Fraud Detection with Python and TensorFlow培訓

這是一個為期 4 天的課程，介紹人工智慧及其應用。完成本課程后，可以選擇額外有一天的時間來開展 AI 專案。 

這種以講師為主導的香港現場培訓（現場或遠端）針對的是希望將Dask與Python生態系統一起使用以構建，擴展和分析大型數據集的數據科學家和軟體工程師。

在培訓結束時，參與者將能夠：

• 設置環境以開始使用 Dask 和 Python 構建大數據處理。
• 探索 Dask 中提供的功能、庫、工具和 API。
• 瞭解 Dask 如何在 Python 中加速並行計算。
• 瞭解如何使用 Dask 擴展 Python 生態系統（Numpy、SciPy 和 Pandas）。
• 優化 Dask 環境，以保持處理大型數據集的高性能。

這是一個由講師指導的香港（線上或線下）培訓課程，目標對象是希望提升數據分析與處理技能的中級Python開發人員和數據分析師，課程內容涵蓋Pandas和NumPy的使用。

在培訓結束時，學員將能夠：

• 設置包含Python、Pandas和NumPy的開發環境。
• 使用Pandas和NumPy創建數據分析應用。
• 執行高級的數據整理、排序和過濾操作。
• 進行聚合操作並分析時間序列數據。
• 使用Matplotlib和其他可視化庫進行數據可視化。
• 調試和優化數據分析代碼。

在這個由講師指導的香港現場培訓中，參與者將學習使用Python 庫進行NLP，因為他們創建了一個處理 一組圖片並生成標題的應用程式。 

在培訓結束時，參與者將能夠：

•  使用 Python 庫為 NLP 設計和編寫 DL。
• 創建 Python 代碼，讀取大量圖片並生成關鍵字。
• 創建 Python 代碼，用於 從檢測到的關鍵字生成標題。

聽眾

本課程適合有興趣利用可用工具（主要是開源）分析計算機圖像的Deep Learning研究人員和工程師

本課程提供了工作實例。

這種以講師為主導的現場培訓（現場或遠端）面向希望使用FARM（FastAPI，React和MongoDB）堆棧構建動態，高性能和可擴展Web應用程式的開發人員。

在培訓結束時，參與者將能夠：

設置整合 FastAPI、React 和 MongoDB 的必要開發環境。 瞭解 FARM 堆疊的關鍵概念、功能和優勢。 瞭解如何使用FastAPI構建REST API。 瞭解如何使用 React 設計互動式應用程式。 使用 FARM 堆疊開發、測試和部署應用程式（前端和後端）。

這種以講師為主導的香港現場培訓（現場或遠端）面向希望將FastAPI與Python一起使用以更輕鬆，更快速地構建，測試和部署RESTful API的開發人員。

在培訓結束時，參與者將能夠：

• 設置必要的開發環境，以使用Python和FastAPI開發API。
• 使用FastAPI庫更快速、更輕鬆地創建API。
• 學習如何基於Pydantic和OpenAPI創建數據模型和模式。
• 使用SQLAlchemy將API連接到數據庫。
• 使用FastAPI工具在API中實現安全性和身份驗證。
• 構建容器鏡像並將Web API部署到雲端伺服器。

這種由 講師指導的 香港 現場現場培訓（在線或現場）面向希望使用 Modin 構建和實施並行計算的數據科學家和開發人員 Pandas 以加快數據分析速度。

在本次培訓結束時，參與者將能夠：

• 設置必要的環境，開始使用 Modin 大規模開發 Pandas 工作流。
• 瞭解 Modin 的功能、架構和優勢。
• 瞭解 Modin、Dask 和 Ray 之間的區別。
• 使用 Modin 更快地執行 Pandas 操作。
• 實現整個 Pandas API 和函數。

這種以講師為主導的香港現場培訓（現場或遠端）面向希望使用Tensorflow 2.x 構建預測器，分類器，生成模型，神經網路等的開發人員和數據科學家。

在培訓結束時，參與者將能夠：

• 安裝並配置 TensorFlow 2.x。
• 瞭解 TensorFlow 2.x 相對於以前版本的優勢。
• 構建深度學習模型。
• 實現高級圖像分類器。
• 將深度學習模型部署到雲、移動和IoT設備。

在這個由講師指導的香港現場（現場或遠端）的現場培訓中，參與者將學習如何配置和使用TensorFlow Serving在生產環境中部署和管理ML模型。

在培訓結束時，參與者將能夠：

• 訓練、導出和提供各種 TensorFlow 模型。
• 使用單個體系結構和一組 API 測試和部署演算法。
• 擴展 TensorFlow Serving 以服務於 TensorFlow 模型以外的其他類型的模型。

TensorFlow是Go ogle Deep Learning開源軟件庫的第二代API。該系統旨在促進機器學習的研究，並使其從研究原型到生產系統的快速和輕鬆過渡。

聽眾

本課程面向希望將TensorFlow用於Deep Learning項目的工程師

完成本課程後，代表們將：

• 了解TensorFlow的結構和部署機制
• 能夠執行安裝/生產環境/架構任務和配置
• 能夠評估代碼質量，執行調試，監控
• 能夠實現高級生產，如培訓模型，構建圖形和記錄

本課程通過具體的例子探討了Tensor Flow在圖像識別方面的應用

聽眾

本課程適用於尋求將TensorFlow用於圖像識別的工程師

完成本課程後，代表們將能夠：

• 了解TensorFlow的結構和部署機制
• 執行安裝/生產環境/架構任務和配置
• 評估代碼質量，執行調試，監控
• 實施先進的生產，如培訓模型，建立圖表和記錄

在這個由講師指導的香港現場培訓中，參與者將學習如何利用TPU處理器的創新來最大限度地提高他們自己的AI應用程式的性能。

在培訓結束時，參與者將能夠：

• 在大量數據上訓練各種類型的神經網路。
• 使用 TPU 可將推理過程速度提高多達兩個數量級。
• 利用 TPU 處理圖像搜索、雲視覺和照片等密集型應用程式。

TensorFlow ™是一個使用數據流圖進行數值計算的開源軟件庫。

SyntaxNet是TensorFlow的神經網絡自然語言處理框架。

Word 2Vec用於學習單詞的矢量表示，稱為“單詞嵌入”。 Word 2vec是一種特別計算有效的預測模型，用於學習原始文本中的單詞嵌入。它有兩種形式，連續Bag-of- Word模型（CBOW）和Skip-Gram模型（Mikolov等人的第3.1和3.2章）。

使用串聯，SyntaxNet和Word 2Vec允許用戶從自然語言輸入生成學習嵌入模型。

聽眾

本課程面向打算在TensorFlow圖中使用SyntaxNet和Word 2Vec模型的開發人員和工程師。

完成本課程後，代表們將：

• 了解TensorFlow的結構和部署機制
• 能夠執行安裝/生產環境/架構任務和配置
• 能夠評估代碼質量，執行調試，監控
• 能夠實現高級生產，如培訓模型，嵌入術語，構建圖形和記錄

本課程首先介紹神經網絡的概念知識，通常還包括機器學習算法，深度學習（算法和應用程序）。

本次培訓的一部分-1（40％）更注重基本面，但會幫助你選擇合適的技術： TensorFlow ， Caffe ，Theano，DeepDrive， Keras等。

本次培訓的第2部分（20％）介紹了Theano--一個python庫，可以輕鬆編寫深度學習模型。

第3部分（40％）的培訓將廣泛基於Tensorflow - Go ogle的Deep Learning開源軟件庫的第二代API。示例和動手都將在TensorFlow 。

聽眾

本課程面向希望將TensorFlow用於Deep Learning項目的工程師

完成本課程後，代表們將：

• 對深度神經網絡（DNN），CNN和RNN有很好的理解

• 了解TensorFlow的結構和部署機制

• 能夠執行安裝/生產環境/架構任務和配置

• 能夠評估代碼質量，執行調試，監控

• 能夠實現高級生產，如培訓模型，構建圖形和記錄