Fraud Detection with Python and TensorFlow Schulung

Dies ist ein 4-tägiger Kurs, der in KI und ihre Anwendung einführt. Es besteht die Möglichkeit, nach Abschluss des Kurses einen zusätzlichen Tag für die Durchführung eines KI-Projekts zu nutzen.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler und Softwareingenieure, die Dask mit dem Python-Ökosystem verwenden möchten, um große Datensätze zu erstellen, zu skalieren und zu analysieren.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Einrichten der Umgebung, um mit Dask und Python die Verarbeitung von Big Data zu beginnen.
• Erforschen Sie die Funktionen, Bibliotheken, Werkzeuge und APIs, die in Dask verfügbar sind.
• Verstehen Sie, wie Dask die parallele Datenverarbeitung in Python beschleunigt.
• Lernen Sie, wie Sie das Python-Ökosystem (Numpy, SciPy und Pandas) mit Dask skalieren können.
• Optimieren Sie die Dask-Umgebung, um eine hohe Leistung bei der Verarbeitung großer Datenmengen zu erhalten.

Dieses von einem Dozenten geleitete Live-Seminar in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Python-Entwickler und Datenanalysten, die ihre Fähigkeiten in der Datenanalyse und -manipulation mit Pandas und NumPy verbessern möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die Python, Pandas und NumPy enthält.
• Eine Datenanalyse-Anwendung mit Pandas und NumPy erstellen.
• Erweiterte Datenaufbereitung, -sortierung und -filterung durchführen.
• Agregationsoperationen durchführen und Zeitreihendaten analysieren.
• Daten mit Matplotlib und anderen Visualisierungsbibliotheken visualisieren.
• Ihren Datenanalyses-Code debuggen und optimieren.

In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer die Verwendung von Python Bibliotheken für NLP, während sie eine Anwendung erstellen, die eine Reihe von Bildern verarbeitet und Bildunterschriften generiert. 

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Entwerfen und  codieren Sie DL für NLP unter Verwendung von Python Bibliotheken.
• Erstellen von Python Code, der eine umfangreiche Sammlung von Bildern liest und Schlüsselwörter generiert.
• Erstelle PythonCode, der aus den erkannten Schlüsselwörtern Bildunterschriften generiert.

Publikum

Dieser Kurs ist für Deep Learning Forscher und Ingenieure geeignet, die verfügbare Tools (meist Open Source) zur Analyse von Computerbildern verwenden möchten

Dieser Kurs enthält Arbeitsbeispiele.

Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Entwickler, die den FARM-Stack (FastAPI, React und MongoDB) zur Erstellung dynamischer, hochleistungsfähiger und skalierbarer Webanwendungen nutzen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Einrichten der erforderlichen Entwicklungsumgebung, die FastAPI, React und MongoDB integriert. Verstehen der wichtigsten Konzepte, Funktionen und Vorteile des FARM-Stacks. Lernen, wie man REST-APIs mit FastAPI erstellt. Lernen Sie, wie Sie interaktive Anwendungen mit React entwerfen. Entwickeln, Testen und Bereitstellen von Anwendungen (Frontend und Backend) unter Verwendung des FARM-Stacks.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die FastAPI mit Python verwenden möchten, um RESTful APIs einfacher und schneller zu erstellen, zu testen und bereitzustellen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Eine notwendige Entwicklungsumgebung für die Entwicklung von APIs mit Python und FastAPI einzurichten.
• APIs mithilfe der FastAPI-Bibliothek schneller und einfacher zu erstellen.
• Zu lernen, wie man Datenmodelle und Schemas basierend auf Pydantic und OpenAPI erstellt.
• APIs mithilfe von SQLAlchemy mit einer Datenbank zu verbinden.
• Sicherheit und Authentifizierung in APIs mithilfe der FastAPI-Tools zu implementieren.
• Container-Images zu erstellen und Web-APIs auf einem Cloud-Server bereitzustellen.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Datenwissenschaftler und Entwickler, die Modin verwenden möchten, um parallele Berechnungen mit Pandas für eine schnellere Datenanalyse zu erstellen und zu implementieren.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• die notwendige Umgebung einzurichten, um mit der Entwicklung von Pandas-Workflows in großem Maßstab mit Modin zu beginnen.
• die Funktionen, die Architektur und die Vorteile von Modin zu verstehen.
• Die Unterschiede zwischen Modin, Dask und Ray kennen.
• Schnellere Durchführung von Pandas-Vorgängen mit Modin.
• Implementierung der gesamten Pandas API und Funktionen.

Dieses von einem Trainer geleitete Live-Training (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Tensorflow 2.x verwenden möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netze usw. zu erstellen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installation und Konfiguration von TensorFlow 2.x.
• Die Vorteile von TensorFlow 2.x gegenüber früheren Versionen verstehen.
• Die Erstellung von Deep Learning-Modellen.
• Implementieren Sie einen fortgeschrittenen Bildklassifikator.
• Einsatz eines Deep-Learning-Modells in der Cloud, auf mobilen und IoT-Geräten.

In dieser von einem Trainer geleiteten Live-Schulung (online oder vor Ort) lernen die Teilnehmer, wie man TensorFlow Serving konfiguriert und verwendet, um ML-Modelle in einer Produktionsumgebung einzusetzen und zu verwalten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• TensorFlow-Modelle zu trainieren, exportieren und bereitzustellen.
• Algorithmen mit einer einheitlichen Architektur und API-Satz zu testen und einzurichten.
• TensorFlow Serving um weitere Modelltypen hinausgehend von TensorFlow-Modellen auszudehnen.

TensorFlow ist eine 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Das System wurde entwickelt, um die Forschung im Bereich maschinelles Lernen zu vereinfachen und den Übergang vom Forschungsprototyp zum Produktionssystem schnell und einfach zu gestalten.

Publikum

Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow

Nach Abschluss dieses Kurses werden die Teilnehmer:

• Struktur und Einsatzmechanismen von TensorFlow verstehen
• in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
• in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
• in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren

In diesem Kurs wird anhand konkreter Beispiele die Anwendung von Tensor Flow zur Bilderkennung erläutert

Publikum

Dieser Kurs richtet sich an Ingenieure, die TensorFlow zur Bilderkennung einsetzen TensorFlow

Nach Abschluss dieses Kurses haben die Teilnehmer folgende Möglichkeiten:

• Struktur und Einsatzmechanismen von TensorFlow verstehen
• Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchführen
• Codequalität beurteilen, Debugging und Überwachung durchführen
• Implementieren Sie fortschrittliche Produktionsmethoden wie Trainingsmodelle, Erstellen von Diagrammen und Protokollieren

In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie sie die Vorteile der Innovationen bei TPU-Prozessoren nutzen können, um die Leistung ihrer eigenen KI-Anwendungen zu maximieren.

Am Ende der Schulung werden die Teilnehmer in der Lage sein:

• Trainieren Sie verschiedene Arten von neuronalen Netzen auf großen Datenmengen.
• Nutzen Sie TPUs, um den Inferenzprozess um bis zu zwei Größenordnungen zu beschleunigen.
• Nutzen Sie TPUs zur Verarbeitung intensiver Anwendungen wie Bildsuche, Cloud Vision und Fotos.

TensorFlow™ ist eine Open-Source-Software-Bibliothek für numerische Berechnungen mit Datenfluss-Grafen.

SyntaxNet ist ein Neural-Network Natural Language Processing Framework für TensorFlow.

Word2Vec wird verwendet, um Vektor-Repräsentationen von Wörtern zu lernen, die "Wörter-Inbeddings" genannt werden. Word2vec ist ein besonders berechnet-effizientes Vorhersage-Modell für das Lernen von Wörterinbindungen aus Rohtext. Es kommt in zwei Geschmacksmodellen, dem Kontinuous Bag-of-Words Modell (CBOW) und dem Skip-Gram Modell (Kapitel 3.1 und 3.2 in Mikolov et al.)

SyntaxNet und Word2Vec ermöglichen Benutzern die Erzeugung von Learned Embedding-Modellen aus Natural Language-Eintrag.

Publikum

Dieser Kurs richtet sich an Entwickler und Ingenieure, die mit SyntaxNet und Word2Vec Modellen in ihren TensorFlow Grafen arbeiten wollen.

Nach Abschluss dieses Kurses werden die Delegierten:

• Verständnis TensorFlow’s Struktur und Ausführungsmechanismen
• in der Lage, Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchzuführen
• in der Lage, die Codequalität zu bewerten, Debugging durchzuführen, Überwachung
• in der Lage, fortgeschrittene Produktion wie Trainingsmodelle, Einbruchsbedingungen, Baugraphen und Logging zu implementieren

Dieser Kurs beginnt mit dem Erlernen von konzeptionellen Kenntnissen in neuronalen Netzen und allgemein in maschinellem Lernalgorithmus und Tiefenlernen (Algorithmen und Anwendungen).

Teil 1 (40%) dieses Trainings konzentriert sich mehr auf Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras usw.

In Teil 2 (20%) dieses Trainings wird Theano vorgestellt - eine Python-Bibliothek, die das Schreiben von Deep-Learning-Modellen erleichtert.

Part-3 (40%) die Ausbildung intensiv auf Basis von Tensorflow würde - 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Die Beispiele und Handys würden alle in TensorFlow .

Publikum

Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow

Nach Abschluss dieses Kurses werden die Teilnehmer:

• ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN haben

• Struktur und Einsatzmechanismen von TensorFlow verstehen

• in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen

• in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen

• in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren