使用Python和TensorFlow进行欺诈检测 培训

这是一个为期 4 天的课程，介绍人工智能及其应用。完成本课程后，可以选择额外有一天的时间来开展 AI 项目。 

本次由讲师指导的线下或线上培训面向希望深入了解计算机视觉并探索TensorFlow在Google Colab上开发复杂视觉模型能力的高级专业人员。

培训结束后，参与者将能够：

• 使用TensorFlow构建和训练卷积神经网络（CNN）。
• 利用Google Colab进行可扩展且高效的基于云的模型开发。
• 为计算机视觉任务实施图像预处理技术。
• 部署计算机视觉模型以用于实际应用。
• 使用迁移学习提升CNN模型的性能。
• 可视化并解释图像分类模型的结果。

本课程为讲师指导的培训（线上或线下），面向希望使用Dask与Python生态系统构建、扩展和分析大型数据集的数据科学家和软件工程师。

在培训结束时，参与者将能够：

• 设置环境，开始使用Dask和Python进行大数据处理。
• 探索Dask中可用的功能、库、工具和API。
• 了解Dask如何加速Python中的并行计算。
• 学习如何使用Dask扩展Python生态系统（Numpy、SciPy和Pandas）。
• 优化Dask环境，以保持处理大型数据集时的高性能。

本课程为讲师指导的培训，在中国（线上或线下）进行，面向希望提升使用Pandas和NumPy进行数据分析和操作技能的中级Python开发者和数据分析师。

通过本培训，参与者将能够：

• 设置包含Python、Pandas和NumPy的开发环境。
• 使用Pandas和NumPy创建数据分析应用。
• 执行高级数据整理、排序和过滤操作。
• 进行聚合操作并分析时间序列数据。
• 使用Matplotlib和其他可视化库进行数据可视化。
• 调试和优化数据分析代码。

本课程为讲师指导的中国（线上或线下）培训，旨在帮助中级数据科学家和开发人员理解并应用深度学习技术，使用Google Colab环境。

培训结束后，参与者将能够：

• 设置并导航Google Colab，用于深度学习项目。
• 理解神经网络的基本原理。
• 使用TensorFlow实现深度学习模型。
• 训练和评估深度学习模型。
• 利用TensorFlow的高级功能进行深度学习。

在这个由讲师指导的中国现场培训中，参与者将学习使用Python 库进行NLP，因为他们创建了一个处理 一组图片并生成标题的应用程序。 

在培训结束时，参与者将能够：

•  使用 Python 库为 NLP 设计和编写 DL。
• 创建 Python 代码，读取大量图片并生成关键字。
• 创建 Python 代码，用于 从检测到的关键字生成标题。

受众

本课程适合对利用现有工具（主要为开源工具）进行计算机图像分析的深度学习研究人员和工程师。

本课程提供实际案例。

本课程由讲师主导，提供线下或线上培训，旨在帮助开发者使用 FARM (FastAPI, React, 和 MongoDB) 技术栈构建动态、高性能且可扩展的 Web 应用。

通过本课程，学员将能够：

• 搭建集成了 FastAPI、React 和 MongoDB 的开发环境。
• 理解 FARM 技术栈的关键概念、特点和优势。
• 学习如何使用 FastAPI 构建 REST API。
• 学习如何使用 React 设计交互式应用。
• 使用 FARM 技术栈开发、测试和部署应用（前端和后端）。

本课程为讲师指导的培训，在中国（线上或线下）进行，面向希望使用FastAPI与Python更快速、更轻松地构建、测试和部署RESTful API的开发者。

通过本课程，学员将能够：

• 设置必要的开发环境，以使用Python和FastAPI开发API。
• 使用FastAPI库更快速、更轻松地创建API。
• 学习如何基于Pydantic和OpenAPI创建数据模型和模式。
• 使用SQLAlchemy将API连接到数据库。
• 使用FastAPI工具在API中实现安全和身份验证。
• 构建容器镜像并将Web API部署到云服务器。

这种由 讲师指导的 中国 现场现场培训（在线或现场）面向希望使用 Modin 构建和实施并行计算的数据科学家和开发人员 Pandas 以加快数据分析速度。

在本次培训结束时，参与者将能够：

• 设置必要的环境，开始使用 Modin 大规模开发 Pandas 工作流。
• 了解 Modin 的功能、架构和优势。
• 了解 Modin、Dask 和 Ray 之间的区别。
• 使用 Modin 更快地执行 Pandas 操作。
• 实现整个 Pandas API 和函数。

这种以讲师为主导的中国现场培训（现场或远程）面向希望使用Tensorflow 2.x 构建预测器，分类器，生成模型，神经网络等的开发人员和数据科学家。

在培训结束时，参与者将能够：

• 安装并配置 TensorFlow 2.x。
• 了解 TensorFlow 2.x 相对于以前版本的优势。
• 构建深度学习模型。
• 实现高级图像分类器。
• 将深度学习模型部署到云、移动和 IoT 设备。

在这个由讲师指导的中国现场（现场或远程）的现场培训中，参与者将学习如何配置和使用TensorFlow Serving在生产环境中部署和管理ML模型。

在培训结束时，参与者将能够：

• 训练、导出和提供各种 TensorFlow 模型。
• 使用单个体系结构和一组 API 测试和部署算法。
• 扩展 TensorFlow Serving 以服务于 TensorFlow 模型以外的其他类型的模型。

TensorFlow 是 Google 开源的深度学习软件库的第二代 API。该系统旨在促进机器学习研究，并快速轻松地将研究原型过渡到生产系统。

受众

本课程面向希望在深度学习项目中使用 TensorFlow 的工程师。

完成本课程后，学员将能够：

• 理解 TensorFlow 的结构和部署机制
• 执行安装、生产环境、架构任务和配置
• 评估代码质量，进行调试和监控
• 实现高级生产任务，如训练模型、构建图和日志记录

本课程通过具体示例，探讨了TensorFlow在图像识别中的应用。

受众

本课程面向希望利用TensorFlow进行图像识别的工程师。

完成本课程后，学员将能够：

• 理解TensorFlow的结构和部署机制
• 执行安装、生产环境、架构任务和配置
• 评估代码质量，进行调试和监控
• 实现高级生产任务，如训练模型、构建图和日志记录

这种以讲师为主导的中国现场培训（现场或远程）针对的是希望从训练单个ML模型到将多个ML模型部署到生产的数据科学家。

在培训结束时，参与者将能够：

• 安装和配置 TFX 和支持的第三方工具。
• 使用 TFX 创建和管理完整的 ML 生产管道。
• 使用 TFX 组件执行建模、训练、提供推理和管理部署。
• 将机器学习功能部署到 Web 应用程序、移动应用程序、IoT 设备等。