Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Introduction to Machine and Deep Learning

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F22%3A10249844" target="_blank" >RIV/61989100:27740/22:10249844 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/22:10250749

  • Výsledek na webu

    <a href="https://events.it4i.cz/event/131/" target="_blank" >https://events.it4i.cz/event/131/</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Introduction to Machine and Deep Learning

  • Popis výsledku v původním jazyce

    In this course an overview to end-to-end deep learning with the latest version of Tensorflow/Keras was provided. It covered the basic concepts to define models with Keras and data pipelines with Tensorflow&apos;s &quot;Dataset&quot;, and to visualize the results with Tensorboard while training. If training on one node or GPU is not enough, how to scale up/out distributed training onto multiple compute nodes and GPUs with Horovod was showed. Furthermore, an introduction to scikit-learn, with an overview of different machine learning algorithms it provides and how to utilize it on GPUs with H2O4GPU was provided. The course consisted of a hands-on exercises that have been run directly on IT4I&apos;s infrastructure.

  • Název v anglickém jazyce

    Introduction to Machine and Deep Learning

  • Popis výsledku anglicky

    In this course an overview to end-to-end deep learning with the latest version of Tensorflow/Keras was provided. It covered the basic concepts to define models with Keras and data pipelines with Tensorflow&apos;s &quot;Dataset&quot;, and to visualize the results with Tensorboard while training. If training on one node or GPU is not enough, how to scale up/out distributed training onto multiple compute nodes and GPUs with Horovod was showed. Furthermore, an introduction to scikit-learn, with an overview of different machine learning algorithms it provides and how to utilize it on GPUs with H2O4GPU was provided. The course consisted of a hands-on exercises that have been run directly on IT4I&apos;s infrastructure.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů