cercetătorilor în învățare profundă și experților în vizionarea computerizată de la nivel intermediar la avansat, care doresc să-și extindă cunoștințele și abilitățile în domeniul învățării profunde pentru generarea de imagini din text.

La sfârșitul acestui training, participanții vor putea:

• Să înțeleagă arhitecturi și tehnici avansate de învățare profundă pentru generarea de imagini din text.
• Să implementeze modele complexe și optimizări pentru sinteza de imagini de înaltă calitate.
• Să optimizeze performanța și scalabilitatea pentru seturi de date mari și modele complexe.
• Să ajusteze hiperparametrii pentru o performanță și o generalizare mai bună a modelului.
• Să integreze Stable Diffusion cu alte framework-uri și instrumente de învățare profundă

Acest training condus de un instructor, live în Moldova (online sau la fața locului) este destinat biologiilor care doresc să înțeleagă cum funcționează AlphaFold și să utilizeze modelele AlphaFold ca ghid în studiile lor experimentale.

La sfârșitul acestui training, participanții vor fi capabili să:

• Înțeleagă principiile de bază ale AlphaFold.
• Învețe cum funcționează AlphaFold.
• Învețe cum să interpreteze predicțiile și rezultatele AlphaFold.

Caffe este un cadru de învățare profundă conceput cu gândire la expresivitate, viteză și modularitate.

Acest curs explorează aplicarea lui Caffe ca un cadru de învățare profundă pentru recunoașterea imaginilor, folosind MNIST ca exemplu.

Public țintă

Acest curs este potrivit pentru cercetători și ingineri în domeniul Învățării Profunde care sunt interesați să utilizeze Caffe ca un cadru de lucru.

După parcurgerea acestui curs, participanții vor fi capabili să:

• înțeleagă structura și mecanismele de implementare ale lui Caffe
• efectueze sarcini de instalare / configurare a mediului de producție / arhitectură
• evalueze calitatea codului, efectueze depanare și monitorizare
• implementeze procese avansate de producție, cum ar fi antrenarea modelelor, implementarea straturilor și înregistrarea datelor

Acest training condus de un instructor, live în Moldova (online sau la fața locului) este destinat cercetătorilor și dezvoltatorilor care doresc să folosească Chainer pentru a construi și antrena rețele neuronale în Python, făcând codul ușor de depanat.

La finalul acestui training, participanții vor putea:

• Să configureze mediul de dezvoltare necesar pentru a începe dezvoltarea modelelor de rețele neuronale.
• Să definească și să implementeze modele de rețele neuronale folosind un cod sursă ușor de înțeles.
• Să execute exemple și să modifice algoritmi existenți pentru a optimiza modelele de antrenament de învățare profundă, utilizând GPU-uri pentru performanțe ridicate.

Computer Network ToolKit (CNTK) este cadrul open source al Microsoft pentru învățarea automată, proiectat pentru antrenarea eficientă a rețelelor neuronale recurente (RNN) pe mai multe mașini și GPU, aplicabil în domenii precum vocea, textul și imaginile.

Publicul țintă

Acest curs este destinat inginerilor și arhitecților care doresc să utilizeze CNTK în proiectele lor.

Publicul țintă

Acest curs este potrivit pentru cercetătorii și inginerii din domeniul Învățării Profunde care sunt interesați să utilizeze instrumentele disponibile (în mare parte open source) pentru analiza imaginilor de calculator.

Acest curs oferă exemple practice.

Această formare condusă de un instructor, live în Moldova (online sau la fața locului) este destinată dezvoltatorilor de nivel intermediar, oamenilor de știință de date și practicienilor AI care doresc să exploateze TensorFlow Lite pentru aplicații Edge AI.

La finalul acestei formări, participanții vor putea:

• Înțelege noțiunile de bază ale TensorFlow Lite și rolul său în Edge AI.
• Dezvolta și optimiza modele de AI folosind TensorFlow Lite.
• Implementa modele TensorFlow Lite pe diverse dispozitive de margine.
• Utiliza instrumente și tehnici pentru conversia și optimizarea modelelor.
• Implementa aplicații practice Edge AI folosind TensorFlow Lite.

Acest training condus de un instructor, live în Moldova (online sau la fața locului) este destinat specialiștilor în știința datelor care doresc să accelereze aplicațiile de învățare automată în timp real și să le implementeze la scară largă.

La finalul acestui training, participanții vor putea:

• Instala toolkit-ul OpenVINO.
• Accelera o aplicație de vizualizare pe calculator folosind un FPGA.
• Executa diferite straturi CNN pe FPGA.
• Scala aplicația pe mai multe noduri într-un cluster Kubernetes.

Acest antrenament condus de un instructor, live în Moldova (online sau la fața locului), este destinat dezvoltatorilor sau oamenilor de știință de date care doresc să folosească Horovod pentru a rula antrenamente de învățare profundă distribuită și să le scaleze pentru a rula pe mai multe GPU-uri în paralel.

La sfârșitul acestui antrenament, participanții vor putea:

• Să configureze mediul de dezvoltare necesar pentru a începe antrenamentele de învățare profundă.
• Să instaleze și să configureze Horovod pentru a antrena modele cu TensorFlow, Keras, PyTorch și Apache MXNet.
• Să scaleze antrenamentele de învățare profundă cu Horovod pentru a rula pe mai multe GPU-uri.

Acest training condus de un instructor, live în Moldova (online sau la fața locului) este destinat persoanelor tehnice care doresc să aplice modele de învățare profundă în aplicații de recunoaștere a imaginilor.

La sfârșitul acestui training, participanții vor putea:

• Instala și configura Keras.
• Prototipa rapid modele de învățare profundă.
• Implementa o rețea convoluțională.
• Implementa o rețea recurentă.
• Executa un model de învățare profundă atât pe CPU, cât și pe GPU.

Această sesiune de instruire condusă de un instructor, live (online sau la fața locului), este destinată specialiștilor în știința datelor, inginerilor de învățare automată și cercetătorilor în domeniul viziunii computerizate care doresc să exploateze Stable Diffusion pentru a genera imagini de înaltă calitate pentru o varietate de cazuri de utilizare.

La finalul acestei instruiri, participanții vor putea:

• Înțelege principiile Stable Diffusion și cum funcționează pentru generarea de imagini.
• Construi și antrenează modele Stable Diffusion pentru sarcini de generare de imagini.
• Aplică Stable Diffusion în diverse scenarii de generare de imagini, cum ar fi inpainting, outpainting și traducerea imagine-la-imagine.
• Optimizează performanța și stabilitatea modelelor Stable Diffusion.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat inginerilor care doresc să scrie, să încarce și să ruleze modele de învățare automată pe dispozitive embedded foarte mici.

La sfârșitul acestui training, participanții vor putea:

• Să instaleze TensorFlow Lite.
• Să încarce modele de învățare automată pe un dispozitiv embedded pentru a-i permite să detecteze vorbire, să clasifice imagini etc.
• Să adauge inteligență artificială la dispozitivele hardware fără a se baza pe conectivitatea la rețea.

TensorFlow este o API de a doua generație a bibliotecii de software open source a Google pentru Învățarea Profundă. Sistemul este proiectat pentru a facilita cercetarea în învățarea automată și pentru a face rapidă și ușoară trecerea de la prototipul de cercetare la sistemul de producție.

Publicul țintă

Acest curs este destinat inginerilor care doresc să utilizeze TensorFlow pentru proiectele lor de Învățare Profundă.

După finalizarea acestui curs, participanții vor:

• înțelege structura și mecanismele de implementare ale TensorFlow
• să fie capabili să efectueze sarcini de instalare / mediu de producție / arhitectură și configurare
• să fie capabili să evalueze calitatea codului, să efectueze depanare și monitorizare
• să fie capabili să implementeze tehnici avansate de producție, cum ar fi antrenarea modelelor, construirea de grafice și logare

Acest curs explorează, prin exemple specifice, aplicarea TensorFlow în scopul recunoașterii imaginilor.

Public țintă

Acest curs este destinat inginerilor care doresc să utilizeze TensorFlow pentru recunoașterea imaginilor.

După parcurgerea acestui curs, participanții vor putea:

• să înțeleagă structura și mecanismele de implementare ale TensorFlow
• să efectueze sarcini de instalare / configurare a mediului de producție / arhitectură
• să evalueze calitatea codului, să efectueze depanare și monitorizare
• să implementeze tehnici avansate de producție, cum ar fi antrenarea modelelor, construirea de grafice și logare

TensorFlow™ este o bibliotecă software open source pentru calcul numeric folosind grafuri de flux de date.

SyntaxNet este un cadru de procesare a limbajului natural bazat pe rețele neuronale pentru TensorFlow.

Word2Vec este utilizat pentru învățarea reprezentărilor vectoriale ale cuvintelor, numite „încorporări de cuvinte” (word embeddings). Word2Vec este un model predictiv eficient din punct de vedere computațional pentru învățarea încorporărilor de cuvinte din text brut. Acesta este disponibil în două variante: modelul Continuous Bag-of-Words (CBOW) și modelul Skip-Gram (Capitolul 3.1 și 3.2 în Mikolov et al.).

Folosite împreună, SyntaxNet și Word2Vec permit utilizatorilor să genereze modele de încorporare învățate din date de limbaj natural.

Publicul țintă

Acest curs este destinat dezvoltatorilor și inginerilor care intenționează să lucreze cu modele SyntaxNet și Word2Vec în grafurile lor TensorFlow.

După parcurgerea acestui curs, participanții vor:

• înțelege structura și mecanismele de implementare ale TensorFlow
• să fie capabili să efectueze sarcini de instalare / configurare a mediului de producție / arhitectură
• să fie capabili să evalueze calitatea codului, să efectueze depanare și monitorizare
• să fie capabili să implementeze procese avansate de producție, cum ar fi antrenarea modelelor, încorporarea termenilor, construirea grafurilor și înregistrarea datelor