Szkolenia Deep Learning

Szkolenia Deep Learning

Lokalne, prowadzone przez instruktorów kursy na żywo Deep Learning (DL) demonstrują poprzez praktyczne ćwiczenia podstawy i aplikacje Deep Learning i obejmują przedmioty takie jak głębokie uczenie maszynowe, głębokie ustrukturyzowane uczenie się i hierarchiczna nauka Szkolenie Deep Learning jest dostępne jako "szkolenie na miejscu" lub "szkolenie na żywo" Szkolenie na żywo w siedzibie klienta może odbywać się lokalnie w siedzibie klienta w Polsce lub w centrach szkoleniowych korporacji NobleProg w Polsce Zdalne szkolenie na żywo odbywa się za pomocą interaktywnego, zdalnego pulpitu NobleProg Twój lokalny dostawca szkoleń.

Opinie uczestników

★★★★★
★★★★★

Podkategorie Deep Learning

Plany szkoleń z technologii Deep Learning

KodNazwaCzas trwaniaCharakterystyka kursu
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 godzinySztuczna sieć neuronowa to komputerowy model danych wykorzystywany w opracowywaniu systemów sztucznej inteligencji (AI) zdolnych do wykonywania "inteligentnych" zadań. Sieci neuronowe są powszechnie stosowane w aplikacjach Machine Learning (ML), które same są jedną z implementacji sztucznej inteligencji. Deep Learning jest podzbiorem ML.
dsstneAmazon DSSTNE: Build a Recommendation System7 godzinyAmazon DSSTNE jest biblioteką opensource przeznaczoną do szkolenia i wdrażania modeli rekomendacji Pozwala to modelom z matrycami wagowymi, które są zbyt duże, aby pojedynczy procesor GPU mógł zostać przeszkolony na pojedynczym hoście W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak używać DSSTNE do tworzenia aplikacji rekomendacji Pod koniec tego szkolenia uczestnicy będą mogli: Wyszkol model rekomendacji z rzadkimi zbiorami danych jako dane wejściowe Skaluj modele szkoleniowe i predykcyjne na wielu procesorach graficznych Rozłóż obliczenia i pamięć w modelu równoległym Generuj spersonalizowane rekomendacje produktów Amazon Wdrożyć produkcyjną aplikację, która może skalować się przy dużych obciążeniach Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
drlpythonDeep Reinforcement Learning with Python21 godzinyDeep Reinforcement Learning to zdolność "sztucznego agenta" do uczenia się metodą trialanderror, rewardsandpunishments Sztuczny agent ma naśladować zdolność człowieka do samodzielnego zdobywania i konstruowania wiedzy bezpośrednio z surowych danych wejściowych, takich jak wizja Aby zrealizować uczenie się wzmacniania, stosuje się głębokie uczenie się i sieci neuronowe Uczenie się wzmacniające różni się od uczenia maszynowego i nie opiera się na nadzorowanych i nienadzorowanych metodach uczenia się W tym instruktażowym szkoleniu na żywo uczestnicy poznają podstawy Deep Reinforcement Learning, gdy będą przechodzić przez proces tworzenia Deep Learning Agent Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z kluczowymi pojęciami stojącymi za Deep Reinforcement Learning i odróżnij je od Learning Machine Zastosuj zaawansowane algorytmy uczenia wzmacniania, aby rozwiązać problemy z prawdziwego świata Zbuduj agenta Deep Learning Publiczność Deweloperzy Data Scientists Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
dlforfinancewithpythonDeep Learning for Finance (with Python)28 godzinyUczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe Python to język programowania wysokiego poziomu znany ze swojej czytelnej składni i czytelności kodu Podczas tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się dla finansów za pomocą Pythona, gdy przechodzą przez tworzenie modelu prognozowania cen akcji Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia głębokiego uczenia się Poznaj aplikacje i zastosowania głębokiego uczenia się w finansach Używaj Pythona, Keras i TensorFlow do tworzenia modeli głębokiego uczenia się dla finansów Zbuduj własny model prognozowania cen akcji za pomocą Pythona Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
dlforbankingwithrDeep Learning for Banking (with R)28 godzinyUczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe R jest popularnym językiem programowania w branży finansowej Jest stosowany w aplikacjach finansowych, od podstawowych programów transakcyjnych po systemy zarządzania ryzykiem W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się w bankowości przy pomocy R, gdy przechodzą przez tworzenie modelu głębokiego uczenia się ryzyka kredytowego Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia głębokiego uczenia się Poznaj aplikacje i zastosowania głębokiej nauki w bankowości Użyj R, aby stworzyć modele głębokiego uczenia się dla bankowości Zbuduj swój własny model ryzyka kredytowego głębokiego uczenia się za pomocą R Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
dlforbankingwithpythonDeep Learning for Banking (with Python)28 godzinyUczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe Python to język programowania wysokiego poziomu znany ze swojej czytelnej składni i czytelności kodu W ramach tego instruktażowego szkolenia na żywo uczestnicy nauczą się, jak wdrażać modele głębokiego uczenia się w bankowości przy użyciu Pythona, ponieważ przechodzą przez tworzenie modelu głębokiego uczenia się ryzyka kredytowego Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia głębokiego uczenia się Poznaj aplikacje i zastosowania głębokiej nauki w bankowości Używaj Pythona, Keras i TensorFlow do tworzenia modeli głębokiego uczenia się dla bankowości Zbuduj własny model ryzyka kredytowego głębokiego uczenia się za pomocą Pythona Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
dlfinancewithrDeep Learning for Finance (with R)28 godzinyUczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe R jest popularnym językiem programowania w branży finansowej Jest stosowany w aplikacjach finansowych, od podstawowych programów transakcyjnych po systemy zarządzania ryzykiem W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się dla finansów, używając R, gdy przechodzą przez tworzenie modelu prognozowania cen akcji głębokiego uczenia się Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia głębokiego uczenia się Poznaj aplikacje i zastosowania głębokiego uczenia się w finansach Użyj R, aby stworzyć modele głębokiego uczenia się dla finansów Zbuduj własny model prognozowania cen akcji za pomocą R Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
dlfornlpDeep Learning for NLP (Natural Language Processing)28 godzinyDeep Learning for NLP pozwala maszynie uczyć się prostego lub złożonego przetwarzania języka Wśród aktualnie dostępnych zadań znajduje się tłumaczenie i generowanie napisów do zdjęć DL (Deep Learning) jest podzbiorem ML (Machine Learning) Python jest popularnym językiem programowania, który zawiera biblioteki dla Deep Learning for NLP W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się korzystać z bibliotek Pythona dla NLP (Natural Language Processing), ponieważ tworzą aplikację, która przetwarza zestaw zdjęć i generuje podpisy Pod koniec tego szkolenia uczestnicy będą mogli: Projekt i kod DL dla NLP przy użyciu bibliotek Python Utwórz kod w języku Python, który odczytuje zasadniczo ogromną kolekcję obrazów i generuje słowa kluczowe Utwórz kod Pythona generujący podpisy z wykrytych słów kluczowych Publiczność Programiści zainteresowani językoznawstwem Programiści, którzy poszukują zrozumienia NLP (przetwarzanie języka naturalnego) Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
undnnUnderstanding Deep Neural Networks35 godzinyTen kurs rozpoczyna się od przekazania wiedzy koncepcyjnej w sieciach neuronowych i ogólnie w algorytmie uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje) Część 1 (40%) tego szkolenia jest bardziej skoncentrowana na podstawach, ale pomoże ci wybrać właściwą technologię: TensorFlow, Caffe, Theano, DeepDrive, Keras, itp Część 2 (20%) tego szkolenia wprowadza Theano w bibliotekę pytonów, która ułatwia pisanie modeli głębokiego uczenia się Część 3 (40%) szkolenia będzie szeroko oparta na Tensorflow 2nd Generation API biblioteki Google Open Source dla Deep Learning Przykłady i handson zostaną wykonane w TensorFlow Publiczność Ten kurs jest przeznaczony dla inżynierów, którzy chcą korzystać z TensorFlow w swoich projektach Deep Learning Po ukończeniu tego kursu delegaci: dobrze rozumieć głębokie sieci neuronowe (DNN), CNN i RNN zrozumieć strukturę i mechanizmy wdrażania TensorFlow być w stanie wykonać zadania związane z instalacją / środowiskiem produkcyjnym / architekturą i konfiguracją być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie być w stanie wdrożyć zaawansowane produkty, takie jak modele szkoleniowe, tworzenie wykresów i rejestrowanie Nie wszystkie tematy zostałyby zakwalifikowane do publicznej sali lekcyjnej o 35 godzin z powodu ogromu tematu Czas trwania całego kursu wyniesie około 70 godzin, a nie 35 godzin .
mlbankingpython_Machine Learning for Banking (with Python)21 godzinyUczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Python to język programowania znany ze swojej czytelnej składni i czytelności Oferuje doskonały zbiór dobrze przetestowanych bibliotek i technik do tworzenia aplikacji uczenia maszynowego Podczas tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, jak zastosować techniki uczenia maszynowego i narzędzia do rozwiązywania problemów w świecie rzeczywistym w branży bankowej Uczestnicy najpierw poznają kluczowe zasady, a następnie wykorzystają swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do ukończenia szeregu projektów zespołowych Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
radvmlAdvanced Machine Learning with R21 godzinyPodczas tego instruktażowego szkolenia na żywo uczestnicy poznają zaawansowane techniki uczenia maszynowego z R, gdy będą przechodzić przez tworzenie aplikacji realworld Pod koniec tego szkolenia uczestnicy będą mogli: Użyj technik jako strojenia hiperparametrowego i głębokiego uczenia się Zrozum i wdrażaj nienadzorowane techniki uczenia się Wprowadź model do produkcji do użycia w większej aplikacji Publiczność Deweloperzy Analitycy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
pythonadvmlPython for Advanced Machine Learning21 godzinyW tym instruktażowym szkoleniu na żywo uczestnicy poznają najbardziej odpowiednie i najdoskonalsze techniki uczenia maszynowego w Pythonie, ponieważ tworzą serię aplikacji demonstracyjnych obejmujących obraz, muzykę, tekst i dane finansowe Pod koniec tego szkolenia uczestnicy będą mogli: Zaimplementuj algorytmy uczenia maszynowego i techniki rozwiązywania złożonych problemów Zastosuj głębokie uczenie się i nauczanie półinstruowane w aplikacjach wykorzystujących obraz, muzykę, tekst i dane finansowe Pchnij algorytmy Pythona do ich maksymalnego potencjału Używaj bibliotek i pakietów, takich jak NumPy i Theano Publiczność Deweloperzy Analitycy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
openfaceOpenFace: Creating Facial Recognition Systems14 godzinyOpenFace to oparte na Pythonie i Torch oprogramowanie do rozpoznawania twarzy w czasie rzeczywistym oparte na badaniach FaceNet firmy Google W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak używać komponentów OpenFace do tworzenia i wdrażania przykładowej aplikacji rozpoznawania twarzy Pod koniec tego szkolenia uczestnicy będą mogli: Pracuj z komponentami OpenFace, w tym dlib, OpenVC, Latarka i nn4, aby zaimplementować wykrywanie twarzy, wyrównanie i transformację Zastosuj OpenFace do aplikacji realworld, takich jak nadzór, weryfikacja tożsamości, wirtualna rzeczywistość, gry i identyfikacja powtarzających się klientów itp Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7 godzinyTensor2Tensor (T2T) to modułowa, rozszerzalna biblioteka do szkolenia modeli sztucznej inteligencji w różnych zadaniach, wykorzystująca różne typy danych szkoleniowych, na przykład: rozpoznawanie obrazu, tłumaczenie, analizowanie, podpisywanie obrazów i rozpoznawanie mowy Jest utrzymywany przez zespół Google Brain W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak przygotować model głęboki, aby rozwiązać wiele zadań Pod koniec tego szkolenia uczestnicy będą mogli: Zainstaluj tensor2tensor, wybierz zestaw danych i trenuj i oceniaj model sztucznej inteligencji Dostosuj środowisko programistyczne za pomocą narzędzi i komponentów zawartych w Tensor2Tensor Utwórz i używaj jednego modelu do jednoczesnego uczenia się wielu zadań z wielu domen Użyj modelu, aby uczyć się na zadaniach z dużą ilością danych szkoleniowych i zastosować tę wiedzę do zadań, w których dane są ograniczone Uzyskaj satysfakcjonujące wyniki przetwarzania za pomocą pojedynczego procesora graficznego Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
mldlnlpintroML、DL與NLP入門與進階大綱14 godzinyCelem tego kursu jest zapewnienie podstawowej biegłości w stosowaniu metod uczenia maszynowego w praktyce Dzięki zastosowaniu języka programowania Python i jego różnych bibliotek, i na podstawie wielu praktycznych przykładów, ten kurs uczy, jak korzystać z najważniejszych elementów składowych uczenia maszynowego, jak podejmować decyzje dotyczące modelowania danych, interpretować wyniki algorytmów i sprawdź wyniki Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędziowego Machine Learning i unikania typowych pułapek aplikacji Data Sciences .
deeplearning1Introduction to Deep Learning21 godzinyTen kurs jest ogólnym przeglądem Deep Learning bez wchodzenia zbyt głęboko w żadne konkretne metody. Jest odpowiedni dla osób, które chcą rozpocząć korzystanie z głębokiego uczenia się w celu zwiększenia dokładności przewidywania.
PaddlePaddlePaddlePaddle21 godzinyPaddlePaddle (PArallel Distributed Deep Learning) to skalowalna platforma do głębokiego uczenia się opracowana przez Baidu W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać z PaddlePaddle, aby umożliwić głębokie uczenie się w swoich produktach i usługach Pod koniec tego szkolenia uczestnicy będą mogli: Skonfiguruj i skonfiguruj PaddlePaddle Stwórz Convolutional Neural Network (CNN) do rozpoznawania obrazów i wykrywania obiektów Skonfiguruj powtarzalną sieć neuronową (RNN) do analizy sentymentów Skonfiguruj głęboką naukę w systemach rekomendacji, aby pomóc użytkownikom znaleźć odpowiedzi Przewidzieć współczynniki klikalności (CTR), klasyfikować zbiory obrazów wielkoskalowych, wykonywać optyczne rozpoznawanie znaków (OCR), wyszukiwać w rankingu, wykrywać wirusy komputerowe i wdrażać system rekomendacji Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 godzinyMicrosoft Cognitive Toolkit 2x (wcześniej CNTK) to zestaw narzędzi opensource, commercialgrade, który trenuje algorytmy głębokiego uczenia się, aby nauczyć się jak ludzki mózg Według Microsoftu, CNTK może być 510x szybszy niż TensorFlow na sieciach powtarzalnych i 2 do 3 razy szybszy niż TensorFlow dla zadań powiązanych z obrazem W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się korzystać z Microsoft Cognitive Toolkit w celu tworzenia, szkolenia i oceny algorytmów uczenia głębokiego w celu wykorzystania w komercyjnych aplikacjach AI obejmujących wiele rodzajów danych, takich jak dane, mowa, tekst i obrazy Pod koniec tego szkolenia uczestnicy będą mogli: Uzyskaj dostęp do biblioteki CNTK jako biblioteki z poziomu programu Python, C # lub C ++ Użyj CNTK jako samodzielnego narzędzia do nauki maszyn poprzez własny język opisu modelu (BrainScript) Użyj funkcji oceny modelu CNTK z programu Java Połącz feedforward DNN, splotowe sieci (CNN) i sieci powtarzalne (RNN / LSTM) Skaluj moc obliczeniową na procesorach, GPU i wielu komputerach Uzyskaj dostęp do ogromnych zestawów danych przy użyciu istniejących języków programowania i algorytmów Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson Uwaga Jeśli chcesz dostosować dowolną część tego szkolenia, w tym wybrany język programowania, skontaktuj się z nami w celu ustalenia szczegółów .
facebooknmtFacebook NMT: Setting up a Neural Machine Translation System7 godzinyFairseq to zestaw narzędzi do nauki sekwencjonowania opensource, stworzony przez Facebok do użytku w Neural Machine Translation (NMT) W tym szkoleniu uczestnicy dowiedzą się, jak używać Fairseq do tłumaczenia przykładowych treści Pod koniec tego szkolenia uczestnicy będą mieli wiedzę i praktykę potrzebne do wdrożenia rozwiązania do tłumaczenia maszynowego na żywo Fairseq Publiczność Specjaliści ds Lokalizacji z zapleczem technicznym Globalni menedżerowie treści Inżynierowie lokalizacji Twórcy oprogramowania odpowiedzialni za wdrażanie globalnych rozwiązań dotyczących treści Format kursu Wykład częściowy, dyskusja częściowa, ciężka praktyka handson Uwaga Jeśli chcesz użyć określonej treści źródłowej i docelowej, skontaktuj się z nami w celu ustalenia szczegółów .
intrdplrngrsneuingIntroduction Deep Learning & Neural Networks for Engineers21 godzinyTyp: szkolenie teoretyczne z wnioskami podjętymi wcześniej ze studentami w Lasagne lub Keras zgodnie z grupą pedagogiczną Metody nauczania: prezentacja, wymiany i studia przypadku Sztuczna inteligencja, po zaburzeniu wielu dziedzin nauki, zaczęła zrewolucjonizować wiele sektorów gospodarki (przemysł, medycyna, komunikacja itp) Niemniej jednak jego prezentacja w głównych mediach często jest fantastyczna, bardzo daleko od tego, co tak naprawdę jest w obszarze uczenia maszynowego lub głębokiego uczenia się Celem tego szkolenia jest zapewnienie inżynierom, którzy już posiadają opanowanie narzędzi komputerowych (w tym podstawy programowania oprogramowania) wprowadzenia do Deep Learning i jego różnych dziedzin specjalizacji, a tym samym do głównych istniejących architektur sieci dziś Jeśli bazy matematyczne zostaną przywołane w trakcie kursu, zaleca się poziom matematyki typu BAC + 2 dla większego komfortu Absolutnie można pominąć oś matematyczną, aby zachować tylko wizję "systemu", ale takie podejście znacznie ograniczy twoje rozumienie tematu ,.
opennmtOpenNMT: Setting Up a Neural Machine Translation System7 godzinyOpenNMT jest pełnoprawnym, otwartym (MIT) systemem translacji maszyn neuronowych, który wykorzystuje matematyczny zestaw narzędzi Torch W tym szkoleniu uczestnicy dowiedzą się, jak skonfigurować i używać OpenNMT do przeprowadzania translacji różnych zestawów danych próbek Kurs rozpoczyna się od przeglądu sieci neuronowych, które dotyczą tłumaczenia maszynowego Uczestnicy przeprowadzą ćwiczenia na żywo w trakcie kursu, aby zademonstrować zrozumienie pojęć i uzyskać informacje zwrotne od instruktora Pod koniec tego szkolenia uczestnicy będą mieli wiedzę i praktykę potrzebne do wdrożenia żywego rozwiązania OpenNMT Próbki języka źródłowego i docelowego zostaną ustalone zgodnie z wymaganiami odbiorców Publiczność Specjaliści ds Lokalizacji z zapleczem technicznym Globalni menedżerowie treści Inżynierowie lokalizacji Twórcy oprogramowania odpowiedzialni za wdrażanie globalnych rozwiązań dotyczących treści Format kursu Wykład częściowy, dyskusja częściowa, ciężka praktyka handson .
mlentreMachine Learning Concepts for Entrepreneurs and Managers21 godzinyTen kurs jest przeznaczony dla osób, które chciałyby zastosować uczenie maszynowe w praktycznych aplikacjach dla swojego zespołu Szkolenie nie będzie polegało na technicznych aspektach i będzie się kręcić wokół podstawowych pojęć i aplikacji biznesowych / operacyjnych tego samego Docelowi odbiorcy Inwestorzy i przedsiębiorcy AI Kierownicy i inżynierowie, których firma wkracza w przestrzeń sztucznej inteligencji Analitycy biznesowi i inwestorzy .
OpenNNOpenNN: Implementing Neural Networks14 godzinyOpenNN jest biblioteką klasy opensource napisaną w C ++, która implementuje sieci neuronowe, do wykorzystania w uczeniu maszynowym W tym kursie omawiamy zasady sieci neuronowych i wykorzystujemy OpenNN do implementacji przykładowej aplikacji Publiczność Twórcy oprogramowania i programiści, którzy chcą tworzyć aplikacje Deep Learning Format kursu Wykład i dyskusja połączone z ćwiczeniami handson .
TorchTorch: Getting started with Machine and Deep Learning21 godzinyTorch jest biblioteką do uczenia maszynowego open source i naukowym środowiskiem obliczeniowym opartym na języku programowania Lua Zapewnia środowisko programistyczne do numerowania, uczenia maszynowego i wizji komputerowej, ze szczególnym naciskiem na głębokie uczenie się i sieci splotowe Jest to jedna z najszybszych i najbardziej elastycznych frameworków dla Machine i Deep Learning i jest używana przez firmy takie jak Facebook, Google, Twitter, NVIDIA, AMD, Intel i wiele innych W tym kursie omawiamy zasady pochodnia, jego unikalne cechy i jak można je zastosować w aplikacjach rzeczywistych Przechodzimy przez liczne ćwiczenia handson przez cały czas, demonstrując i praktykując wyuczone pojęcia Pod koniec kursu uczestnicy będą mieli dogłębne zrozumienie podstawowych funkcji i możliwości pochodni Torcha, a także ich roli i wkładu w przestrzeń AI w porównaniu z innymi frameworkami i bibliotekami Uczestnicy otrzymają również niezbędną praktykę do wdrożenia Latarki w swoich własnych projektach Publiczność Programiści i programiści, którzy chcą włączyć Machine i Deep Learning w swoich aplikacjach Format kursu Omówienie maszyny i głębokiego uczenia się Włączenie programowania i ćwiczeń integracyjnych Testowe pytania posypane po drodze, aby sprawdzić zrozumienie .
mldtMachine Learning and Deep Learning21 godzinyTen kurs obejmuje AI (podkreślając uczenie maszynowe i głębokie uczenie się) .
NeuralnettfNeural Networks Fundamentals using TensorFlow as Example28 godzinyTen kurs da ci wiedzę w zakresie sieci neuronowych i ogólnie algorytmu uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje) Szkolenie koncentruje się bardziej na podstawach, ale pomoże Ci wybrać odpowiednią technologię: TensorFlow, Caffe, Teano, DeepDrive, Keras, itp Przykłady są wykonane w TensorFlow .
dlvDeep Learning for Vision21 godzinyPubliczność Ten kurs jest odpowiedni dla naukowców i inżynierów Deep Learning zainteresowanych wykorzystaniem dostępnych narzędzi (głównie open source) do analizy obrazów komputerowych Ten kurs dostarcza przykładów roboczych .
caffeDeep Learning for Vision with Caffe21 godzinyCaffe jest głęboką strukturą uczenia się stworzoną z myślą o ekspresji, szybkości i modułowości Ten kurs dotyczy zastosowania Caffe jako platformy do głębokiego uczenia się do rozpoznawania obrazów za pomocą MNIST jako przykładu Publiczność Ten kurs jest odpowiedni dla badaczy i inżynierów Deep Learning zainteresowanych wykorzystaniem Caffe jako frameworka Po ukończeniu tego kursu uczestnicy będą mogli: zrozumieć strukturę Caffe i mechanizmy jej wdrażania przeprowadzić instalację / środowisko produkcyjne / zadania i konfigurację architektury ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie wdrażaj zaawansowaną produkcję, np modele szkoleniowe, wdrażanie warstw i logowanie .
dladvAdvanced Deep Learning28 godzinyUczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe .
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21 godzinyWprowadzenie : Głębokie uczenie się staje się głównym składnikiem przyszłego projektu produktu, który chce włączyć sztuczną inteligencję w sedno swoich modeli W ciągu najbliższych 5 do 10 lat narzędzia do nauki głębokiego uczenia się , biblioteki i języki staną się standardowymi komponentami każdego zestawu narzędzi do tworzenia oprogramowania Do tej pory Google, Sales Force, Facebook, Amazon z powodzeniem stosowały AI Deep Learning, aby zwiększyć swój biznes Zastosowania obejmowały automatyczne tłumaczenie maszynowe, analizę obrazu, analitykę wideo, analizę ruchu, generowanie ukierunkowanych reklam i wiele innych Ten kurs jest skierowany do tych organizacji, które chcą włączyć Deep Learning jako bardzo ważną część ich strategii produktów lub usług Poniżej znajduje się zarys kursu głębokiego uczenia się, który możemy dostosować dla różnych poziomów pracowników / interesariuszy w organizacji Docelowi odbiorcy: (W zależności od grupy docelowej materiały kursu będą dostosowywane) Kierownictwo Ogólny przegląd AI i jego wpływu na strategię firmy, z sesjami przełamującymi planowanie strategiczne, mapy drogowe technologii i alokację zasobów w celu zapewnienia maksymalnej wartości Menadżerowie projektu Jak zaplanować projekt sztucznej inteligencji, w tym zbieranie danych i ich ocenę, czyszczenie i weryfikację danych, opracowanie modelu proofofconcept, integrację z procesami biznesowymi i dostarczanie w całej organizacji Deweloperzy Oddajemy szkolenia techniczne, koncentrując się na sieciach neuronowych i głębokim uczeniu się, analizie obrazu i obrazu (CNN), analizie dźwiękowej i tekstowej (NLP) oraz wprowadzaniu sztucznej inteligencji do istniejących aplikacji Sprzedawcy Ogólny przegląd AI i tego, w jaki sposób może zaspokoić potrzeby klientów, oferty cenne dla różnych produktów i usług oraz jak rozwiać obawy i promować korzyści z AI .

Nadchodzące szkolenia z technologii Deep Learning

SzkolenieData KursuCena szkolenia [Zdalne / Stacjonarne]
Natural Language Processing with TensorFlow - Gliwice ul. Zwycięstwa 36pon., 2018-10-08 09:004980PLN / 6480PLN
Understanding Deep Neural Networks - Łódź, al. Piłsudskiego 10/14pon., 2018-10-08 09:008320PLN / 9820PLN
Artificial Neural Networks, Machine Learning, Deep Thinking - Opole, Władysława Reymonta 29śr., 2018-10-10 09:004990PLN / 5990PLN
Deep Learning for Vision with Caffe - Zielona Góra, ul. Reja 6śr., 2018-10-10 09:004990PLN / 5990PLN
Python for Advanced Machine Learning - Gdańsk, ul. Grodzka 19pon., 2018-10-15 09:004990PLN / 5990PLN
Szkolenie Deep Learning, Deep Learning boot camp, Szkolenia Zdalne Deep Learning, szkolenie wieczorowe Deep Learning, szkolenie weekendowe Deep Learning, Kurs Deep Learning,Kursy Deep Learning, Trener Deep Learning, instruktor Deep Learning, kurs zdalny Deep Learning, edukacja zdalna Deep Learning, nauczanie wirtualne Deep Learning, lekcje UML, nauka przez internet Deep Learning, e-learning Deep Learning, kurs online Deep Learning, wykładowca Deep Learning

Kursy w promocyjnej cenie

Szkolenie Miejscowość Data Kursu Cena szkolenia [Zdalne / Stacjonarne]
Wzorce projektowe w języku PHP Szczecin, ul. Sienna 9 wt., 2018-09-25 09:00 1970PLN / 2720PLN
Blockchain for Entrepeneurs and Managers Warszawa, ul. Złota 3 śr., 2018-09-26 09:00 6590PLN / 7240PLN
Modelowanie BPMN 2.0 dla Analityków Biznesowych Katowice ul. Opolska 22 śr., 2018-09-26 09:00 1970PLN / 2720PLN
Apache Zookeeper Warszawa, ul. Złota 3 pon., 2018-10-01 09:00 1970PLN / 2620PLN
Tableau Advanced Warszawa, ul. Złota 3 pon., 2018-10-01 09:00 1970PLN / 2620PLN
Stock Exchange and Investment Warszawa, ul. Złota 3 wt., 2018-10-02 09:00 990PLN / 1440PLN
Efektywna komunikacja interpersonalna i rozwiązywanie konfliktów Wrocław, ul.Ludwika Rydygiera 2a/22 śr., 2018-10-03 09:00 1970PLN / 2720PLN
PhantomJS: Headless Browser Testing Gdańsk, ul. Grodzka 19 wt., 2018-10-09 09:00 990PLN / 1490PLN
Business Analysis Gliwice ul. Zwycięstwa 36 śr., 2018-10-10 09:00 2960PLN / 3960PLN
Oracle SQL dla zaawansowanych Szczecin, ul. Sienna 9 czw., 2018-10-11 09:00 1450PLN / 2200PLN
Using C++ in Embedded Systems - Applying C++11/C++14 Kraków, ul. Rzemieślnicza 1 pon., 2018-10-15 09:00 2960PLN / 3960PLN
Visual Basic for Applications (VBA) w Microsoft Office Access i Excel Gdańsk, ul. Grodzka 19 pon., 2018-10-15 09:00 1280PLN / 2280PLN
Docker and Kubernetes Opole, Władysława Reymonta 29 wt., 2018-10-16 09:00 2960PLN / 3960PLN
Customer Relationship Management (CRM) Warszawa, ul. Złota 3/11 śr., 2018-10-17 09:00 990PLN / 1490PLN
Adobe InDesign Warszawa, ul. Złota 3/11 śr., 2018-10-17 09:00 850PLN / 1600PLN
Adobe Photoshop - fotoedycja Łódź, al. Piłsudskiego 10/14 pon., 2018-10-22 09:00 1280PLN / 2280PLN
Business Analysis Wrocław, ul.Ludwika Rydygiera 2a/22 pon., 2018-11-05 09:00 2960PLN / 3960PLN
Advanced Python Łódź, al. Piłsudskiego 10/14 wt., 2018-11-06 09:00 3950PLN / 5200PLN
Wzorce projektowe w Java Wrocław, ul.Ludwika Rydygiera 2a/22 wt., 2018-11-06 09:00 1970PLN / 2720PLN
CCSK - Certificate of Cloud Security Knowledge - Plus Warszawa, ul. Złota 3 śr., 2018-11-07 09:00 1970PLN / 2620PLN
Strategic Thinking Kraków, ul. Rzemieślnicza 1 pon., 2018-11-26 09:00 2960PLN / 3960PLN
Analiza i projektowanie obiektowe za pomocą języka UML Kraków, ul. Rzemieślnicza 1 pon., 2018-12-03 09:00 3950PLN / 4950PLN

Newsletter z promocjami

Zapisz się na nasz newsletter i otrzymuj informacje o aktualnych zniżkach na kursy otwarte.
Szanujemy Twoją prywatność, dlatego Twój e-mail będzie wykorzystywany jedynie w celu wysyłki naszego newslettera, nie będzie udostępniony ani sprzedany osobom trzecim.
W dowolnej chwili możesz zmienić swoje preferencje co do otrzymywanego newslettera bądź całkowicie się z niego wypisać.

Zaufali nam

is growing fast!

We are looking to expand our presence in your region!

As a Business Development Manager you will:

  • expand business in the region
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

contact us right away!