TensorFlow es una biblioteca de software de código abierto para el aprendizaje profundo. Los cursos de capacitación TensorFlow en vivo, locales y con instructor demuestran a través de debates interactivos y practican cómo usar el sistema TensorFlow para facilitar la investigación en aprendizaje automático y para hacer una transición rápida y fácil del prototipo de investigación al sistema de producción La capacitación de TensorFlow está disponible como "capacitación en vivo en el sitio" o "capacitación remota en vivo" El entrenamiento en vivo in situ se puede llevar a cabo localmente en las instalaciones del cliente en España o en los centros de capacitación corporativa de NobleProg en España La capacitación remota en vivo se lleva a cabo a través de un escritorio remoto interactivo NobleProg Su proveedor local de capacitación.
Realmente aprecié las respuestas claras y claras de Chris a nuestras preguntas.
Léo Dubus
Curso: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Translated by
En general, disfruté el entrenador experto.
Sridhar Voorakkara
Curso: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Me sorprendió el estándar de esta clase, diría que era el estándar de la universidad.
David Relihan
Curso: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Muy buena descripción general. Buen conocimiento de por qué Tensorflow opera como lo hace.
Kieran Conboy
Curso: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Me gustaron las oportunidades de hacer preguntas y obtener explicaciones más profundas de la teoría.
Sharon Ruane
Curso: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Enfoque muy actualizado o CPI (tensor flow, era, learn) para hacer aprendizaje automático.
Paul Lee
Curso: TensorFlow for Image Recognition
Translated by
Dada la perspectiva de la tecnología: qué tecnología / proceso podría ser más importante en el futuro; mira, para qué se puede usar la tecnología.
Commerzbank AG
Curso: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Me beneficié de la selección del tema. Estilo de entrenamiento Practica la orientación.
Commerzbank AG
Curso: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Explicación en papel
Curso: Deep Learning with TensorFlow - bespoke
Translated by
| Código | Nombre | Duración | Información General |
|---|---|---|---|
| tf101 | Deep Learning with TensorFlow | 21 horas | TensorFlow es una API de segunda generación de la biblioteca de software de código abierto de Google para Deep Learning El sistema está diseñado para facilitar la investigación en el aprendizaje automático y para hacer que la transición del prototipo de investigación al sistema de producción sea rápida y fácil Audiencia Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para sus proyectos de aprendizaje profundo Después de completar este curso, los delegados: comprender la estructura y los mecanismos de despliegue de TensorFlow ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo ser capaz de implementar producción avanzada como modelos de entrenamiento, construcción de gráficos y registro . |
| dlv | Deep Learning for Vision | 21 horas | Audiencia Este curso es adecuado para investigadores e ingenieros de Deep Learning interesados en utilizar las herramientas disponibles (en su mayoría de código abierto) para analizar imágenes de computadora Este curso proporciona ejemplos de trabajo . |
| tfir | TensorFlow for Image Recognition | 28 horas | Este curso explora, con ejemplos específicos, la aplicación de Tensor Flow a los fines del reconocimiento de imágenes Audiencia Este curso está dirigido a ingenieros que buscan utilizar TensorFlow con el propósito de reconocimiento de imágenes Después de completar este curso, los delegados podrán: comprender la estructura y los mecanismos de despliegue de TensorFlow llevar a cabo las tareas y la configuración del entorno de producción / producción / arquitectura evaluar la calidad del código, realizar la depuración, el monitoreo implementar producción avanzada como modelos de capacitación, construcción de gráficos y registro . |
| Neuralnettf | Neural Networks Fundamentals using TensorFlow as Example | 28 horas | Este curso le proporcionará conocimientos en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones) Este entrenamiento se enfoca más en los fundamentos, pero lo ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc Los ejemplos están hechos en TensorFlow . |
| tsflw2v | Natural Language Processing with TensorFlow | 35 horas | TensorFlow ™ es una biblioteca de software de código abierto para el cálculo numérico utilizando gráficos de flujo de datos SyntaxNet es un marco de procesamiento de lenguaje natural de red neuronal para TensorFlow Word2Vec se utiliza para aprender representaciones de palabras en vectores, llamadas "incrustaciones de palabras" Word2vec es un modelo predictivo particularmente computacionalmente eficiente para el aprendizaje de incrustaciones de palabras a partir de texto sin formato Se presenta en dos formas: el modelo Continuous BagofWords (CBOW) y el modelo SkipGram (Capítulo 31 y 32 en Mikolov et al) Utilizado en tándem, SyntaxNet y Word2Vec permiten a los usuarios generar modelos de Incrustación aprendidos a partir de la entrada de Lenguaje natural Audiencia Este curso está dirigido a Desarrolladores e ingenieros que tienen la intención de trabajar con los modelos SyntaxNet y Word2Vec en sus gráficos TensorFlow Después de completar este curso, los delegados: comprender la estructura y los mecanismos de despliegue de TensorFlow ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo ser capaz de implementar producción avanzada como modelos de capacitación, incorporación de términos, construcción de gráficos y registro . |
| tpuprogramming | TPU Programming: Building Neural Network Applications on Tensor Processing Units | 7 horas | La Unidad de Procesamiento de Tensor (TPU) es la arquitectura que Google ha utilizado internamente durante varios años y ahora está disponible para el público en general Incluye varias optimizaciones específicamente para su uso en redes neuronales, incluida la multiplicación simplificada de matrices, y enteros de 8 bits en lugar de 16 bits para devolver niveles apropiados de precisión En este entrenamiento en vivo instruido, los participantes aprenderán cómo aprovechar las innovaciones en los procesadores de TPU para maximizar el rendimiento de sus propias aplicaciones de IA Al final de la capacitación, los participantes podrán: Entrenar varios tipos de redes neuronales en grandes cantidades de datos Use TPU para acelerar el proceso de inferencia hasta en dos órdenes de magnitud Utilice TPU para procesar aplicaciones intensivas, como búsqueda de imágenes, visión en la nube y fotos Audiencia Desarrolladores Investigadores Ingenieros Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual . |
| embeddingprojector | Embedding Projector: Visualizing your Training Data | 14 horas | Embedding Projector es una aplicación web de código abierto para visualizar los datos utilizados para entrenar sistemas de aprendizaje automático Creado por Google, es parte de TensorFlow Este entrenamiento en vivo instruido introduce los conceptos detrás de Embedding Projector y guía a los participantes a través de la configuración de un proyecto de demostración Al final de esta capacitación, los participantes podrán: Explore cómo los datos se interpretan mediante modelos de aprendizaje automático Navegue a través de vistas 3D y 2D de datos para comprender cómo lo interpreta un algoritmo de aprendizaje automático Comprenda los conceptos detrás de Embeddings y su papel en la representación de vectores matemáticos para imágenes, palabras y números Explore las propiedades de una incrustación específica para comprender el comportamiento de un modelo Aplicar Embedding Project a casos de uso reales como crear un sistema de recomendación de canciones para amantes de la música Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual . |
| tensorflowserving | TensorFlow Serving | 7 horas | TensorFlow Serving es un sistema para servir modelos de aprendizaje automático (ML) a la producción En este entrenamiento en vivo con instructor, los participantes aprenderán a configurar y usar TensorFlow Serving para implementar y administrar modelos ML en un entorno de producción Al final de esta capacitación, los participantes podrán: Entrene, exporte y sirva varios modelos de TensorFlow Pruebe e implemente algoritmos utilizando una única arquitectura y un conjunto de API Extienda TensorFlow Sirviendo para servir a otros tipos de modelos más allá de los modelos TensorFlow Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual . |
| undnn | Understanding Deep Neural Networks | 35 horas | Este curso comienza con la entrega de conocimientos conceptuales en redes neuronales y, en general, en el algoritmo de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones) Parte1 (40%) de esta capacitación se centra más en los fundamentos, pero le ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc Parte2 (20%) de este entrenamiento presenta la biblioteca Theano a python que hace que escribir modelos de aprendizaje profundo sea fácil Parte 3 (40%) de la capacitación se basaría ampliamente en Tensorflow 2nd Generation API de la biblioteca de software de código abierto de Google para Deep Learning Los ejemplos y handson se harían todos en TensorFlow Audiencia Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para sus proyectos de aprendizaje profundo Después de completar este curso, los delegados: tener una buena comprensión de las redes neuronales profundas (DNN), CNN y RNN comprender la estructura y los mecanismos de despliegue de TensorFlow ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo ser capaz de implementar producción avanzada como modelos de entrenamiento, construcción de gráficos y registro No todos los temas se cubrirán en un salón de clases público con 35 horas de duración debido a la inmensidad del tema La duración del curso completo será de alrededor de 70 horas y no de 35 horas . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 horas | Deep Learning para NLP permite que una máquina aprenda procesamiento de lenguaje simple a complejo Entre las tareas actualmente posibles se encuentran la traducción de idiomas y la generación de subtítulos para fotos DL (Deep Learning) es un subconjunto de ML (Machine Learning) Python es un lenguaje de programación popular que contiene bibliotecas para Deep Learning para NLP En esta capacitación en vivo con instructor, los participantes aprenderán a usar las bibliotecas de Python para el procesamiento de lenguaje natural (NLP) mientras crean una aplicación que procesa un conjunto de imágenes y genera leyendas Al final de esta capacitación, los participantes podrán: Diseño y código DL para NLP utilizando bibliotecas Python Crear código de Python que lea una gran colección de imágenes y genere palabras clave Crear código Python que genere subtítulos de las palabras clave detectadas Audiencia Programadores con interés en la lingüística Programadores que buscan una comprensión de NLP (procesamiento de lenguaje natural) Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual . |
| Curso | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|
| Aprendizaje Profundo con TensorFlow - Barcelona | Mié, 2018-08-29 09:30 | 5250EUR / 6050EUR |
| Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo - Valencia | Mar, 2018-09-04 09:30 | 7000EUR / 8000EUR |
| Aprendizaje profundo para NLP (procesamiento de lenguaje natural) - Madrid | Mar, 2018-09-04 09:30 | 7000EUR / 8000EUR |
| Aprendizaje Profundo para Vision - Bilbao | Mié, 2018-09-19 09:30 | 5250EUR / 6050EUR |
| Procesamiento del Lenguaje Natural con TensorFlow - Málaga | Lun, 2018-10-01 09:30 | 8750EUR / 9950EUR |
| Curso | Ubicación | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|---|
| Introducción a R | Barcelona | Lun, 2018-09-03 09:30 | 3510EUR / 4310EUR |
| jBPM para Diseñadores de Procesos | Barcelona | Lun, 2018-09-10 09:30 | 4626EUR / 5626EUR |
| Programación con Big Data en R | Madrid | Mar, 2018-11-13 09:30 | 4725EUR / 5525EUR |
| Apache Solr - Full-Text Search Server | Barcelona | Mié, 2018-11-21 09:30 | 2700EUR / 3300EUR |
| Administrar y Optimizar la Máquina Virtual de HipHop (HHVM) | Barcelona | Mar, 2019-01-22 09:30 | 2700EUR / 3300EUR |
.jpg "abu dhabi company for onshore oil operations (adco)")
.jpg "aeronautical radio, incorporated (arinc)")
.jpg "american international group (aig)")
.png "american medical association (ama)")
.png "bank of montreal (bmo)")
