Plan du cours
Introduction
- Apache MXNet vs PyTorch
Les Deep Learning principes et l'Deep Learning écosystème
- Tenseurs, Perceptron multicouche, Convolutionnel Neural Networks, et Récurrent Neural Networks
- Vision par ordinateur et traitement du langage naturel
Vue d'ensemble des caractéristiques et de l'architecture de Apache MXNet.
- Composants Apache MXNet
- Interface API Gluon
- Vue d'ensemble des GPUs et du parallélisme de modèle
- Programmation symbolique et impérative
Mise en place
- Choisir un environnement de déploiement (sur site, cloud public, etc.)
- Installer Apache MXNet
Travailler avec des données
- Lecture des données
- Validation des données
- Manipulation des données
Élaboration d'un modèle Deep Learning
- Création d'un modèle
- Entraînement d'un modèle
- Optimisation du modèle
Déployer le modèle
- Prédire avec un modèle pré-entraîné
- Intégration du modèle dans une application
Meilleures pratiques de sécurité MXNet
Dépannage
Résumé et conclusion
Pré requis
- Une compréhension des principes de l'apprentissage automatique
- Python expérience en programmation
Audience
- Data scientists
Nos Clients témoignent (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
Formation - Artificial Neural Networks, Machine Learning, Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Formation - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Formation - Advanced Deep Learning
examples based on our data