Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в Google Colab Pro
- Colab срещу Colab Pro: функции и ограничения
- Създаване и управление на notebooks
- Хардуерни ускорители и настройки за изпълнение
Python програмиране в облака
- Кодови клетки, markdown и структура на notebook
- Инсталиране на пакети и настройка на средата
- Запазване и версиониране на notebooks в Google Drive
Обработка и визуализация на данни
- Зареждане и анализ на данни от файлове, Google Sheets или API
- Използване на Pandas, Matplotlib и Seaborn
- Поточно предаване и визуализиране на големи набори от данни
Машинно обучение с Colab Pro
- Използване на Scikit-learn и TensorFlow в Colab
- Обучение на модели с GPU/TPU
- Оценяване и настройване на производителността на моделите
Работа с рамки за дълбоко обучение
- Използване на PyTorch с Colab Pro
- Управление на паметта и ресурсите за изпълнение
- Запазване на контролни точки и регистрационни файлове за обучение
Интеграция и сътрудничество
- Монтиране на Google Drive и зареждане на споделени набори от данни
- Сътрудничество чрез споделени notebooks
- Експортиране към GitHub или PDF за разпространение
Оптимизация на производителността и най-добри практики
- Управление на живота на сесията и времевите ограничения
- Ефективна организация на кода в notebooks
- Съвети за дълготрайни задачи или задачи на производствено ниво
Обобщение и следващи стъпки
Изисквания
- Опит с програмирането на Python
- Познаване на Jupyter notebooks и основен анализ на данни
- Разбиране на обичайните работни процеси за машинно обучение
Аудитория
- Data scientists и анализатори
- Инженери по машинно обучение
- Python разработчици, работещи по AI или изследователски проекти
14 Часа