Kursplan

Introduktion till Colab Pro

  • Colab vs. Colab Pro: funktioner och begränsningar
  • Skapa och hantera notebooks
  • Hårdvaruacceleratorer och körningstider

Python Programming i molnet

  • Kodceller, markdown och notebookstruktur
  • Paketinstallation och miljöinstantiering
  • Spara och versionshantera notebooks i Google Drive

Databearbetning och visualisering

  • Ladda och analysera data från filer, Google Sheets eller APIer
  • Användning av Pandas, Matplotlib och Seaborn
  • Streamning och visualisering av stora datamängder

Machine Learning med Colab Pro

  • Användning av Scikit-learn och TensorFlow i Colab
  • Träna modeller på GPU/TPU
  • Utvärdera och justera modellprestanda

Arbete med Deep Learning ramverk

  • Användning av PyTorch med Colab Pro
  • Hantering av minne och körningsresurser
  • Spara kontrollpunkter och träningsloggar

Integration och Collaboration

  • Montera Google Drive och ladda delade datamängder
  • Samarbeta via delade notebooks
  • Exportera till GitHub eller PDF för distribution

Prestandaproblem och bästa praxis

  • Hantera sessionslivslängd och tidsgränser
  • Effektiv kodorganisation i notebooks
  • Tips för långvariga eller produktionsnivåuppgifter

Sammanfattning och nästa steg

Krav

  • Erfarenhet av Python programmering
  • Kännedom om Jupyter notebooks och grundläggande dataanalys
  • Förståelse för vanliga maskininlärningsflöden

Målgrupp

  • Dataforskare och analytiker
  • Maskininlärningsingenjörer
  • Python utvecklare som arbetar med AI eller forskningsprojekt
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier