Szkolenie: Zastosowania SOTA w przetwarzaniu konkretnych danych
W systemach wykorzystujących szeroko rozumianą sztuczną inteligencję coraz częściej wykorzystujemy dane takie jak teksty, grafy czy chmury punktów 3D. Praktyczne zastosowanie modeli uczenia maszynowego do takich danych wiąże się z wieloma wyzwaniami, takimi jak duży rozmiar modeli (problemy z pamięcią oraz czasem odpowiedzi), brak modeli gotowych do użycia na produkcji czy niewielkie ilości dostępnych danych treningowych. Sieci neuronowe dedykowane do przetwarzania danych 3D muszą być niezmiennicze na obroty i permutacje. Z kolei przetwarzanie danych o strukturze grafowej z wykorzystaniem sieci neuronowych wymaga zastosowania dedykowanych modułów, które potrafią agregować informacje z takich danych. W ramach szkolenia omówiona zostanie tematyka efektywnego wykorzystania najnowszych modeli językowych opartych na architekturze Transformera. Poruszone zostaną kwestie trenowania wyspecjalizowanych modeli oraz problemów z ich rozmiarem i szybkością. Ponadto omówione zostaną architektury dedykowane do przetwarzania chmur punktów i grafów.
2350 PLN+23% VAT (2890 PLN brutto / 1 os.)Czas trwania szkolenia:2 dni (16h)
Kod kursu:DL/SOTA
Zastosowania SOTA w przetwarzaniu konkretnych danych
Cele szkolenia
Poznanie najnowocześniejszych algorytmów przetwarzania języka naturalnego opartych na architekturze transformera
Zapoznanie się z metodami przetwarzania danych 3D, w szczególności chmur punktów, z wykorzystaniem metod sztucznej inteligencji
Poznanie architektur sieci neuronowych dedykowanych do przetwarzania danych o strukturze grafowej
Zdobycie umiejętności praktycznego zastosowania omawianych algorytmów
Dla kogo?
Szkolenie adresowane jest do osób zajmujących się na co dzień głębokim uczeniem, które chcą być na bieżąco z najnowszymi trendami
W szczególności szkolenie przeznaczone jest dla programistów stosujących sztuczną inteligencję w przetwarzaniu języka naturalnego, przetwarzaniu chmur punktów lub pracy z danymi o strukturze grafowej
Zalety
Zajęcia prowadzone przez specjalistów, którzy na co dzień pracują z modelami do przetwarzania języka naturalnego, chmur punktów oraz grafów
Możliwość zapoznania się z zagadnieniami związanymi z wdrażaniem najnowocześniejszych modeli głębokiego uczenia w środowiskach produkcyjnych
Praktyczne zadania pozwalające dokładnie zrozumieć przekazywaną teorię
Wymagania
Od uczestników szkolenia wymagana jest znajomość podstaw działania sieci neuronowych oraz znajomość narzędzi do ich implementacji w języku Python (np. PyTorch)
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Praktyczne aspekty wdrażania najnowocześniejszych modeli głębokiego uczenia
Wydajność dużych modeli
Dostępność przetrenowanych wag
Dostępność danych uczących
SOTA w NLP
Architektura Transformer
Zastosowania Transformerów
Optymalizacja rozmiaru oraz efektywności modeli
Wdrażanie Transformerów w praktyce
Przetwarzanie chmur punktów 3D
Wymagania związane z przetwarzaniem danych 3D
Metody przetwarzania chmur 3D z wykorzystaniem sieci neuronowych
NeRF
Hiper sieci w przetwarzaniu chmur punktów 3D
Wykorzystanie sieci neuronowych do pracy z danymi o strukturze grafowej
Przykłady danych o strukturze grafowej oraz zastosowań sztucznej inteligencji do ich przetwarzania
Sieci grafowe