Curso de Fraud Detection with Python and TensorFlow

Este é um curso de 4 dias que apresenta a IA e a sua aplicação. Existe a opção de ter um dia adicional para realizar um projeto de IA após a conclusão deste curso.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a cientistas de dados e engenheiros de software que desejam usar o Dask com o ecossistema Python para criar, dimensionar e analisar grandes conjuntos de dados.

No final desta formação, os participantes serão capazes de

• Configurar o ambiente para começar a criar o processamento de big data com Dask e Python.
• Explorar os recursos, as bibliotecas, as ferramentas e as APIs disponíveis no Dask.
• Compreender como o Dask acelera a computação paralela em Python.
• Aprenda como escalar o ecossistema Python (Numpy, SciPy e Pandas) usando Dask.
• Otimizar o ambiente Dask para manter o alto desempenho na manipulação de grandes conjuntos de dados.

Este treinamento ao vivo, ministrado por instrutor em Brasil (online ou presencial), é direcionado a desenvolvedores e analistas de dados intermediários que desejam aprimorar suas habilidades em análise e manipulação de dados usando Python, Pandas e NumPy.

No final deste treinamento, os participantes serão capazes de:

• Configurar um ambiente de desenvolvimento que inclua Python, Pandas e NumPy.
• Criar uma aplicação de análise de dados usando Pandas e NumPy.
• Realizar operações avançadas de manipulação, ordenação e filtragem de dados.
• Executar operações agregadas e analisar dados de séries temporais.
• Visualizar dados usando Matplotlib e outras bibliotecas de visualização.
• Depurar e otimizar seu código de análise de dados.

Neste treinamento ao vivo conduzido por instrutor em Brasil, os participantes aprenderão a usar Python bibliotecas para PNL enquanto criam um aplicativo que processa um conjunto de imagens e gera legendas. 

No final desta formação, os participantes serão capazes de

• Desenhar e codificar DL para NLP usando Python bibliotecas.
• Criar Python código que lê uma coleção substancialmente enorme de imagens e gera palavras-chave.
• Criar Python Código que gera legendas a partir das palavras-chave detectadas.

Público

Este curso é adequado para pesquisadores e engenheiros do Deep Learning interessados em utilizar ferramentas disponíveis (principalmente código aberto) para analisar imagens de computador

Este curso fornece exemplos de trabalho.

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a desenvolvedores que desejam usar a pilha FARM (FastAPI, React e MongoDB) para criar aplicativos da Web dinâmicos, de alto desempenho e escalonáveis.

No final desta formação, os participantes serão capazes de

Configurar o ambiente de desenvolvimento necessário que integra FastAPI, React e MongoDB. Compreender os principais conceitos, recursos e benefícios da pilha FARM. Aprender a criar APIs REST com FastAPI. Aprender a conceber aplicações interactivas com React. Desenvolver, testar e implantar aplicativos (front-end e back-end) usando a pilha FARM.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores que desejam usar o FastAPI com Python para criar, testar e implantar APIs RESTful com mais facilidade e rapidez.

No final desta formação, os participantes serão capazes de

• Configurar o ambiente de desenvolvimento necessário para criar APIs com Python e FastAPI.
• Criar APIs de forma mais rápida e fácil usando a biblioteca FastAPI.
• Aprender como criar modelos de dados e esquemas baseados em Pydantic e OpenAPI.
• Conectar APIs a um banco de dados usando SQLAlchemy.
• Implementar segurança e autenticação em APIs usando as ferramentas do FastAPI.
• Construir imagens de contêiner e implantar APIs web em um servidor de nuvem.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a cientistas e desenvolvedores de dados que desejam usar Modin para criar e implementar cálculos paralelos com Pandas para uma análise de dados mais rápida.

No final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente necessário para começar a desenvolver fluxos de trabalho Pandas em escala com Modin.
• Compreender os recursos, a arquitetura e as vantagens de Modin.
• Conhecer as diferenças entre Modin, Dask e Ray.
• Realizar operações Pandas mais rapidamente com Modin.
• Implementar toda a API Pandas e as funções.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam usar o Tensorflow 2.x para construir preditores, classificadores, modelos generativos, redes neurais e assim por diante.

No final desta formação, os participantes serão capazes de

• Instalar e configurar o TensorFlow 2.x.
• Compreender os benefícios do TensorFlow 2.x em relação às versões anteriores.
• Construir modelos de aprendizado profundo.
• Implementar um classificador de imagem avançado.
• Implantar um modelo de aprendizado profundo na nuvem, em dispositivos móveis e de IoT.

Neste treinamento ao vivo conduzido por instrutor em Brasil (online ou no local), os participantes aprenderão como configurar e usar TensorFlow Serving para implantar e gerenciar modelos ML em um ambiente de produção.

No final desta formação, os participantes serão capazes de

• Treinar, exportar e servir diversos modelos TensorFlow.
• Testar e implantar algoritmos usando uma única arquitetura e conjunto de APIs.
• Estender o TensorFlow Serving para servir outros tipos de modelos além dos modelos TensorFlow.

TensorFlow é uma API de segunda geração da biblioteca de software de código aberto da Go ogle para Deep Learning . O sistema foi projetado para facilitar a pesquisa em aprendizado de máquina e para tornar mais rápida e fácil a transição do protótipo de pesquisa para o sistema de produção.

Público

Este curso é destinado a engenheiros que desejam usar o TensorFlow em seus projetos Deep Learning

Depois de concluir este curso, os delegados irão:

• entender a estrutura e os mecanismos de implantação do TensorFlow
• ser capaz de realizar tarefas de configuração / ambiente de produção / arquitetura e configuração
• ser capaz de avaliar a qualidade do código, executar a depuração, monitoramento
• ser capaz de implementar a produção avançada, como modelos de treinamento, construção de gráficos e registro

Este curso explora, com exemplos específicos, a aplicação do Tensor Flow para fins de reconhecimento de imagem

Público

Este curso destina-se a engenheiros que desejam utilizar o TensorFlow para fins de Reconhecimento de Imagem

Depois de concluir este curso, os delegados poderão:

• entender a estrutura e os mecanismos de implantação do TensorFlow
• realizar tarefas de instalação / ambiente de produção / arquitetura e configuração
• avaliar a qualidade do código, executar a depuração, monitoramento
• implementar a produção avançada, como modelos de treinamento, construção de gráficos e registro

Neste treinamento ao vivo conduzido por instrutor em Brasil, os participantes aprenderão como tirar proveito das inovações nos processadores TPU para maximizar o desempenho de seus próprios aplicativos de IA.

No final da formação, os participantes serão capazes de

• Treinar vários tipos de redes neurais em grandes quantidades de dados.
• Use TPUs para acelerar o processo de inferência em até duas ordens de magnitude.
• Utilizar TPUs para processar aplicativos intensivos, como pesquisa de imagens, visão em nuvem e fotos.

TensorFlow™ é uma biblioteca de software de código aberto para computação numérica usando gráficos de fluxo de dados.

SyntaxNet é um framework de processamento de línguas naturais de rede neural para TensorFlow.

Word2Vec é usado para a aprendizagem de representações vector de palavras, chamado "word embeddings". Word2vec é um modelo preditivo particularmente computacional-eficaz para a aprendizagem de palavras de texto cru. Ele vem em dois sabores, o modelo Continuous Bag-of-Words (CBOW) e o modelo Skip-Gram (Capítulos 3.1 e 3.2 em Mikolov et al.)

Usados em tandem, o SyntaxNet e Word2Vec permitem que os usuários gerem modelos de aprendizagem integrada a partir da entrada de língua natural.

Auditoria

Este curso é voltado para desenvolvedores e engenheiros que pretendem trabalhar com os modelos SyntaxNet e Word2Vec em seus gráficos TensorFlow.

Após a conclusão deste curso, os delegados serão:

• compreender TensorFlow’s estrutura e mecanismos de implantação
• Ser capaz de realizar tarefas de instalação / ambiente de produção / arquitetura e configuração
• ser capaz de avaliar a qualidade do código, realizar o desligamento, monitoramento
• Ser capaz de implementar produção avançada como modelos de treinamento, termos de inserção, gráficos de construção e logging

Este curso começa com o fornecimento de conhecimento conceitual em redes neurais e, geralmente, em algoritmo de aprendizado de máquina, aprendizado profundo (algoritmos e aplicativos).

A parte 1 (40%) deste treinamento é mais focada nos fundamentos, mas ajudará você a escolher a tecnologia certa: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc.

A parte 2 (20%) deste treinamento apresenta o Theano - uma biblioteca python que facilita a escrita de modelos de aprendizado profundo.

Parte 3 (40%) do treinamento seria extensivamente baseada no Tensorflow - API de 2ª geração da biblioteca de software de código aberto da Go ogle para Deep Learning . Os exemplos e handson seriam todos feitos no TensorFlow .

Público

Este curso é destinado a engenheiros que procuram usar o TensorFlow em seus projetos de Deep Learning

Após a conclusão deste curso, os delegados:

• ter um bom entendimento sobre redes neurais profundas (DNN), CNN e RNN

• entender a estrutura e os mecanismos de implantação do TensorFlow

• ser capaz de executar tarefas de instalação / ambiente de produção / arquitetura e configuração

• ser capaz de avaliar a qualidade do código, executar depuração, monitoramento

• ser capaz de implementar produção avançada, como modelos de treinamento, construção de gráficos e registro