Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
- Chainer vs. Caffe vs. Torch
- Überblick über die Funktionen und Komponenten von Chainer
Erste Schritte
- Verstehen der Trainerstruktur
- Installieren von Chainer, CuPy und NumPy
- Definieren von Funktionen auf Variablen
Ausbildung Neural Networks im Chainer
- Erstellen eines Berechnungsgraphen
- Ausführen von Beispielen aus dem MNIST-Datensatz
- Aktualisierung der Parameter mit Hilfe eines Optimierers
- Verarbeitung von Bildern zur Auswertung der Ergebnisse
Arbeiten mit GPUs in Chainer
- Implementierung von rekurrenten neuronalen Netzen
- Verwendung mehrerer GPUs zur Parallelisierung
Implementierung anderer neuronaler Netzwerkmodelle
- Definieren von RNN-Modellen und Ausführen von Beispielen
- Erzeugen von Bildern mit Deep Convolutional GAN
- Ausführen von Reinforcement Learning-Beispielen
Fehlersuche
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Verständnis für künstliche neuronale Netze
- Vertrautheit mit Deep Learning Frameworks (Caffe, Torch, etc.)
- Python-Programmiererfahrung
Publikum
- KI-Forscher
- Entwickler
14 Stunden
Erfahrungsberichte (4)
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
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Kurs - Applied AI from Scratch in Python
Very flexible
Frank Ueltzhöffer
Kurs - Artificial Neural Networks, Machine Learning and Deep Thinking
It felt like we were going through directly relevant information at a good pace (i.e. no filler material)