Свържете се с нас

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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории