横浜のTensorFlowトレーニング

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

コース の 形式

• 部講義、パート討論、演習と重い実地練習

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。

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。

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（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
。

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は、Tensorflow 2.xを使用して予測器、分類器、生成モデル、ニューラルネットワークなどを構築したい開発者やデータ科学者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：

• TensorFlow2.xのインストールと設定を行う。
• 以前のバージョンと比較して、TensorFlow 2.xの利点を理解する
。
• ディープラーニングモデルを構築する。
• 高度な画像分類器を実装する
。
• ディープラーニングモデルをクラウド、モバイル、IoTデバイスにデプロイする
。

このインストラクターによるライブトレーニングは、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（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
。

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

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
。

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。

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