由讲师进行实时指导的TensorFlow本地培训课程通过互动讨论和动手实操演示了如何使用TensorFlow系统促进机器学习研究，并使其从研究原型到生产系统的转换变得快速和轻松。
TensorFlow培训形式包括“现场实时培训”和“远程实时培训”。现场实时培训可在客户位于中国的所在场所或NobleProg位于中国的企业培训中心进行，远程实时培训可通过交互式远程桌面进行。
NobleProg -- 您的本地培训提供商
客户评论
★★★★★
★★★★★
课程:
Deep Learning with TensorFlow - bespoke
Léo Dubus
课程:
Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Translated by
I really appreciated the crystal clear answers of Chris to our questions.
Sridhar Voorakkara
课程:
Neural Networks Fundamentals using TensorFlow as Example
Translated by
Knowledgeable trainer
David Relihan
课程:
Neural Networks Fundamentals using TensorFlow as Example
Translated by
I was amazed at the standard of this class - I would say that it was university standard.
Kieran Conboy
课程:
Neural Networks Fundamentals using TensorFlow as Example
Translated by
Very good all round overview.Good background into why Tensorflow operates as it does.
Sharon Ruane
课程:
Neural Networks Fundamentals using TensorFlow as Example
Translated by
I liked the opportunities to ask questions and get more in depth explanations of the theory.
Paul Lee
课程:
TensorFlow for Image Recognition
Translated by
Very updated approach or api (tensorflow, kera, tflearn) to do machine learning
Commerzbank AG
课程:
Neural Networks Fundamentals using TensorFlow as Example
Translated by
Given outlook of the technology: what technology/process might become more important in the future; see, what the technology can be used for
Commerzbank AG
课程:
Neural Networks Fundamentals using TensorFlow as Example
Translated by
Topic selection. Style of training. Practice orientation
Previous
Next
课程大纲
| 代码 | 名字 | 时长 | 概览 |
|---|
| tf101 | Deep Learning with TensorFlow | 21小时 | TensorFlow是Google的深度学习开源软件库的第二代API。该系统旨在促进机器学习方面的研究，并使其从研究原型转换为生产系统变得快速简单。 听众 本课程面向寻求将TensorFlow用于深度学习项目的工程师 完成本课程后，代表们将： 了解TensorFlow的结构和部署机制能够执行安装/生产环境/架构任务和配置能够评估代码质量，执行调试和监控能够实施先进的生产，如培训模型，建筑图表和日志 |
| tfir | TensorFlow for Image Recognition | 28小时 | 本课程通过具体示例探讨Tensor Flow在图像识别中的应用 听众 本课程面向寻求将TensorFlow用于图像识别目的的工程师 完成本课程后，代表们将能够： 了解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，执行调试和监控实施先进的生产，如培训模型，建筑图和记录 |
| dlv | Deep Learning for Vision | 21小时 | 听众 本课程适用于深度学习研究人员和工程师，他们对利用可用工具（主要是开源软件）分析计算机映像感兴趣本课程提供了实例。 |
| Neuralnettf | Neural Networks Fundamentals using TensorFlow as Example | 28小时 | 本课程将为您提供有关神经网络和机器学习算法，深度学习（算法和应用）方面的知识。 此培训更注重基础知识，但会帮助您选择正确的技术：TensorFlow，Caffe，Teano，DeepDrive，Keras等。这些示例均在TensorFlow中制作。 |
| tpuprogramming | TPU Programming: Building Neural Network Applications on Tensor Processing Units | 7小时 | 张量处理单元（TPU）是Google多年来在内部使用的体系结构，现在才变得可供普通大众使用。它包括几个专门用于神经网络的优化，包括简化的矩阵乘法，以及8位整数而不是16位，以便返回适当的精度级别。 在这个有指导意义的现场培训中，与会者将学习如何利用TPU处理器的创新优势，最大限度地提高他们自己的AI应用程序的性能。 在培训结束时，参与者将能够： 对大量数据训练各种类型的神经网络使用热塑性聚氨酯加速推理过程高达两个数量级利用TPU处理密集型应用，如图像搜索，云视觉和照片 听众 开发商研究人员工程师数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习 |
| embeddingprojector | Embedding Projector: Visualizing your Training Data | 14小时 | 嵌入式投影仪是一款开源Web应用程序，用于可视化用于训练机器学习系统的数据。由Google创建，它是TensorFlow的一部分。 这个有指导意义的现场培训介绍了嵌入式投影仪背后的概念，并让参与者通过演示项目的设置。 在培训结束后，参与者将能够： 探索机器学习模型如何解释数据浏览数据的3D和2D视图以了解机器学习算法如何解释它理解嵌入背后的概念及其在表示图像，单词和数字的数学向量中的作用。 探索特定嵌入的属性以了解模型的行为将嵌入项目应用于真实世界的用例，例如为音乐爱好者建立歌曲推荐系统 听众 开发商数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习 |
| tensorflowserving | TensorFlow Serving | 7小时 | TensorFlow Serving是一个为机器学习（ML）模型提供服务的系统。 在这个有指导的现场培训中，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。 在培训结束后，参与者将能够： 培训，出口和服务各种TensorFlow模型使用单一架构和一组API来测试和部署算法扩展TensorFlow服务于TensorFlow型号之外的其他类型的模型 听众 开发商数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习 |
| undnn | Understanding Deep Neural Networks | 35小时 | 本课程首先向您介绍神经网络的概念知识，一般用于机器学习算法，深度学习（算法和应用）。 第一部分（40％）的培训更注重基础知识，但会帮助您选择正确的技术：TensorFlow，Caffe，Theano，DeepDrive，Keras等。 本次培训的第二部分（20％）介绍了Theano python库，使得深入学习模型的编写变得轻松。 第三部分（40％）的培训将广泛地基于Google的深度学习开源软件库Tensorflow第二代API。示例和操作都将在TensorFlow中完成。 听众 本课程面向寻求将TensorFlow用于深度学习项目的工程师完成本课程后，代表们将： 对深度神经网络（DNN），CNN和RNN有很好的理解了解TensorFlow的结构和部署机制能够执行安装/生产环境/架构任务和配置能够评估代码质量，执行调试和监控能够实施先进的生产，如培训模型，建筑图表和日志由于主题的广泛性，并不是所有主题都会在35小时的公共课堂中进行讨论。 完整课程的时间将为70小时左右，而不是35小时。 |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28小时 | NLP的深度学习使机器学习简单到复杂的语言处理。当前可能的任务包括语言翻译和照片的标题生成。 DL（深度学习）是ML（机器学习）的子集。 Python是一种流行的编程语言，包含用于NLP深度学习的库。 在这个有指导意义的现场培训中，参与者将学习使用Python库进行NLP（自然语言处理），因为他们创建了一个处理一组图片并生成字幕的应用程序。 在培训结束后，参与者将能够： 使用Python库设计和编写用于NLP的DL 创建读取大量图片并生成关键字的Python代码创建Python代码，从检测到的关键字中生成字幕 听众 对语言学感兴趣的程序员希望了解NLP（自然语言处理）的程序员 课程的格式 部分讲座，部分讨论，练习和沉重的练习 |
TensorFlow,培训,课程,培训课程, 企业TensorFlow培训,短期TensorFlow培训,TensorFlow课程,TensorFlow周末培训,TensorFlow晚上培训,TensorFlow训练,学习TensorFlow ,TensorFlow老师,学TensorFlow班,TensorFlow远程教育,一对一TensorFlow课程,小组TensorFlow课程,TensorFlow培训师,TensorFlow辅导班,TensorFlow教程,TensorFlow私教,TensorFlow辅导,TensorFlow讲师
.jpg)
.jpg)
.jpg)
.png)
.png)
