Schulungsübersicht
Einführung
- Apache MXNet vs. PyTorch
Deep Learning Grundsätze und das Deep Learning Ökosystem
- Tensoren, mehrschichtige Perceptrons, Faltungssysteme Neural Networks und rekurrente Systeme Neural Networks
- Computer Vision vs. Verarbeitung natürlicher Sprache
Überblick über Apache MXNet Funktionen und Architektur
- Apache MXNet-Komponenten
- Gluon API-Schnittstelle
- Überblick über GPUs und Modellparallelität
- Symbolische und imperative Programmierung
Einrichtung
- Auswahl einer Bereitstellungsumgebung (Vor-Ort, öffentliche Cloud usw.)
- Installieren Apache MXNet
Arbeiten mit Daten
- Einlesen von Daten
- Daten validieren
- Manipulation von Daten
Entwicklung eines Deep Learning Modells
- Erstellen eines Modells
- Ein Modell trainieren
- Optimieren des Modells
Einsatz des Modells
- Vorhersage mit einem vortrainierten Modell
- Einbindung des Modells in eine Anwendung
Bewährte MXNet-Sicherheitspraktiken
Fehlersuche
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Verständnis der Prinzipien des maschinellen Lernens
- Python Programmiererfahrung
Publikum
- Datenwissenschaftler
Erfahrungsberichte (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
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Kurs - 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
Kurs - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Kurs - Advanced Deep Learning
examples based on our data