Course Outline
Introductie
- Apache MXNet tegen PyTorch
Deep Learning Beginselen en het Deep Learning Ecosysteem
- Tensoren, meerlagig perceptron, convolutioneel Neural Networks en terugkerend Neural Networks
- Computer Visie versus natuurlijke taalverwerking
Overzicht van Apache MXNet Functies en architectuur
- Apache MXNet Componenten
- Gluon API-interface
- Overzicht van GPUs en modelparallellisme
- Symbolische en dwingende programmering
Setup
- Een implementatieomgeving kiezen (on-premise, public cloud, enz.)
- Installeren Apache MXNet
Werken met data
- Gegevens inlezen
- Valideren van gegevens
- Gegevens manipuleren
Het ontwikkelen van een Deep Learning model
- Een model maken
- Een model trainen
- Optimaliseren van het model
Het model implementeren
- Voorspellen met een vooraf getraind model
- Integratie van het model in een applicatie
Best practices voor MXNet-beveiliging
Probleemoplossing
Samenvatting en conclusie
Requirements
- Een goed begrip van de principes van machine learning
- Python programmeerervaring
Publiek
- Datawetenschappers
Getuigenissen (5)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Cursus - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Cursus - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Cursus - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Cursus - Advanced Deep Learning
examples based on our data