Neural Networks Fundamentals using TensorFlow as Example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.

TensorFlowは、 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です。このシステムは、機械学習における研究を容易にし、研究プロトタイプから生産システムへの移行を迅速かつ容易にするように設計されています。

観客

このコースは、 Deep LearningプロジェクトにTensorFlowを使用しようとしている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、参加者は以下のことを行います。

• 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/アーキテクチャーのタスクおよび構成を実行できる
• コード品質の評価、デバッグの実行、監視が可能
• モデルのトレーニング、グラフの作成、伐採などの高度な生産を実装できる

このコースでは、具体的な例を用いて、画像認識を目的としたTensor Flowの適用について説明します。

観客

このコースは、画像認識の目的でTensorFlowを利用しようとしている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、参加者は次のことができるようになります。

• TensorFlowの構造と展開メカニズムを理解する
• インストール/本番環境/アーキテクチャのタスクと設定を実行する
• コード品質の評価、デバッグの実行、監視
• モデルのトレーニング、グラフの作成、伐採などの高度な生産を実装する

TensorFlow™ は、データストリームグラフを使用して数値計算のためのオープンソースソフトウェアライブラリです。

SyntaxNet は神経ネットワークの自然言語処理フレームワークです。

Word2Vec は、単語の学習ベクトル表現に使用され、"word embeddings"と呼ばれています。 Word2vec は、特にコンピュータ効率的な予測モデルで、原始テキストから単語を学ぶための構成です。 それは2つの味わい、継続的なバッグのモデル(CBOW)とスキップグラムモデル(Mikolov et al.の第3.1と第3.2章)に含まれています。)

SyntaxNet と Word2Vec は、ユーザーが自然言語の入力から Larned Embedding モデルを生成することを可能にします。

観客

このコースは開発者やエンジニアを対象とし、SyntaxNetおよび Word2Vecモデルと仕事を計画しています。

このコースを完了した後、代表者は次のように行います。

• TensorFlow’の構造と実施メカニズムを理解する
• インストール / 生産環境 / アーキテクチャの課題と構成を実行することができる
• コードの品質を評価し、デブギング、モニタリングを行うことができます。
• トレーニングモデル、組み込む用語、構築グラフなど、先進的な生産を実施することができる。

観客

このコースは、コンピューターイメージの分析に利用可能なツール（主にオープンソース）を利用することに興味があるDeep Learning研究者やエンジニアに適しています。

このコースは実例を提供します。

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
。

埋め込みプロジェクターは、機械学習システムを訓練するために使用されるデータを視覚化するためのオープンソースの web アプリケーションです。Google によって作成された、それは TensorFlow の一部です。

このインストラクター主導のライブトレーニングでは、プロジェクターの埋め込みの概念を紹介し、デモプロジェクトのセットアップを通じて参加者をウォークします。

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:

• 機械学習モデルによるデータの解釈方法を探る
• は、機械学習アルゴリズムがそれをどのように解釈するかを理解するために、データの3d と2d ビューをナビゲートし
• は、込みの背後にある概念と、画像、単語、数字の数学的ベクトルを表す役割を理解しています。
• 特定の埋め込みのプロパティを調べて、モデルの動作を理解する
• は、このような音楽愛好家のための曲の推薦システムを構築する現実世界のユースケースに埋め込みプロジェクトを適用する

観客

• 開発者
• データサイエンティスト

形式

• 部講義、パート討論、演習と重い実地練習