Curso de Programación de TPU: Construcción de Aplicaciones de Redes Neuronales en Unidades de Procesamiento de Tensiones
La Unidad de Procesamiento Tensorial (TPU) es la arquitectura que Google ha utilizado internamente durante varios años, y que recién ahora está disponible para su uso por el público en general. Incluye varias optimizaciones específicas para su uso en redes neuronales, incluida la multiplicación de matrices simplificada y enteros de 8 bits en lugar de 16 bits para devolver niveles adecuados de precisión.
En esta capacitación en vivo dirigida por un instructor, 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 formación, los participantes serán capaces de:
- Entrene varios tipos de redes neuronales con grandes cantidades de datos.
- Utilice 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.
Formato del curso
- En parte conferencia, en parte discusión, ejercicios y práctica práctica intensa
Programa del Curso
Para solicitar un esquema de curso personalizado para esta capacitación, contáctenos.
Requerimientos
- Conocimiento de la arquitectura de redes neuronales utilizando tensorflow
Audiencia
- Desarrolladores
- Investigadores
- ingenieros
- Científicos de datos
Los cursos de formación abiertos requieren más de 5 participantes.
Curso de Programación de TPU: Construcción de Aplicaciones de Redes Neuronales en Unidades de Procesamiento de Tensiones - Booking
Curso de Programación de TPU: Construcción de Aplicaciones de Redes Neuronales en Unidades de Procesamiento de Tensiones - Enquiry
Programación de TPU: Construcción de Aplicaciones de Redes Neuronales en Unidades de Procesamiento de Tensiones - Consultas
Consultas
Testimonios (2)
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
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
Paul Lee
Curso - TensorFlow for Image Recognition
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 Panama (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 Panama (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 Panama, 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 Panama (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.
Deep Learning with TensorFlow 2
21 HorasEsta capacitación en vivo dirigida por un instructor en Panama (en línea o presencial) está dirigida a desarrolladores y científicos de datos que deseen usar Tensorflow 2.x para crear predictores, clasificadores, modelos generativos, redes neuronales, etc.
Al final de esta capacitación, los participantes serán capaces de:
- Instale y configure TensorFlow 2.x.
- Comprenda las ventajas de TensorFlow 2.x con respecto a las versiones anteriores.
- Cree modelos de aprendizaje profundo.
- Implemente un clasificador de imágenes avanzado.
- Implemente un modelo de aprendizaje profundo en la nube, dispositivos móviles y dispositivos IoT.
Curso de TensorFlow Serving
7 HorasEn esta capacitación en vivo dirigida por un instructor en Panama (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.