Deep Learning Formare în Chisinau

Acest training condus de un instructor, live în Chisinau (online sau onsite), este destinat dezvoltatorilor de nivel intermediar, oamenilor de știință de date și practicienilor AI care doresc să exploateze TensorFlow Lite pentru aplicații Edge AI.

La finalul acestui training, participanții vor putea:

• Înțelege noțiunile de bază ale TensorFlow Lite și rolul său în Edge AI.
• Dezvolta și optimiza modele AI folosind TensorFlow Lite.
• Implementa modele TensorFlow Lite pe diverse dispozitive edge.
• 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 Chisinau (online sau la fața locului), este destinat profesioniștilor de nivel avansat care doresc să-și aprofundeze înțelegerea viziunii artificiale și să exploreze capacitățile TensorFlow pentru dezvoltarea de modele sofisticate de viziune folosind Google Colab.

La finalul acestui training, participanții vor putea:

• Să construiască și să antreneze rețele neuronale convoluționale (CNN) folosind TensorFlow.
• Să utilizeze Google Colab pentru dezvoltarea scalabilă și eficientă a modelelor în cloud.
• Să implementeze tehnici de preprocesare a imaginilor pentru sarcini de viziune artificială.
• Să implementeze modele de viziune artificială pentru aplicații din lumea reală.
• Să folosească învățarea prin transfer pentru a îmbunătăți performanța modelelor CNN.
• Să vizualizeze și să interpreteze rezultatele modelelor de clasificare a imaginilor.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului), este destinat specialiștilor în date și dezvoltatorilor de nivel intermediar care doresc să înțeleagă și să aplice tehnici de învățare profundă folosind mediul Google Colab.

La finalul acestui training, participanții vor putea:

• Să configureze și să navigheze în Google Colab pentru proiecte de învățare profundă.
• Să înțeleagă elementele de bază ale rețelelor neuronale.
• Să implementeze modele de învățare profundă folosind TensorFlow.
• Să antreneze și să evalueze modele de învățare profundă.
• Să utilizeze funcții avansate ale TensorFlow pentru învățare profundă.

Această instruire condusă de un instructor, live în Chisinau (online sau onsite), este destinată profesioniștilor de nivel avansat care doresc să se specializeze în tehnici de deep learning de ultimă oră pentru NLU.

La sfârșitul acestei instruiri, participanții vor putea:

• Înțelege diferențele cheie dintre modelele NLU și NLP.
• Aplica tehnici avansate de deep learning pentru sarcini NLU.
• Explora arhitecturi profunde precum transformatoarele și mecanismele de atenție.
• Profita de tendințele viitoare în NLU pentru a construi sisteme AI sofisticate.

Acest training, condus de un instructor (online sau la fața locului), este destinat profesioniștilor de nivel avansat care doresc să exploreze cele mai recente tehnici XAI pentru modele de învățare profundă, cu accent pe construirea de sisteme AI interpretabile.

La finalul acestui training, participanții vor putea:

• Înțelege provocările legate de explicabilitatea în învățarea profundă.
• Aplica tehnici avansate XAI pentru rețele neuronale.
• Interpreta deciziile luate de modelele de învățare profundă.
• Evalua compromisurile dintre performanță și transparență.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului) este destinat specialiștilor în știința datelor, inginerilor de machine learning, cercetătorilor în învățare profundă și experților în vizualizare computerizată de la nivel intermediar până 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:

• Înțelege arhitecturi și tehnici avansate de învățare profundă pentru generarea de imagini din text.
• Implementa modele complexe și optimizări pentru sinteza de imagini de înaltă calitate.
• Optimiza performanța și scalabilitatea pentru seturi de date mari și modele complexe.
• Regla hiperparametrii pentru o performanță și generalizare mai bună a modelului.
• Integra Stable Diffusion cu alte cadre și instrumente de învățare profundă

Acest training condus de un instructor, live în Chisinau (online sau la fața locului), este destinat profesioniștilor de nivel avansat care doresc să utilizeze tehnici de IA pentru a revoluționa procesele de descoperire și dezvoltare a medicamentelor.

La finalul acestui training, participanții vor putea:

• Înțelege rolul IA în descoperirea și dezvoltarea medicamentelor.
• Aplica tehnici de învățare automată pentru a prezice proprietățile și interacțiunile moleculare.
• Utiliza modele de învățare profundă pentru screening virtual și optimizarea substanțelor active.
• Integra abordări bazate pe IA în procesul de studii clinice.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului) este destinat biologiilor care doresc să înțeleagă cum funcționează AlphaFold și să folosească 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.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului), este destinat data scientist-ilor și inginerilor de machine learning de la nivel începător până la intermediar, care doresc să îmbunătățească performanța modelelor lor de învățare profundă.

La finalul acestui training, participanții vor putea:

• Să înțeleagă principiile învățării profunde distribuite.
• Să instaleze și să configureze DeepSpeed.
• Să scaleze modele de învățare profundă pe hardware distribuit folosind DeepSpeed.
• Să implementeze și să experimenteze cu funcționalitățile DeepSpeed pentru optimizare și eficiență de memorie.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului), este destinat dezvoltatorilor de nivel începător până la intermediar care doresc să utilizeze Modele de Limbaj de Mare Amploare pentru diverse sarcini de limbaj natural.

La finalul acestui training, participanții vor putea:

• Să configureze un mediu de dezvoltare care include un LLM popular.
• Să creeze un LLM de bază și să-l ajusteze pe un set de date personalizat.
• Să utilizeze LLMs pentru diverse sarcini de limbaj natural, cum ar fi rezumarea textelor, răspunsul la întrebări, generarea de texte și multe altele.
• Să depisteze și să evalueze LLMs folosind instrumente precum TensorBoard, PyTorch Lightning și Hugging Face Datasets.

Acest training condus de un instructor (online sau la fața locului) este destinat specialiștilor în știința datelor, inginerilor de învățare automată și cercetătorilor în domeniul viziunii computerizate care doresc să utilizeze Stable Diffusion pentru a genera imagini de înaltă calitate pentru o varietate de cazuri de utilizare.

La sfârșitul acestui training, participanții vor putea:

• Înțelege principiile Stable Diffusion și modul în care funcționează pentru generarea de imagini.
• Construi și antrena modele Stable Diffusion pentru sarcini de generare de imagini.
• Aplica Stable Diffusion în diverse scenarii de generare de imagini, cum ar fi inpainting, outpainting și traducere de la imagine la imagine.
• Optimiza performanța și stabilitatea modelelor Stable Diffusion.

În acest curs condus de un instructor, în format live în Chisinau, participanții vor învăța cele mai relevante și moderne tehnici de învățare automată în Python, în timp ce vor construi o serie de aplicații demo care implică date din domeniul imaginilor, muzicii, textului și financiar.

La finalul acestui curs, participanții vor fi capabili să:

• Implementeze algoritmi și tehnici de învățare automată pentru rezolvarea problemelor complexe.
• Aplice învățarea profundă și învățarea semi-supervizată în aplicații care implică date din domeniul imaginilor, muzicii, textului și financiar.
• Folosească algoritmii Python la maximul potențialului lor.
• Utilizeze biblioteci și pachete precum NumPy și Theano.

Acesta este un curs de 4 zile care introduce conceptele de inteligență artificială și aplicațiile acesteia folosind limbajul de programare Python. Există opțiunea de a adăuga o zi suplimentară pentru a realiza un proiect de inteligență artificială după finalizarea acestui curs. 

Învățarea Profundă prin Reforțare (IPR) combină principiile învățării prin reforțare cu arhitecturile de învățare profundă pentru a permite agenților să ia decizii prin interacțiunea cu mediile lor. Aceasta stă la baza multor progrese moderne în domeniul inteligenței artificiale, cum ar fi vehiculele autonome, controlul robotic, tranzacționarea algoritmică și sistemele de recomandare adaptivă. IPR permite unui agent artificial să învețe strategii, să optimizeze politici și să ia decizii autonome bazate pe încercare și eroare folosind învățarea bazată pe recompense.

Această formare condusă de un instructor, live (online sau la fața locului), este destinată dezvoltatorilor și oamenilor de știință de date de nivel intermediar care doresc să învețe și să aplice tehnici de Învățare Profundă prin Reforțare pentru a construi agenți inteligenți capabili să ia decizii autonome în medii complexe.

La sfârșitul acestei formări, participanții vor fi capabili să:

• Înțeleagă fundamentele teoretice și principiile matematice ale Învățării prin Reforțare.
• Implementeze algoritmi cheie de IPR, inclusiv Q-Learning, Gradientul Politicii și metode Actor-Critic.
• Construiască și antreneze agenți de Învățare Profundă prin Reforțare folosind TensorFlow sau PyTorch.
• Aplice IPR în aplicații din lumea reală, cum ar fi jocuri, robotică și optimizarea deciziilor.
• Depaneze, vizualizeze și optimizeze performanța antrenamentului folosind instrumente moderne.

Formatul Cursului

• Prelegere interactivă și discuție ghidată.
• Exerciții practice și implementări practice.
• Demonstrații live de codare și aplicații bazate pe proiecte.

Opțiuni de Personalizare a Cursului

• Pentru a solicita o versiune personalizată a acestui curs (de exemplu, folosind PyTorch în loc de TensorFlow), vă rugăm să ne contactați pentru a aranja.

În cadrul acestui training condus de un instructor, participanții vor învăța cum să implementeze modele de învățare profundă pentru telecomunicații folosind Python, parcurgând crearea unui model de învățare profundă pentru evaluarea riscului de credit.

La finalul acestui training, participanții vor putea:

• Să înțeleagă conceptele fundamentale ale învățării profunde.
• Să învețe aplicațiile și utilizările învățării profunde în telecomunicații.
• Să folosească Python, Keras și TensorFlow pentru a crea modele de învățare profundă pentru telecomunicații.
• Să își construiască propriul model de predicție a pierderii clienților folosind Python.

Acest curs a fost creat pentru manageri, arhitecți de soluții, responsabili de inovație, CTO, arhitecți software și orice persoană interesată de o prezentare generală a inteligenței artificiale aplicate și de cea mai apropiată prognoză a dezvoltării sale.

Acest curs acoperă IA (cu accent pe Învățarea Automată și Învățarea Profundă) în industria auto. Ajută la determinarea tehnologiei care poate fi (potențial) utilizată în multiple situații într-o mașină: de la automatizarea simplă, recunoașterea imaginilor până la luarea deciziilor autonome.

Această instruire condusă de un instructor, live în Chisinau (online sau la fața locului), este destinată participanților de nivel începător care doresc să învețe concepte esențiale în probabilități, statistică, programare și învățare automată și să le aplice în dezvoltarea IA.

La finalul acestei instruiri, participanții vor fi capabili să:

• Înțeleagă conceptele de bază în probabilități și statistică și să le aplice în scenarii din viața reală.
• Scrie și înțeleagă cod de programare procedural, funcțional și orientat pe obiecte.
• Aplice tehnici de învățare automată, cum ar fi clasificarea, clusteringul și rețelele neuronale.
• Dezvolte soluții de IA folosind motoare de reguli și sisteme expert pentru rezolvarea problemelor.

Rețeaua Neurală Artificială este un model de date computațional utilizat în dezvoltarea sistemelor de Inteligență Artificială (IA) capabile să efectueze sarcini "inteligente". Rețelele Neuronale sunt utilizate în mod obișnuit în aplicațiile de Învățare Automată (ML), care sunt la rândul lor o implementare a IA. Învățarea Profundă este un subset al ML.

Acest este un curs de 4 zile care introduce inteligența artificială și aplicațiile sale. Există opțiunea de a adăuga o zi suplimentară pentru realizarea unui proiect de AI la finalizarea acestui curs. 

Această instruire condusă de un instructor, în format live Chisinau (online sau la fața locului), este destinată specialiștilor în date și statisticienilor de nivel intermediar care doresc să pregătească date, să construiască modele și să aplice tehnicile de învățare automată în mod eficient în domeniile lor profesionale.

La sfârșitul acestei instruiri, participanții vor putea:

• Înțelege și implementează diverse algoritmi de Învățare Automată.
• Pregătiți date și modele pentru aplicații de învățare automată.
• Efectuați analize post hoc și vizualizați rezultatele în mod eficient.
• Aplicați tehnici de învățare automată în scenarii reale, specifice unor sectoare.

Rețeaua Neurală Artificială este un model de date computațional utilizat în dezvoltarea sistemelor de Inteligență Artificială (IA) capabile să realizeze sarcini „inteligente”. Rețelele Neuronale sunt utilizate în mod obișnuit în aplicațiile de Învățare Automată (ML), care sunt la rândul lor o implementare a IA. Învățarea Profundă este o subdiviziune a ML.

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

La sfârșitul 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, profitând de GPU-uri pentru performanță ridicată.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului) oferă o introducere în domeniul recunoașterii modelelor și al învățării automate. Acesta abordează aplicații practice în statistică, informatică, procesarea semnalelor, viziunea computerizată, exploatarea datelor și bioinformatică.

La finalul acestui training, participanții vor putea:

• Aplica metode statistice de bază în recunoașterea modelelor.
• Utiliza modele cheie precum rețele neuronale și metode de kernel pentru analiza datelor.
• Implementa tehnici avansate pentru rezolvarea problemelor complexe.
• Îmbunătăți acuratețea predicțiilor prin combinarea diferitelor modele.

Acest curs oferă o prezentare generală a Învățării Profunde fără a intra prea adânc în metode specifice. Este potrivit pentru persoanele care doresc să înceapă să utilizeze Învățarea Profundă pentru a-și îmbunătăți acuratețea predicției.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului), este destinat cercetătorilor și dezvoltatorilor care doresc să instaleze, să configureze, să personalizeze și să utilizeze platforma DeepMind Lab pentru a dezvolta sisteme generale de inteligență artificială și învățare automată.

La sfârșitul acestui training, participanții vor putea:

• Personaliza DeepMind Lab pentru a construi și a rula un mediu care să răspundă nevoilor de învățare și antrenament.
• Utiliza mediul de simulare 3D al DeepMind Lab pentru a antrena agenți de învățare dintr-o perspectivă la prima persoană.
• Facilita evaluarea agenților pentru a dezvolta inteligența într-o lume 3D asemănătoare unui joc.

Învățarea automată este o ramură a Inteligenței Artificiale în care computerele au capacitatea de a învăța fără a fi programate explicit. Învățarea profundă este un subdomeniu al învățării automate care utilizează metode bazate pe învățarea reprezentărilor și structurilor de date, cum ar fi rețelele neuronale.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului) este destinat analiștilor de afaceri, oamenilor de știință de date și dezvoltatorilor care doresc să construiască și să implementeze modele de învățare profundă pentru a accelera creșterea veniturilor și a rezolva probleme din lumea afacerilor.

La sfârșitul acestui training, participanții vor putea:

• Să înțeleagă conceptele de bază ale învățării automate și învățării profunde.
• Să obțină perspective asupra viitorului afacerilor și industriei cu ML și DL.
• Să definească strategii și soluții de afaceri cu învățarea profundă.
• Să învețe cum să aplice știința datelor și învățarea profundă în rezolvarea problemelor de afaceri.
• Să construiască modele de învățare profundă folosind Python, Pandas, TensorFlow, CNTK, Torch, Keras, etc.

În acest antrenament condus de un instructor în Chisinau, participanții vor învăța să folosească bibliotecile Python pentru NLP în timp ce creează o aplicație care procesează un set de imagini și generează subtitrări.

La finalul acestui antrenament, participanții vor putea:

• Proiecta și scrie cod DL pentru NLP folosind bibliotecile Python.
• Crea cod Python care citește o colecție substanțială de imagini și generează cuvinte cheie.
• Crea cod Python care generează subtitrări din cuvintele cheie detectate.

Publicul țintă

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

Acest curs oferă exemple practice.

Acest training condus de un instructor, desfășurat în Chisinau (online sau la fața locului), este destinat oamenilor de știință 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:

• Să instaleze toolkit-ul OpenVINO.
• Să accelereze o aplicație de vizualizare pe calculator utilizând un FPGA.
• Să execute diferite straturi CNN pe FPGA.
• Să scalareze aplicația pe mai multe noduri într-un cluster Kubernetes.

Acest training condus de un instructor, live (online sau la fața locului), este destinat specialiștilor în știința datelor care doresc să utilizeze TensorFlow pentru a analiza datele potențiale de fraudă.

La finalul acestui training, participanții vor putea:

• Crea un model de detectare a fraudelor în Python și TensorFlow.
• Construi regresii liniare și modele de regresie liniară pentru a prezice frauda.
• Dezvolta o aplicație AI de la cap la capăt pentru analizarea datelor de fraudă.

Acest training condus de un instructor, disponibil în Chisinau (online sau la fața locului), este destinat dezvoltatorilor sau oamenilor de știință care doresc să utilizeze 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 training, participanții vor putea:

• Să configureze mediul de dezvoltare necesar pentru a începe rularea antrenamentelor 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 folosind Horovod pentru a rula pe mai multe GPU-uri.

Acest training condus de un instructor, live în Chisinau (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:

• Să instaleze și să configureze Keras.
• Să creeze rapid prototipuri de modele de învățare profundă.
• Să implementeze o rețea convoluțională.
• Să implementeze o rețea recurentă.
• Să execute un model de învățare profundă atât pe CPU, cât și pe GPU.

În acest training condus de un instructor, participanții vor învăța cum să folosească Matlab pentru a proiecta, construi și vizualiza o rețea neuronală convoluțională pentru recunoașterea imaginilor.

La finalul acestui training, participanții vor putea:

• Să construiască un model de învățare profundă
• Să automatizeze etichetarea datelor
• Să lucreze cu modele din Caffe și TensorFlow-Keras
• Să antreneze date folosind mai multe GPU-uri, cloud-ul sau clustere

Public țintă

• Dezvoltatori
• Ingineri
• Experți în domeniu

Formatul cursului

• Parțial teoretic, parțial discuții, exerciții și practică intensă

Acest training condus de un instructor, live în Chisinau (online sau la fața locului), este destinat profesioniștilor de la nivel începător până la intermediar care doresc să-și dezvolte înțelegerea algoritmilor de învățare automată, tehnicilor de învățare profundă și a luării deciziilor bazate pe IA. Cursul oferă experiență practică cu concepte de învățare automată, modele de învățare profundă și implementări practice folosind R.

La sfârșitul acestui training, participanții vor putea:

• Să înțeleagă elementele de bază ale învățării automate și învățării profunde.
• Să aplice diverși algoritmi de învățare automată pentru regresie, clasificare, clustering și detectare de anomalii.
• Să utilizeze arhitecturi de învățare profundă, cum ar fi rețele neuronale artificiale (ANNs).
• Să implementeze modele de învățare supervizată și nesupervizată.
• Să evalueze performanța modelului și să optimizeze hiperparametrii.
• Să folosească R pentru analiza datelor, vizualizare și aplicații de învățare automată.

Acest curs este destinat persoanelor care doresc să învețe elementele de bază ale rețelelor neuronale și aplicațiile lor.

Acest curs bazat pe prelegeri va include prezentări, exemple pe calculator și exerciții practice de studiu de caz, realizate cu ajutorul bibliotecilor relevante pentru rețele neuronale și deep learning.

Acest training condus de un instructor, live în Chisinau (online sau la fața locului), este destinat inginerilor de software care doresc să programeze în Python cu OpenCV 4 pentru învățarea profundă.

La finalul acestui training, participanții vor putea:

• Vizualiza, încărca și clasifica imagini și videoclipuri folosind OpenCV 4.
• Să implementeze învățarea profundă în OpenCV 4 cu TensorFlow și Keras.
• Să ruleze modele de învățare profundă și să genereze rapoarte impactante din imagini și videoclipuri.

În acest training condus de un instructor, participanții vor învăța tehnici avansate de Învățare Automată cu R, parcurgând crearea unei aplicații din lumea reală.

La finalul acestui training, participanții vor putea:

• Înțelege și implementa tehnici de învățare nesupervizată
• Aplica clustering și clasificare pentru a face predicții bazate pe date din lumea reală.
• Vizualiza date pentru a obține rapid informații, a lua decizii și a rafina analiza.
• Îmbunătăți performanța unui model de învățare automată folosind ajustarea hiper-parametrilor.
• Pune un model în producție pentru a fi utilizat într-o aplicație mai mare.
• Aplica tehnici avansate de învățare automată pentru a răspunde la întrebări legate de date din rețele sociale, big data și nu numai.

Acest curs este o introducere în aplicarea rețelelor neuronale în probleme din lumea reală folosind software-ul R-project.

Acest training condus de un instructor, live în Chisinau (online sau onsite), este destinat dezvoltatorilor și oamenilor de știință de date care doresc să folosească TensorFlow 2.x pentru a construi predictori, clasificatori, modele generative, rețele neuronale și altele.

La sfârșitul acestui training, participanții vor putea:

• Instala și configura TensorFlow 2.x.
• Înțelege avantajele TensorFlow 2.x față de versiunile anterioare.
• Construi modele de învățare profundă.
• Implementa un clasificator avansat de imagini.
• Implementa un model de învățare profundă în cloud, pe dispozitive mobile și IoT.

Acest training condus de un instructor, live în Chisinau (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 finalul acestui training, participanții vor putea:

• Instala TensorFlow Lite.
• Încărca modele de învățare automată pe un dispozitiv embedded pentru a permite detectarea vorbirii, clasificarea imaginilor etc.
• Adăuga AI la dispozitive hardware fără a se baza pe conectivitate la rețea.

În acest training condus de un instructor, în direct în Chisinau (online sau la fața locului), participanții vor învăța cum să configureze și să utilizeze TensorFlow Serving pentru a implementa și gestiona modele ML într-un mediu de producție.

La finalul acestui training, participanții vor putea:

• Antrena, exporta și servi diverse modele TensorFlow.
• Testa și implementa algoritmi folosind o singură arhitectură și un set de API-uri.
• Extinde TensorFlow Serving pentru a servi alte tipuri de modele în afara modelelor TensorFlow.

TensorFlow este o bibliotecă software open source de a doua generație dezvoltată de Google pentru Învățarea Profundă. Sistemul este conceput pentru a facilita cercetarea în domeniul învățării automate 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
• fi capabili să efectueze sarcini de instalare / configurare a mediului de producție / arhitectură
• fi capabili să evalueze calitatea codului, să efectueze depanare și monitorizare
• fi capabili să implementeze procese avansate de producție, cum ar fi antrenarea modelelor, construirea de grafice și înregistrarea datelor

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

Publicul 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 procese avansate de producție, cum ar fi antrenarea modelelor, construirea de grafice și înregistrarea

Acest training condus de un instructor, live în Chisinau (online sau la fața locului), este destinat specialiștilor în știința datelor care doresc să treacă de la antrenarea unui singur model ML la implementarea mai multor modele ML în producție.

La sfârșitul acestui training, participanții vor putea:

• Instala și configura TFX și instrumente terțe de suport.
• Utiliza TFX pentru a crea și gestiona o conductă completă de producție ML.
• Lucra cu componentele TFX pentru a efectua modelarea, antrenamentul, inferența și gestionarea implementărilor.
• Implementa funcții de învățare automată în aplicații web, aplicații mobile, dispozitive IoT și nu numai.

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

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

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

Folosite împreună, SyntaxNet și Word2Vec permit utilizatorilor să genereze modele de înglobare 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 graficele lor TensorFlow.

După finalizarea 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 funcționalități avansate de producție, cum ar fi antrenarea modelelor, înglobarea termenilor, construirea de grafice și înregistrarea

Acest curs începe prin a vă oferi cunoștințe conceptuale despre rețelele neuronale și, în general, despre algoritmii de învățare automată, învățarea profundă (algoritmi și aplicații).

Partea 1 (40%) a acestei formări se concentrează mai mult pe elementele fundamentale, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.

Partea 2 (20%) a acestei formări introduce Theano - o bibliotecă Python care facilitează scrierea modelelor de învățare profundă.

Partea 3 (40%) a formării se va concentra pe TensorFlow - API-ul bibliotecii de software open-source a Google pentru Învățarea Profundă. Exemplele și exercițiile practice vor fi realizate în TensorFlow.

Publicul țintă

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

După finalizarea acestui curs, participanții vor:

• avea o bună înțelegere a rețelelor neuronale profunde (DNN), CNN și RNN
• înțelege structura și mecanismele de implementare ale TensorFlow
• fi capabili să efectueze sarcini de instalare / configurare a mediului de producție / arhitectură
• fi capabili să evalueze calitatea codului, să efectueze depanare și monitorizare
• fi capabili să implementeze procese avansate de producție, cum ar fi antrenarea modelelor, construirea graficelor și logarea