TensorFlow Serving Training Cursus
TensorFlow Serving is een systeem voor het serveren van machine learning (ML)-modellen aan productie.
In deze live training onder leiding van een instructeur (online of op locatie) leren deelnemers hoe ze TensorFlow Serving kunnen configureren en gebruiken om ML-modellen in een productieomgeving te implementeren en te beheren.
Aan het einde van deze training zijn de deelnemers in staat om:
- Trainen, exporteren en bedienen van verschillende TensorFlow modellen
- Test en implementeer algoritmen met behulp van één architectuur en set API's
- Uitbreiden TensorFlow Dienen om andere typen modellen te bedienen dan TensorFlow modellen
Vorm van de cursus
- Deels lezing, deels discussie, oefeningen en zware hands-on oefening
Opties voor het aanpassen van cursussen
- Om een training op maat voor deze cursus aan te vragen, neem dan contact met ons op om een afspraak te maken.
Cursusaanbod
TensorFlow Overzicht van de porties
- Wat is TensorFlow serveren?
- TensorFlow Dienende architectuur
- Server-API en REST-client-API
Voorbereiding van de ontwikkelingsomgeving
- Installeren en configureren Docker
- ModelServer installeren met Docker
TensorFlow Snel aan de slag met server
- Een TensorFlow-model trainen en exporteren
- Bewaking van opslagsystemen
- Geëxporteerd model laden
- Het bouwen van een TensorFlow ModelServer
Geavanceerde configuratie
- Een configuratiebestand schrijven
- Model Server-configuratie opnieuw laden
- Modellen configureren
- Werken met bewakingsconfiguratie
De applicatie testen
- Testen en uitvoeren van de server
Fouten opsporen in de toepassing
- Fouten afhandelen
TensorFlow Serveren met Kubernetes
- Draaien in Docker containers
- Serverclusters implementeren
De applicatie beveiligen
- Gegevens verbergen
Probleemoplossing
Samenvatting en conclusie
Vereisten
- Ervaring met TensorFlow
- Ervaring met de Linux-opdrachtregel
Publiek
- Ontwikkelaars
- Datawetenschappers
Leveringsopties
PRIVÉGROEPSTRAINING
Onze identiteit draait om het leveren van precies wat onze klanten nodig hebben.
- Pre-cursusgesprek met uw trainer
- Aanpassing van de leerervaring om uw doelen te bereiken -
- Op maat gemaakte overzichten
- Praktische, praktische oefeningen met gegevens / scenario's die herkenbaar zijn voor de cursisten
- Training gepland op een datum naar keuze
- Gegeven online, op locatie/klaslokaal of hybride door experts die ervaring uit de echte wereld delen
Private Group Prices RRP from €2280 online delivery, based on a group of 2 delegates, €720 per additional delegate (excludes any certification / exam costs). We recommend a maximum group size of 12 for most learning events.
Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen
OPENBARE TRAINING
Kijk op onze public courses
Hulp nodig bij het kiezen van de juiste cursus?
TensorFlow Serving Training Cursus - Enquiry
TensorFlow Serving - Consultancyaanvraag
Consultancyaanvraag
Reviews (4)
The trainer explained the content well and was engaging throughout. He stopped to ask questions and let us come to our own solutions in some practical sessions. He also tailored the course well for our needs.
Robert Baker
Cursus - Deep Learning with TensorFlow 2.0
Tomasz really know the information well and the course was well paced.
Raju Krishnamurthy - Google
Cursus - TensorFlow Extended (TFX)
Organization, adhering to the proposed agenda, the trainer's vast knowledge in this subject
Ali Kattan - TWPI
Cursus - Natural Language Processing with TensorFlow
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
Paul Lee
Cursus - TensorFlow for Image Recognition
Voorlopige Aankomende Cursussen
Gerelateerde cursussen
Applied AI from Scratch
28 UrenDit is een 4-daagse cursus waarin AI en de toepassing ervan worden geïntroduceerd. Er is een optie om na voltooiing van deze cursus een extra dag uit te trekken om een AI-project uit te voeren.
Computer Vision with Google Colab and TensorFlow
21 UrenDeze door een instructeur geleide, live training in Nederland (online of ter plaatse) is gericht op professionals op gevorderd niveau die hun begrip van computervisie willen verdiepen en de mogelijkheden van TensorFlow willen verkennen voor het ontwikkelen van geavanceerde visiemodellen met behulp van Google Colab.
Aan het einde van deze training zijn de deelnemers in staat om:
- Bouw en train convolutionele neurale netwerken (CNN's) met behulp van TensorFlow.
- Maak gebruik van Google Colab voor schaalbare en efficiënte cloudgebaseerde modelontwikkeling.
- Implementeer beeldvoorbewerkingstechnieken voor computer vision-taken.
- Implementeer computer vision-modellen voor toepassingen in de echte wereld.
- Gebruik transfer learning om de prestaties van CNN-modellen te verbeteren.
- Visualiseer en interpreteer de resultaten van beeldclassificatiemodellen.
Deep Learning with TensorFlow in Google Colab
14 UrenDeze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is gericht op datawetenschappers en -ontwikkelaars van gemiddeld niveau die deep learning-technieken willen begrijpen en toepassen met behulp van de Google Colab-omgeving.
Aan het einde van deze training zijn de deelnemers in staat om:
- Stel Goluister naar Colab voor deep learning-projecten.
- Begrijp de basisprincipes van neurale netwerken.
- Implementeer deep learning-modellen met behulp van TensorFlow.
- Train en evalueer deep learning-modellen.
- Gebruik de geavanceerde functies van TensorFlow voor deep learning.
Deep Learning for NLP (Natural Language Processing)
28 UrenIn deze door een instructeur geleide, live training leren deelnemers Python bibliotheken voor NLP te gebruiken terwijl ze een applicatie maken die een reeks afbeeldingen verwerkt en bijschriften genereert.
Aan het einde van deze training kunnen deelnemers:
- Ontwerp en codeer DL voor NLP met behulp van Python-bibliotheken.
- Maak Python code die een substantieel grote verzameling afbeeldingen leest en trefwoorden genereert.
- Maak Python code aan die bijschriften genereert op basis van de gedetecteerde trefwoorden.
Deep Learning for Vision
21 UrenPubliek
Deze cursus is geschikt voor onderzoekers en ingenieurs van Deep Learning die geïnteresseerd zijn in het gebruik van beschikbare hulpmiddelen (meestal open source) voor het analyseren van computerbeelden
Deze cursus biedt werkvoorbeelden.
Fraud Detection with Python and TensorFlow
14 UrenDeze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers die TensorFlow willen gebruiken om potentiële fraudegegevens te analyseren.
Aan het einde van deze training kunnen deelnemers:
- Een fraudedetectiemodel creëren in Python en TensorFlow.
- Lineaire regressies en lineaire regressiemodellen bouwen om fraude te voorspellen.
- Een end-to-end AI-applicatie ontwikkelen voor het analyseren van fraudegegevens.
Deep Learning with TensorFlow 2
21 UrenDeze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars en datawetenschappers die Tensorflow 2.x willen gebruiken om voorspellers, classificatoren, generatieve modellen, neurale netwerken enzovoort te bouwen.
Aan het einde van deze training kunnen deelnemers:
- Installeren en configureren TensorFlow 2.x.
- Begrijp de voordelen van TensorFlow 2.x ten opzichte van eerdere versies.
- Bouw deep learning-modellen.
- Implementeer een geavanceerde afbeeldingsclassificator.
- Implementeer een deep learning-model voor de cloud, mobiele apparaten en IoT-apparaten.
Deep Learning with TensorFlow
21 UrenTensorFlow is een 2e generatie API van de open source softwarebibliotheek van Go TensorFlow voor Deep Learning . Het systeem is ontworpen om onderzoek naar machine learning te vergemakkelijken en om de overgang van onderzoeksprototype naar productiesysteem snel en gemakkelijk te maken.
Publiek
Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor hun Deep Learning projecten
Na het voltooien van deze cursus zullen de deelnemers:
- de structuur en implementatiemechanismen van TensorFlow begrijpen
- in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
- codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
- in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, grafieken maken en logboekregistratie
TensorFlow for Image Recognition
28 UrenDeze cursus onderzoekt, met specifieke voorbeelden, de toepassing van Tensor Flow voor beeldherkenning
Publiek
Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor TensorFlow
Na het voltooien van deze cursus kunnen afgevaardigden:
- de structuur en implementatiemechanismen van TensorFlow begrijpen
- voer installatie / productieomgeving / architectuurtaken en configuratie uit
- codekwaliteit beoordelen, foutopsporing uitvoeren, controleren
- implementeer geavanceerde productie zoals trainingsmodellen, het bouwen van grafieken en logboekregistratie
TensorFlow Extended (TFX)
21 UrenDeze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers die willen overstappen van het trainen van een enkel ML-model naar het inzetten van vele ML-modellen naar productie.
Aan het einde van deze training kunnen deelnemers:
- Installeer en configureer TFX en ondersteunende tools van derden.
- Gebruik TFX om een volledige ML-productiepijplijn te creëren en te beheren.
- Werk met TFX-componenten om modellering, training, gevolgtrekking en beheer van implementaties uit te voeren.
- Implementeer machine learning-functies voor webapplicaties, mobiele applicaties, IoT-apparaten en meer.
TPU Programming: Building Neural Network Applications on Tensor Processing Units
7 UrenIn deze door een instructeur geleide, live training leren deelnemers hoe ze kunnen profiteren van de innovaties in TPU-processors om de prestaties van hun eigen AI-applicaties te maximaliseren.
Aan het einde van de training kunnen deelnemers:
- Train verschillende soorten neurale netwerken op grote hoeveelheden data.
- Gebruik TPU's om het gevolgtrekkingsproces met maximaal twee ordes van grootte te versnellen.
- Gebruik TPU's om intensieve toepassingen te verwerken, zoals zoeken naar afbeeldingen, cloudvisie en foto's.
Natural Language Processing (NLP) with TensorFlow
35 UrenTensorFlow™ is een open-source software bibliotheek voor numerieke berekeningen met behulp van data flow graphs.
SyntaxNet is een neural-netwerk Natural Language Processing framework voor TensorFlow.
Word2Vec wordt gebruikt voor het leren van vector representaties van woorden, genaamd "word embeddings". Word2vec is een bijzonder computationeel-efficiënt voorspellend model voor het leren van woorden ingebedingen uit grondtekst. Het komt in twee smaken, het Continuous Bag-of-Words model (CBOW) en het Skip-Gram model (Chapter 3.1 en 3.2 in Mikolov et al.)
Gebruikt in tandem, SyntaxNet en Word2Vec stelt gebruikers in staat om Learned Embedding modellen te genereren vanuit de Natural Language input.
Het publiek
Deze cursus is gericht op Ontwikkelaars en ingenieurs die willen werken met SyntaxNet en Word2Vec modellen in hun TensorFlow grafieken.
Na het voltooien van deze cursus zullen de delegaten:
- begrijpen TensorFlow’s structuur en de uitvoeringsmechanismen
- in staat zijn om installatie / productieomgeving / architectuur taken en configuratie uit te voeren
- in staat zijn om de kwaliteit van de code te beoordelen, de debugging uit te voeren, het monitoren
- in staat zijn geavanceerde productie te implementeren zoals trainingsmodellen, ingebouwde termen, bouwschema's en logging
Understanding Deep Neural Networks
35 UrenDeze cursus begint met het geven van conceptuele kennis in neurale netwerken en in het algemeen in machine learning-algoritme, deep learning (algoritmen en applicaties).
Deel 1 (40%) van deze training is meer gericht op de basisprincipes, maar helpt u bij het kiezen van de juiste technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc.
Deel 2 (20%) van deze training introduceert Theano - een pythonbibliotheek die het schrijven van diepgaande leermodellen eenvoudig maakt.
Deel 3 (40%) van de training zou uitgebreid gebaseerd zijn op Tensorflow - 2e generatie API van de open source softwarebibliotheek van Go ogle voor Deep Learning . De voorbeelden en handson zouden allemaal in TensorFlow worden gemaakt.
Publiek
Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor hun Deep Learning projecten
Na het voltooien van deze cursus zullen de deelnemers:
hebben een goed begrip van diepe neurale netwerken (DNN), CNN en RNN
de structuur en implementatiemechanismen van TensorFlow begrijpen
in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, grafieken maken en logboekregistratie