Zastosowania SOTA w przetwarzaniu konkretnych danych

2150 PLN+23% VAT (2644 PLN brutto / 1 os.)

Czas trwania szkolenia:2 dni (16h)

Kod kursu:DL/SOTA

Poziom zaawansowania:
neural-networks

Dostępne terminy

  • Termin
  • Lokalizacja
  • Trener
  • Cena

Termin:

6 października 2022
Trwają zapisy na szkolenie

Lokalizacja:

Zdalne, Warszawa, Łódź, Poznań, Kraków, Wrocław, Gdańsk, Katowice, Bydgoszcz, Gdynia

Trener:

-

Cena:

2150 PLN netto+23% VAT

Termin:

9 lutego 2023
Trwają zapisy na szkolenie

Lokalizacja:

Zdalne, Warszawa, Łódź, Poznań, Kraków, Wrocław, Gdańsk, Katowice, Bydgoszcz, Gdynia

Trener:

-

Cena:

2150 PLN netto+23% VAT

Termin:

6 czerwca 2023
Trwają zapisy na szkolenie

Lokalizacja:

Zdalne, Warszawa, Łódź, Poznań, Kraków, Wrocław, Gdańsk, Katowice, Bydgoszcz, Gdynia

Trener:

-

Cena:

2150 PLN netto+23% VAT

O szkoleniu Zastosowania SOTA w przetwarzaniu konkretnych danych

W cenie otrzymasz:

  • Materiały szkoleniowe
  • Certyfikat ukończenia szkolenia
  • W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki

Dla kogo?

  • Szkolenie adresowane jest do osób zajmujących się na co dzień głębokim uczeniem, które chcą być na bieżąco z najnowszymi trendami
  • W szczególności szkolenie przeznaczone jest dla programistów stosujących sztuczną inteligencję w przetwarzaniu języka naturalnego, przetwarzaniu chmur punktów lub pracy z danymi o strukturze grafowej

Wymagania

  • Od uczestników szkolenia wymagana jest znajomość podstaw działania sieci neuronowych oraz znajomość narzędzi do ich implementacji w języku Python (np. PyTorch)

Zalety

  • Zajęcia prowadzone przez specjalistów, którzy na co dzień pracują z modelami do przetwarzania języka naturalnego, chmur punktów oraz grafów
  • Możliwość zapoznania się z zagadnieniami związanymi z wdrażaniem najnowocześniejszych modeli głębokiego uczenia w środowiskach produkcyjnych
  • Praktyczne zadania pozwalające dokładnie zrozumieć przekazywaną teorię

Cele szkolenia

  • Poznanie najnowocześniejszych algorytmów przetwarzania języka naturalnego opartych na architekturze transformera
  • Zapoznanie się z metodami przetwarzania danych 3D, w szczególności chmur punktów, z wykorzystaniem metod sztucznej inteligencji
  • Poznanie architektur sieci neuronowych dedykowanych do przetwarzania danych o strukturze grafowej
  • Zdobycie umiejętności praktycznego zastosowania omawianych algorytmów

Program

Praktyczne aspekty wdrażania najnowocześniejszych modeli głębokiego uczenia

  • Wydajność dużych modeli
  • Dostępność przetrenowanych wag
  • Dostępność danych uczących

SOTA w NLP

  • Architektura Transformer
  • Zastosowania Transformerów
  • Optymalizacja rozmiaru oraz efektywności modeli
  • Wdrażanie Transformerów w praktyce

Przetwarzanie chmur punktów 3D

  • Wymagania związane z przetwarzaniem danych 3D
  • Metody przetwarzania chmur 3D z wykorzystaniem sieci neuronowych
  • NeRF
  • Hiper sieci w przetwarzaniu chmur punktów 3D

Wykorzystanie sieci neuronowych do pracy z danymi o strukturze grafowej

  • Przykłady danych o strukturze grafowej oraz zastosowań sztucznej inteligencji do ich przetwarzania
  • Sieci grafowe

Podobne szkolenia