O kursu

Naučićete:

U ovoj radionici naučićete kako funkcioniše duboko učenje kroz praktične vežbe iz oblasti računarskog vida (computer vision) i obrade prirodnog jezika (NLP). Trenirate modele dubokog učenja od početka, uz savladavanje alata i tehnika za postizanje visoke tačnosti rezultata.

Takođe ćete naučiti kako da koristite javno dostupne, savremene unapred trenirane modele (pre-trained models) kako biste uštedeli vreme i brzo pokrenuli sopstvene aplikacije zasnovane na dubokom učenju.

  • Naučićete osnovne tehnike i alate potrebne za treniranje modela dubokog učenja
  • Steći ćete iskustvo u radu sa uobičajenim tipovima podataka i arhitekturama modela
  • Unapredićete skupove podataka kroz data augmentation radi poboljšanja tačnosti modela
  • Primenićete transfer learning kako biste postigli efikasne rezultate uz manje podataka i manju računarsku potrošnju
  • Izgradićete samopouzdanje za rad na sopstvenom projektu koristeći savremene deep learning okvire

Struktura kursa

> Upoznavanje sa predavačem
> Kreiranje naloga na nvidia.com

Istražite osnovne mehanizme i alate potrebne za uspešno treniranje dubokih neuronskih mreža:
> Istrenirajte svoj prvi model za računarski vid kako biste razumeli proces treniranja.
> Upoznajte konvolucione neuronske mreže (CNN) radi povećanja tačnosti predikcija u aplikacijama za računarski vid.
> Primijenite data augmentation tehnike kako biste unapredili skup podataka i poboljšali generalizaciju modela.

Iskoristite unapred trenirane modele za brzo rešavanje izazova u oblasti dubokog učenja. Trenirajte rekurentne neuronske mreže na sekvencijalnim podacima:
> Integrirajte unapred trenirani model za klasifikaciju slika kako biste kreirali automatska vrata za pse (doggy door).
> Primijenite transfer learning za izradu personalizovanih vrata koja prepoznaju samo vašeg psa.
> Istrenirajte model za automatsko dovršavanje teksta na osnovu naslova iz New York Times-a.

Primenite računarski vid za izradu modela koji razlikuje sveže i pokvareno voće:

> Kreirajte i istrenirajte model koji obrađuje slike u boji.
> Izgradite generator podataka kako biste maksimalno iskoristili male skupove podataka.
> Poboljšajte brzinu treniranja kombinovanjem transfer learning-a i ekstrakcije karakteristika (feature extraction).
> Diskutujte o naprednim arhitekturama neuronskih mreža i savremenim istraživačkim oblastima u kojima polaznici mogu dalje razvijati svoje veštine.

> Pregledajte ključna znanja i postavite pitanja.
> Završite procenu znanja i osvojite sertifikat.
> Popunite anketu o radionici.
> Naučite kako da postavite sopstveno razvojno okruženje za AI aplikacije.

Nastavite učenje kroz sledeće DLI obuke:
>> Getting Started with Image Segmentation
>> Modeling Time-Series Data with Recurrent Neural Networks in Keras
>> Building Transformer-Based Natural Language Processing
Applications
>> Building Intelligent Recommender Systems
>> Fundamentals of Deep Learning for Multi-GPUs

Ako ste...

  • Developer
  • Data scientists
  • Data engineers

...ovaj kurs je namenjen vama.

Zašto odabrati NVIDIA Deep Learning Institute za praktičnu obuku

Razlog #1

Pristup radionicama sa bilo koje lokacije putem računara i internet konekcije. Svaki polaznik dobija pristup potpuno konfigurisanom cloud serveru sa GPU akceleracijom.

Razlog #2

Praktično iskustvo sa najčešće korišćenim industrijskim softverima, alatima i framework-ovima.

Razlog #3

Učenje izgradnje aplikacija zasnovanih na dubokom učenju i akcelerisanom računarstvu za industrije poput zdravstva, robotike, proizvodnje, akcelerisanog računarstva i drugih oblasti.

Razlog #4

Sticanje praktične ekspertize kroz sadržaj razvijen u saradnji sa industrijskim liderima kao što su Children’s Hospital of Los Angeles, Mayo Clinic i PwC.

Razlog #5

Dobijanje NVIDIA Deep Learning Institute sertifikata kao potvrde stručnosti i podrške daljem profesionalnom razvoju.