Natural Language Processing with TensorFlow
Corso
A Milano
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Luogo
Milano
TensorFlow ™ è una libreria software open source per il calcolo numerico che utilizza i grafici del flusso di dati SyntaxNet è un framework di elaborazione del linguaggio naturale neuralnetwork per TensorFlow Word2Vec viene utilizzato per l'apprendimento di rappresentazioni vettoriali di parole, chiamate "raduni di parole" Word2vec è un modello predittivo particolarmente efficiente dal punto di vista computazionale per l'apprendimento delle immersioni di parole dal testo non elaborato È disponibile in due versioni: il modello Continuous BagofWords (CBOW) e il modello SkipGram (capitolo 31 e 32 in Mikolov et al) Utilizzato in tandem, SyntaxNet e Word2Vec consentono agli utenti di generare modelli di Embedded Learned dall'input di Natural Language Pubblico Questo corso è rivolto a sviluppatori e ingegneri che intendono lavorare con i modelli SyntaxNet e Word2Vec nei loro grafici TensorFlow Dopo aver completato questo corso, i delegati: comprendere la struttura e i meccanismi di implementazione di TensorFlow essere in grado di svolgere compiti di installazione / ambiente di produzione / architettura e configurazione essere in grado di valutare la qualità del codice, eseguire il debugging, il monitoraggio essere in grado di implementare la produzione avanzata come modelli di formazione, termini di incorporamento, costruzione di grafici e registrazione .
Machine Translated
Sedi e date
Luogo
Inizio del corso
Inizio del corso
Profilo del corso
Working knowledge of python
Opinioni
Materie
- Apprendimento
- Produzione
Programma
Getting Started
- Setup and Installation
TensorFlow Basics
- Creation, Initializing, Saving, and Restoring TensorFlow variables
- Feeding, Reading and Preloading TensorFlow Data
- How to use TensorFlow infrastructure to train models at scale
- Visualizing and Evaluating models with TensorBoard
TensorFlow Mechanics 101
- Prepare the Data
- Download
- Inputs and Placeholders
- Build the Graph
- Inference
- Loss
- Training
- Train the Model
- The Graph
- The Session
- Train Loop
- Evaluate the Model
- Build the Eval Graph
- Eval Output
Advanced Usage
- Threading and Queues
- Distributed TensorFlow
- Writing Documentation and Sharing your Model
- Customizing Data Readers
- Using GPUs
- Manipulating TensorFlow Model Files
TensorFlow Serving
- Introduction
- Basic Serving Tutorial
- Advanced Serving Tutorial
- Serving Inception Model Tutorial
Getting Started with SyntaxNet
- Parsing from Standard Input
- Annotating a Corpus
- Configuring the Python Scripts
Building an NLP Pipeline with SyntaxNet
- Obtaining Data
- Part-of-Speech Tagging
- Training the SyntaxNet POS Tagger
- Preprocessing with the Tagger
- Dependency Parsing: Transition-Based Parsing
- Training a Parser Step 1: Local Pretraining
- Training a Parser Step 2: Global Training
Vector Representations of Words
- Motivation: Why Learn word embeddings?
- Scaling up with Noise-Contrastive Training
- The Skip-gram Model
- Building the Graph
- Training the Model
- Visualizing the Learned Embeddings
- Evaluating Embeddings: Analogical Reasoning
- Optimizing the Implementation
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Natural Language Processing with TensorFlow