Durchgängiges maschinelles und vertieftes Lernen mit Apache Ignite und TensorFlow

Bei den meisten Frameworks für maschinelles Lernen (ML) und Deep Learning (DL) kann es Stunden dauern, Daten zu verschieben, und Stunden, um Modelle zu trainieren. Erfahren Sie, wie Apache Ignite das Ausführen von Modelltrainings und die Ausführung nahezu in Echtzeit verhindert und kontinuierliches Lernen ermöglicht.
In diesem Webinar auf Englisch erklärt Yuri Babak, Leiter der ML / DL-Framework-Entwicklung bei GridGain und Hauptverantwortlicher für Apache Ignite, wie ML und DL mit Apache Ignite zusammenarbeiten und wie Sie beginnen.
Themen sind unter anderem: 

  • Eine Übersicht über Apache Ignite ML / DL, einschließlich vorgefertigter ML / DL, und wie Sie Ihre eigenen ML / DL-Algorithmen hinzufügen 
  • Verwendung von Apache Ignite als verteilte Datenquelle für TensorFlow zum vertieften Lernen 
  • So trainieren Sie Modelle mithilfe eines TensorFlow-Clusters auf Apache Ignite 
  • Wie Sie Modelle auswerten und Schlussfolgerungen aus TensorFlow-Modellen über Apache Ignite-Cluster ziehen
     
Presented by
Yury Babak
Team Lead
Share This
Registrieren Sie sich für dieses Webinar