Curso de Deep Learning with TensorFlow 2
TensorFlow es una biblioteca popular y de aprendizaje automático desarrollada por Go ogle para aprendizaje profundo, computación numérica y aprendizaje automático a gran escala. TensorFlow 2.0, lanzado en enero de 2019, es la versión más nueva de TensorFlow e incluye mejoras en la ejecución entusiasta, la compatibilidad y la coherencia de la API.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a desarrolladores y científicos de datos que desean usar Tensorflow 2.0 para construir predictores, clasificadores, modelos generativos, redes neuronales, etc.
Al final de esta capacitación, los participantes podrán:
- Instale y configure TensorFlow 2.0.
- Comprenda los beneficios de TensorFlow 2.0 sobre las versiones anteriores.
- Construir modelos de aprendizaje profundo.
- Implemente un clasificador de imagen avanzado.
- Implemente un modelo de aprendizaje profundo en la nube, dispositivos móviles e IoT.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos ejercicios y práctica.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
- Para obtener más información sobre TensorFlow , visite: https://www.tensorflow.org/
Programa del Curso
Introducción
- TensorFlow 2.xfrente a versiones anteriores -- Novedades
Configuración de Tensoflow 2.x
Descripción general de TensorFlow Características y arquitectura de 2.x
Cómo funciona Neural Networks
Uso de TensorFlow 2.x para crear modelos de aprendizaje profundo
Análisis de datos
Preprocesamiento de datos
Creación de un modelo
Implementación de un clasificador de imágenes de última generación
Entrenamiento del modelo
Entrenamiento en un GPU frente a un TPU
Evaluación del modelo
Hacer predicciones
Evaluación de las predicciones
Depuración del modelo
Guardar un modelo
Implementación de un modelo en la nube
Implementación de un modelo en un dispositivo móvil
Implementación de un modelo en un sistema integrado (IoT)
Integración de un modelo con diferentes Languages
Solución de problemas
Resumen y conclusión
Requerimientos
- Experiencia en programación en Python.
- Experiencia con la línea de comandos de Linux.
Audiencia
- Desarrolladores
- Científicos de datos
Los cursos de formación abiertos requieren más de 5 participantes.
Curso de Deep Learning with TensorFlow 2 - Booking
Curso de Deep Learning with TensorFlow 2 - Enquiry
Deep Learning with TensorFlow 2 - Consultas
Consultas
Testimonios (4)
La capacitación fue organizada y bien planificada, y salí de ella con un conocimiento sistematizado y una buena mirada a los temas que analizamos
Magdalena - Samsung Electronics Polska Sp. z o.o.
Curso - Deep Learning with TensorFlow 2
Traducción Automática
El conocimiento del entrenador y el hecho de que eran muy accesibles. Podían transmitir fácilmente conocimientos importantes
Mateusz Stachyra - Samsung Electronics Polska Sp. z o.o.
Curso - Deep Learning with TensorFlow 2
Traducción Automática
Me gustó que también cubriéramos lo básico
Tomasz - Samsung Electronics Polska Sp. z o.o.
Curso - Deep Learning with TensorFlow 2
Traducción Automática
El entrenador explicó bien el contenido y mantuvo nuestra atención durante todo el tiempo. Se detenía para hacer preguntas y nos dejaba llegar a nuestras propias soluciones en algunas sesiones prácticas. También adaptó muy bien el curso a nuestras necesidades.
Robert Baker
Curso - Deep Learning with TensorFlow 2.0
Traducción Automática
Próximos cursos
Cursos Relacionados
Applied AI from Scratch
28 HorasEste es un curso de 4 días que presenta la IA y su aplicación. Existe la opción de tener un día adicional para realizar un proyecto de IA al finalizar este curso.
Computer Vision with Google Colab and TensorFlow
21 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar modelos de visión sofisticados utilizando Google Colab.
Al final de esta formación, los participantes serán capaces de:
- Construya y entrene redes neuronales convolucionales (CNN) utilizando TensorFlow.
- Aproveche Google Colab para el desarrollo de modelos escalables y eficientes basados en la nube.
- Implementar técnicas de preprocesamiento de imágenes para tareas de visión artificial.
- Implemente modelos de visión artificial para aplicaciones del mundo real.
- Utilice el aprendizaje por transferencia para mejorar el rendimiento de los modelos de CNN.
- Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.
Deep Learning with TensorFlow in Google Colab
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a científicos de datos y desarrolladores de nivel intermedio que deseen comprender y aplicar técnicas de aprendizaje profundo utilizando el entorno Google Colab.
Al final de esta formación, los participantes serán capaces de:
- Configure y navegue Google Colab para proyectos de aprendizaje profundo.
- Comprender los fundamentos de las redes neuronales.
- Implemente modelos de aprendizaje profundo utilizando TensorFlow.
- Entrene y evalúe modelos de aprendizaje profundo.
- Utilice las funciones avanzadas de TensorFlow para el aprendizaje profundo.
Aprendizaje profundo para NLP (procesamiento de lenguaje natural)
28 HorasEn esta capacitación en vivo dirigida por un instructor en Guatemala, los participantes aprenderán a usar Python bibliotecas para NLP a medida que crean una aplicación que procesa un conjunto de imágenes y genera subtítulos.
Al final de esta capacitación, los participantes serán capaces de:
- Diseñe y codifique DL para NLP usando bibliotecas Python.
- Cree Python código que lea una colección sustancialmente grande de imágenes y genere palabras clave.
- Cree Python Código que genere subtítulos a partir de las palabras clave detectadas.
Aprendizaje Profundo para Vision
21 HorasAudiencia
Este curso es adecuado para investigadores e ingenieros de Deep Learning interesados en utilizar las herramientas disponibles (principalmente de código abierto) para analizar imágenes de computadora
Este curso proporciona ejemplos de trabajo.
Fraud Detection with Python and TensorFlow
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio) está dirigida a científicos de datos que desean utilizar TensorFlow para analizar datos de posibles fraudes.
Al final de esta capacitación, los participantes serán capaces de:
- Crear un modelo de detección de fraudes en Python y TensorFlow.
- Construir regresiones lineales y modelos de regresión lineal para predecir fraudes.
- Desarrollar una aplicación de IA integral para analizar datos de fraude.
Curso de TensorFlow Serving
7 HorasEn esta capacitación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio), los participantes aprenderán a configurar y usar TensorFlow Serving para implementar y administrar modelos de ML en un entorno de producción.
Al final de esta capacitación, los participantes serán capaces de:
- Entrena, exporta y da servicio a varios modelos de TensorFlow.
- Pruebe e implemente algoritmos utilizando una única arquitectura y un conjunto de API.
- Amplíe TensorFlow Serving para servir a otros tipos de modelos más allá de los modelos de TensorFlow.
Aprendizaje Profundo con TensorFlow
21 HorasTensorFlow es una API de segunda generación de la biblioteca de software de código abierto de Go ogle para Deep Learning . El sistema está diseñado para facilitar la investigación en 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 usar TensorFlow para sus proyectos de Deep Learning .
Después de completar este curso, los delegados:
- Comprender la estructura y los mecanismos de despliegue de TensorFlow .
- Ser capaz de realizar tareas de configuración / entorno de producción / arquitectura y configuración.
- ser capaz de evaluar la calidad del código, realizar la depuración, monitoreo
- Ser capaz de implementar producción avanzada como modelos de capacitación, creación de gráficos y registro.
TensorFlow para Reconocimiento de Imágenes
28 HorasEste 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 para los fines del reconocimiento de imágenes.
Después de completar este curso, los delegados podrán:
- Comprender la estructura y los mecanismos de despliegue de TensorFlow .
- realizar tareas de instalación / entorno de producción / arquitectura y configuración.
- evaluar la calidad del código, realizar depuración, monitoreo
- Implementar producción avanzada como modelos de entrenamiento, construcción de gráficos y registro.
TensorFlow Extended (TFX)
21 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio) está dirigida a científicos de datos que desean pasar de entrenar un solo modelo de ML a implementar muchos modelos de ML en producción.
Al final de esta capacitación, los participantes serán capaces de:
- Instale y configure TFX y herramientas de terceros compatibles.
- Use TFX para crear y administrar una canalización de producción de ML completa.
- Trabaje con componentes TFX para llevar a cabo el modelado, el entrenamiento, la inferencia de servicio y la administración de implementaciones.
- Implemente funciones de aprendizaje automático en aplicaciones web, aplicaciones móviles, dispositivos IoT y más.