Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Pour commencer
- Configuration et installation
TensorFlow Notions de base
- Création, initialisation, sauvegarde et restauration TensorFlow des variables
- Alimentation, lecture et préchargement des données TensorFlow
- Comment utiliser l'infrastructure TensorFlow pour entraîner des modèles à l'échelle
- Visualisation et évaluation des modèles avec TensorBoard
[Mécanique 101
- Préparer les données
- Télécharger
- Entrées et espaces réservés
- Construire le graphique
- Inférence
- Perte
- Formation
- Entraîner le modèle
- Le graphique
- La session
- Former la boucle
- Évaluer le modèle
- Construire le graphique d'évaluation
- Sortie de l'évaluation
Utilisation avancée
- Threading et files d'attente
- Distribué TensorFlow
- Écrire Documentation et partager votre modèle
- Personnaliser les lecteurs de données
- Utilisation des GPUs
- Manipuler les fichiers du modèle TensorFlow.
Servir TensorFlow
- Introduction
- Tutoriel de base sur le service
- Tutoriel de service avancé
- Tutoriel sur le modèle d'initialisation du service
Démarrer avec SyntaxNet
- Analyse syntaxique à partir d'une entrée standard
- Annotation d'un corpus
- Configuration des scripts Python
Construire un pipeline NLP avec SyntaxNet
- Obtention de données
- Étiquetage des parties du discours
- Entraînement de l'étiqueteur POS de SyntaxNet
- Prétraitement avec le Tagger
- Analyse des dépendances : Analyse syntaxique basée sur les transitions
- Entraînement d'un analyseur syntaxique Étape 1 : Pré-entraînement local
- Formation d'un analyseur syntaxique Étape 2 : formation globale
Représentations vectorielles des Words
- Motivation : Pourquoi apprendre les word embeddings ?
- Augmentation d'échelle avec l'entraînement contrastif au bruit
- Le modèle Skip-gram
- Construction du graphe
- Entraînement du modèle
- Visualisation des enchâssements appris
- Évaluer les emboîtements : Raisonnement analogique
- Optimisation de la mise en œuvre
Pré requis
Connaissance pratique de python
35 Heures
Nos clients témoignent (3)
Très compétent
Usama Adam - TWPI
Formation - Natural Language Processing with TensorFlow
Traduction automatique
La façon dont il présente tout avec des exemples et des exercices était très utile
Ibrahim Mohammedameen - TWPI
Formation - Natural Language Processing with TensorFlow
Traduction automatique
Organisation, conformément à l'ordre du jour proposé, les connaissances approfondies du formateur dans ce sujet
Ali Kattan - TWPI
Formation - Natural Language Processing with TensorFlow
Traduction automatique