Introduction to the Use of Neural Networksのトレーニングコース

In this instructor-led, live training, we go over the principles of neural networks and use OpenNN to implement a sample application.

Format of the course

• Lecture and discussion coupled with hands-on exercises.

このコースは、マネージャー、ソリューション アーキテクト、イノベーション担当者、CTO、ソフトウェア アーキテクト、および応用人工知能の概要とその開発の最も近い予測に興味がある人を対象に作成されました。

このコースは、Rプロジェクトソフトウェアを使用して現実世界の問題にニューラルネットワークを適用することを紹介します。

このトレーニングコースは、実用的なアプリケーションでMachine Learningを適用したい人々のためのものです。

観客

このコースは統計学にある程度精通していてR（あるいはPythonや他の選ばれた言語）をプログラムする方法を知っているデータ科学者や統計学者のためのものです。このコースの重点は、データ/モデルの準備、実行、事後分析、および視覚化の実用面にあります。

目的は、職場でメソッドを適用することに興味がある参加者に、 Machine Learningへの実用的なアプリケーションを提供することです。

分野別の例は、研修を視聴者に関連させるために使用されます。

人工ニューラルネットワークは、「インテリジェント」タスクを実行できるArtificial Intelligence (AI)システムの開発に使用される計算データモデルです。 Neural Networksは、それ自体がAIの実装の1つであるMachine Learning （ML）アプリケーションで一般的に使用されています。 Deep LearningはMLのサブセットです。

人工ニューラルネットワークは、「インテリジェント」タスクを実行できるArtificial Intelligence (AI)システムの開発に使用される計算データモデルです。 Neural Networksは、それ自体がAIの実装の1つであるMachine Learning （ML）アプリケーションで一般的に使用されています。 Deep LearningはMLのサブセットです。

このコースは、確率と統計に過去の経験がない人のために作成されます。

このコースはAI(エンファシング Machine Learningおよび Deep Learning)をカバーしています。 それは、単純な自動化、イメージ認識から自主的な意思決定に至るまで、車内の複数の状況でどのようなテクノロジーが(潜在的に)使用されるかを決定するのに役立ちます。

This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).

This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.

この講師主導のライブコースでは、パターン認識と機械学習の分野について紹介します。統計、コンピュータサイエンス、信号処理、コンピュータビジョン、データマイニング、バイオインフォマティクスなどの実用的なアプリケーションに触れます。

このコースはインタラクティブで、実地演習、講師からのフィードバック、そして習得した知識やスキルのテストが含まれています。

タイプ：教育学的グループによると、ラザニアまたはKeras学生と上流で決定されたアプリケーションによる理論的トレーニング

教授法：発表、交換およびケーススタディ

人工知能は、多くの科学分野を混乱させた後、多数の経済分野（産業、医学、通信など）に革命を起こし始めました。それにもかかわらず、ビッグメディアでのそのプレゼンテーションは、ファンタジーであることが多く、実際にはMachine LearningやDeep Learning分野とはかけ離れています。このトレーニングの目的は、既にコンピュータツール（ソフトウェアプログラミングベースを含む）を習得しているエンジニアに、 Deep Learningおよびそのさまざまな専門分野への導入、したがって主要な既存のネットワークアーキテクチャの導入を提供することです。今日。数学の基礎がコースの間に思い出されるならば、タイプBAC + 2の数学のレベルはより多くの快適さのために推薦されます。 「システム」のビジョンだけを維持するために数学的軸をスキップすることは絶対に可能ですが、このアプローチはあなたの主題に対するあなたの理解を非常に制限するでしょう。

このインストラクターによるライブ・トレーニングでは、参加者はTPUプロセッサーのイノベーションを活用して、自身のAIアプリケーションのパフォーマンスを最大化する方法を学びます。

トレーニング終了時までに、参加者は以下のことができるようになります：

• 大量のデータでさまざまな種類のニューラルネットワークをトレーニングする
。
• TPUを使用して推論プロセスを最大2桁高速化する
。
• 画像検索、クラウドビジョン、写真などの集約的なアプリケーションを処理するためにTPUを活用する
。

PaddlePaddle (PArallel Distributed Deep LEarning) is a scalable deep learning platform developed by Baidu.

In this instructor-led, live training, participants will learn how to use PaddlePaddle to enable deep learning in their product and service applications.

By the end of this training, participants will be able to:

• Set up and configure PaddlePaddle
• Set up a Convolutional Neural Network (CNN) for image recognition and object detection
• Set up a Recurrent Neural Network (RNN) for sentiment analysis
• Set up deep learning on recommendation systems to help users find answers
• Predict click-through rates (CTR), classify large-scale image sets, perform optical character recognition(OCR), rank searches, detect computer viruses, and implement a recommendation system.

Audience

• Developers
• Data scientists

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

このインストラクター主導のライブトレーニングでは、参加者はMatlabを使用して画像認識用の畳み込みニューラルネットワークを設計、構築、視覚化する方法を学びます。

このトレーニングの終わりまでに、参加者は次のことができるようになります。

• 深層学習モデルを構築する
• データのラベル付けを自動化する
• モデルと協力CaffeとTensorFlow - Keras
• 複数のGPU 、クラウド、またはクラスターを使用してデータをトレーニングする

聴衆

• 開発者
• エンジニア
• ドメインエキスパート

コースの形式

• 一部の講義、一部のディスカッション、演習、および実践的な実践

このコースは、ニューラルネットワーク、および一般的に機械学習アルゴリズム、ディープラーニング（アルゴリズムとアプリケーション）の概念的な知識を提供することから始まります。

パート1（40％）このトレーニングのは基本に、より焦点となっていますが、適切な技術を選択するのに役立ちます： TensorFlow 、 Caffe 、Theano、DeepDrive、 Kerasなど

このトレーニングのパート2（20％）では、ディープラーニングモデルを簡単に作成できるPythonライブラリであるTheanoを紹介しています。

トレーニングのパート3（40％）は、Tensorflow- Go ogleのDeep Learning用オープンソースソフトウェアライブラリの第2世代APIに広く基づいています。例とハンドソンはすべてTensorFlowで作成されTensorFlow 。

聴衆

このコースは、 Deep LearningプロジェクトにTensorFlowを使用しTensorFlowエンジニアを対象としています。

このコースを修了すると、参加者は次のことを行います。

• ディープニューラルネットワーク（DNN）、CNN、RNNについて十分に理解している

• TensorFlowの構造と展開メカニズムを理解する

• インストール/実稼働環境/アーキテクチャのタスクと構成を実行できる

• コード品質の評価、デバッグの実行、監視ができる

• トレーニングモデル、グラフ作成、ロギングなどの高度なプロダクションを実装できる