hong-kong現場深度学习培訓

本課程爲講師指導的線下或線上培訓，面向中級開發者、數據科學家和AI從業者，旨在幫助他們利用TensorFlow Lite開發Edge AI應用。

通過本培訓，學員將能夠：

• 理解TensorFlow Lite的基礎知識及其在Edge AI中的作用。
• 使用TensorFlow Lite開發和優化AI模型。
• 在各種邊緣設備上部署TensorFlow Lite模型。
• 掌握模型轉換和優化的工具與技術。
• 使用TensorFlow Lite實現實際的Edge AI應用。

本次由講師指導的線下或線上培訓面向希望深入瞭解計算機視覺並探索TensorFlow在Google Colab上開發複雜視覺模型能力的高級專業人員。

培訓結束後，參與者將能夠：

• 使用TensorFlow構建和訓練卷積神經網絡（CNN）。
• 利用Google Colab進行可擴展且高效的基於雲的模型開發。
• 爲計算機視覺任務實施圖像預處理技術。
• 部署計算機視覺模型以用於實際應用。
• 使用遷移學習提升CNN模型的性能。
• 可視化並解釋圖像分類模型的結果。

本課程為講師指導的hong-kong（線上或線下）培訓，旨在幫助中級數據科學家和開發人員理解並應用深度學習技術，使用Google Colab環境。

培訓結束後，參與者將能夠：

• 設置並導航Google Colab，用於深度學習項目。
• 理解神經網絡的基本原理。
• 使用TensorFlow實現深度學習模型。
• 訓練和評估深度學習模型。
• 利用TensorFlow的高級功能進行深度學習。

這種由 講師指導的 hong-kong 現場培訓（在線或現場）面向希望專注於 NLU 尖端深度學習技術的高級專業人士。

在本次培訓結束時，參與者將能夠：

• 瞭解 NLU 和 NLP 模型之間的主要區別。
• 將高級深度學習技術應用於 NLU 任務。
• 探索 Transformer 和 Attention 機制等深層架構。
• 利用 NLU 的未來趨勢來構建複雜的 AI 系統。

這種由講師指導的 hong-kong 現場現場培訓（在線或現場）面向希望探索深度學習模型的先進 XAI 技術的高級專業人員，重點是構建可解釋的 AI 系統。

在本次培訓結束時，參與者將能夠：

• 瞭解深度學習中可解釋性的挑戰。
• 為神經網路實施高級 XAI 技術。
• 解釋深度學習模型做出的決策。
• 評估性能和透明度之間的權衡。

hong-kong（線上或線下）的由講師指導的現場培訓，面向希望擴展在文本到圖像生成領域深度學習知識和技能的中高級數據科學家、機器學習工程師、深度學習研究者和計算機視覺專家。

完成本培訓後，參與者將能夠：

• 理解用於文本到圖像生成的先進深度學習架構和技術。
• 實施複雜模型和優化方案以實現高質量圖像合成。
• 爲大型數據集和複雜模型優化性能和可擴展性。
• 調整超參數以獲得更好的模型性能和泛化能力。
• 將Stable Diffusion與其他深度學習框架和工具集成

本次由講師指導的hong-kong（線上或線下）培訓面向高級專業人員，旨在利用AI技術革新藥物發現和開發流程。

培訓結束後，參與者將能夠：

• 瞭解AI在藥物發現和開發中的作用。
• 應用機器學習技術預測分子性質和相互作用。
• 使用深度學習模型進行虛擬篩選和先導化合物優化。
• 將AI驅動的方法整合到臨牀試驗流程中。

本課程爲講師指導的培訓（線上或線下），面向希望瞭解AlphaFold工作原理並在實驗研究中使用AlphaFold模型作爲指導的生物學家。

培訓結束後，學員將能夠：

• 理解AlphaFold的基本原理。
• 學習AlphaFold的工作原理。
• 學習如何解讀AlphaFold的預測結果。

這種由講師指導的 hong-kong 現場培訓（在線或現場）面向希望使用大型語言模型完成各種自然語言任務的初級到中級開發人員。

在本次培訓結束時，參與者將能夠：

• 設置包含常用 LLM 的開發環境。
• 創建基本 LLM 並在自訂數據集上對其進行微調。
• 將 LLM 用於不同的自然語言任務，例如文本摘要、問答、文字生成等。
• 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具調試和評估 LLM。

本次由講師主導的培訓（可在線或線下進行）面向數據科學家、機器學習工程師和計算機視覺研究人員，旨在幫助他們利用Stable Diffusion爲各種用例生成高質量圖像。

培訓結束後，參與者將能夠：

• 理解Stable Diffusion的原理及其在圖像生成中的應用。
• 構建和訓練Stable Diffusion模型，用於圖像生成任務。
• 將Stable Diffusion應用於各種圖像生成場景，如修復、擴展和圖像到圖像翻譯。
• 優化Stable Diffusion模型的性能和穩定性。

在這個由 hong-kong 講師指導的現場培訓中，參與者將學習 Python 中最相關和最前沿的機器學習技術，同時構建一系列涉及圖像、音樂、文本和財務數據的演示應用程式。

在本次培訓結束時，參與者將能夠：

• 實施機器學習演算法和技術來解決複雜問題。
• 將深度學習和半監督學習應用於涉及圖像、音樂、文本和財務數據的應用程式。
• 將 Python 演算法推向最大潛力。
• 使用 NumPy 和 Theano 等庫和包。

這門由講師指導的hong-kong（線上或線下）培訓課程，介紹了模式識別和機器學習的領域，並涵蓋了統計學、計算機科學、信號處理、計算機視覺、數據挖掘和生物信息學中的實際應用。

通過本培訓，參與者將能夠：

• 應用核心統計方法於模式識別。
• 使用神經網絡和核方法等關鍵模型進行數據分析。
• 實施高級技術以解決複雜問題。
• 通過結合不同模型來提高預測準確性。

hong-kong 中的講師指導即時培訓（線上或線下）面向希望使用 TensorFlow 2.x 和 Keras 構建、訓練並部署用於計算機視覺、自然語言處理和跨模態應用的深度學習模型的軟件開發人員、數據分析師和技術專業人員。

這種以講師為主導的hong-kong現場現場培訓針對的是希望使用TensorFlow分析潛在欺詐數據的數據科學家。

在培訓結束時，參與者將能夠：

• 在Python和TensorFlow中創建欺詐檢測模型。
• 建立線性回歸和線性回歸模型來預測欺詐。
• 開發一個端到端的人工智慧應用程序來分析欺詐數據。

在這次講師指導的培訓中，學員將學習如何使用Matlab設計、構建和可視化用於圖像識別的卷積神經網絡。

培訓結束後，學員將能夠：

• 構建深度學習模型
• 自動化數據標註
• 使用Caffe和TensorFlow-Keras的模型
• 使用多個GPU、雲或集羣訓練數據

受衆

• 開發者
• 工程師
• 領域專家

課程形式

• 部分講座、部分討論、練習和大量動手實踐

此課程為導師帶領的 hong-kong 線上或線下培訓，旨在協助開發人員與數據科學家使用 TensorFlow 2.x 構建預測器、分類器、生成模型、神經網絡等。

完成培訓後，學員將能：

• 安裝與配置 TensorFlow 2.x。
• 理解 TensorFlow 2.x 相較舊版本的優勢。
• 構建深度學習模型。
• 實現進階圖像分類器。
• 將深度學習模型部署至雲端、行動裝置及 IoT 設備。