Deep Learning with TensorFlow 2のトレーニングコース

このインストラクターによるライブトレーニング（オンラインまたはオンサイト）では、本番環境でMLモデルをデプロイし管理するためのTensorFlow Servingの構成と使用方法を学びます。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• さまざまなTensorFlowモデルをトレーニング、エクスポート、提供
。
• 単一のアーキテクチャとAPIセットを使用してアルゴリズムをテストし、デプロイする
。
• TensorFlow Servingを拡張して、TensorFlowモデル以外の他のタイプのモデルにも対応
。

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

このインストラクターによるライブ・トレーニングでは、参加者は写真のセットを処理してキャプションを生成するアプリケーションを作成しながら、NLPのためのライブラリの使い方を学びます；

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• ライブラリを使ってNLPのためのDLを設計し、コード化する
。
• 膨大な画像を読み込んでキーワードを生成するコードを作成する。
• 検出されたキーワードからキャプションを生成するコードを作成します。

は、AI と it & #39 のアプリケーションを紹介する4日間のコースです。このコースの完了時に AI プロジェクトを引き受けるための追加の日を持つオプションがあります。  

このインストラクターによるライブトレーニングは、TensorFlow.jsを使用して機械学習モデルからパターンを特定し、予測を生成することを希望するデータサイエンティストを対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• TensorFlow.js.
で機械学習モデルを構築し、トレーニングする。
• 既存の機械学習モデルをブラウザまたはNode.js.
で実行する。
• カスタムデータを使用して既存の機械学習を再トレーニングします。

このインストラクターによるライブトレーニングは、TensorFlowを使用して不正の可能性があるデータを分析したいデータサイエンティストを対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• PythonとTensorFlowで不正検知モデルを作成する。
• 不正を予測するための線形回帰と線形回帰モデルを構築する
。
• 不正データを分析するためのエンドツーエンドのAIアプリケーションを開発する
。

このインストラクターによるライブトレーニングは、単一のMLモデルのトレーニングから、多くのMLモデルを本番環境にデプロイすることを望むデータサイエンティストを対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• TFXとそれをサポートするサードパーティツールのインストールと設定。
• TFXを使用して、完全なMLプロダクションパイプラインを作成し、管理する。
• TFXコンポーネントを使用して、モデリング、トレーニング、推論、およびデプロイの管理を実行します。
• 機械学習機能を Web アプリケーション、モバイルアプリケーション、IoT デバイスなどにデプロイします。

このインストラクターによるライブトレーニング（オンラインまたはオンサイト）は、OpenShiftオンプレミスまたはハイブリッドクラウドに機械学習ワークロードをデプロイしたいエンジニアを対象としています。

• このトレーニングの終わりまでに、参加者は以下のことができるようになります:
。
• OpenShiftクラスターにKubernetesとKubeflowをインストールし、設定する
。
• OpenShiftを使用して、Kubernetesクラスターを初期化する作業を簡素化する
。
• 本番環境でMLモデルを自動化・管理するためのKubernetesパイプラインを作成し、デプロイする
。
• 複数のGPUとマシンで並行して動作するTensorFlowMLモデルをトレーニングし、デプロイする
。
• OpenShift内からパブリッククラウドサービス (AWSサービスなど) を呼び出し、MLアプリケーションを拡張する
。