Schulungsübersicht

Einstieg


  • Einrichtung und Installation

TensorFlow-Grundlagen


  • Erstellen, Initialisieren, Speichern und Wiederherstellen von TensorFlow-Variablen

  • Versorgen, Lesen und Vorladen von TensorFlow-Daten

  • Verwenden der TensorFlow-Infrastruktur zur Skalierung von Modelltrainings

  • Visualisieren und Evaluieren von Modellen mit TensorBoard

TensorFlow Mechanics 101


  • Daten vorbereiten

    • Herunterladen

    • Eingaben und Platzhalter



  • Grafen aufbauen

    • Inferenz

    • Verlust

    • Training



  • Modell trainieren

    • Graf

    • Sitzung

    • Trainingsloop



  • Modell evaluieren

    • Eval-Graf aufbauen

    • Evaluierungsergebnisse



Fortschrittliche Nutzung


  • Threading und Warteschlangen

  • Verteiltes TensorFlow

  • Dokumentation schreiben und Modell freigeben

  • Anpassung von Datenlesern

  • Auf GPUs arbeiten

  • TensorFlow-Modeldateien manipulieren

TensorFlow Serving


  • Einführung

  • Basis-Serving-Tutorial

  • Fortschrittliches Serving-Tutorial

  • Serving-Inception-Modell-Tutorial

Einstieg in SyntaxNet


  • Verarbeitung von Standardeingaben

  • Korpus annotieren

  • Python-Skripte konfigurieren

Einen NLP-Pipeline mit SyntaxNet aufbauen


  • Daten beschaffen

  • Teil-of-Speech-Tagging

  • SyntaxNet POS-Tagger trainieren

  • Mit dem Tagger vorverarbeiten

  • Dependency Parsing: Transition-Based Parsing

  • Parser trainieren Schritt 1: Lokales Pretraining

  • Parser trainieren Schritt 2: Globales Training

Vektor-Darstellungen von Wörtern


  • Motivation: Warum Wort-Einbettungen lernen?

  • Skalierung durch Noise-Contrastive Training

  • Das Skip-Gram-Modell

  • Graf aufbauen

  • Modell trainieren

  • Gelernte Einbettungen visualisieren

  • Einbettungen evaluieren: Analogiereasoning

  • Implementierung optimieren

Voraussetzungen

Praktische Kenntnisse in Python

 35 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien