IT-Trainer Jobs und Stellenangebote: LFD473 PyTorch in Practice: An Applications-First Approach

Seminardauer: 4 Tage

Trainer gesucht

IT-Trainer Jobs und Stellenangebote: LFD473 PyTorch in Practice: An Applications-First Approach, Data Scientist, KI-Experte, Künstliche Intelligenz (KI), Linux Foundation, PyTorch.

Anmelden / Registrieren als Trainer

Agenda

PyTorch, Datensätze und Models

  • Was ist PyTorch?
  • Das PyTorch-Ökosystem
  • Überwachtes vs. Unüberwachtes Lernen
  • Softwareentwicklung vs. Machine und Deep Learning
  • "Hello Model"
  • Naming Is Hard
  • Setup und Environment

Datensatz erstellen

  • Tensoren, Geräte und CUDA
  • Datasets
  • Dataloader
  • Datapipes

Training des Models

  • Recap
  • Models
  • Loss Functions
  • Gradients und Autograd
  • Optimizers
  • Raw Training Loop
  • Evaluation
  • Models speichern und laden
  • NonLinearities

Erstellung einer Datapipe

  • Ein neuer Datensatz
  • Rundgang durch High-Level-Bibliotheken

Transfer Learning und Pretrained Models

  • Was ist Transferlernen?
  • Torch Hub
  • Computer Vision
  • Auslassen
  • ImageFolder-Datensatz

Vortrainierte Modelle für Computer Vision

  • PyTorch Image Models
  • HuggingFace

Natural Language Processing

  • Natural Language Processing
  • Ein Logit oder zwei Logits?
  • Cross-Entropy-Loss
  • TensorBoard
  • Hugging Face Pipelines
  • Generative Models

Bildklassifikation mit Torchvision

  • Torchvision
  • Pretained Models als Feature Extractors

Pretained Models für Computer Vision

  • Feinanpassung vortrainierter Modelle
  • Zero-Shot-Image Klassifikation

Modelle mit TorchServe bereitstellen

  • Archivierung und Bereitstellung von Models
  • TorchServe

Datensätze und Transformationen für Objekterkennung und Bildsegmentierung

  • Objekterkennung, Bildsegmentierung und Keypoint-Erkennung
  • Bounding Boxes
  • Torchvision-Operatoren
  • Transforms (V2)
  • Benutzerdefinierter Datensatz für Objekterkennung

Models für Objekterkennung und Bildsegmentierung

  • Models

Models zur Bewertung der Objekterkennung

  • Rückblick
  • Vorhersagen treffen
  • Bewertung
  • YOLO
  • HuggingFace Pipelines für Objekterkennung
  • Zero-Shot-Objekterkennung

Word Embeddings und Text Classification

  • Torchtext
  • AG News-Datensatz
  • Tokenisierung
  • Embeddings
  • Vektor Datenbanken
  • Zero-Shot Text Classification
  • Chunking-Strategien

Kontextuelle Word Embeddings mit Transformers

  • Attention is All You Need
  • Transformer
  • Encoder-Based Model für die Klassifikation
  • Kontextuelle Embeddings

Huggingface Pipelines für NLP-Aufgaben

  • HuggingFace Pipelines

Zusammenfassung und LLMs

  • EDGAR-Datensatz
  • Halluzinationen
  • Asymmetric Semantic Search
  • ROUGE-Score
  • Decoder-Based Models
  • Large Language Models (LLMs)