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.

Machine Translated

Opinie uczestników

★★★★★
★★★★★

Podkategorie Deep Learning (DL)

Plany szkoleń z technologii Deep Learning

Title
Czas trwania
Opis
Title
Czas trwania
Opis
14 godziny
Opis
Kurs obejmuje AI (kładąc nacisk na Machine Learning i Deep Learning ) w przemyśle Automotive . Pomaga określić, która technologia może być (potencjalnie) używana w wielu sytuacjach w samochodzie: od prostej automatyzacji, przez rozpoznawanie obrazów po autonomiczne podejmowanie decyzji.
21 godziny
Opis
Głębokie uczenie się jest dziedziną uczenia maszynowego. Wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe.

Keras to interfejs API sieci neuronowych wysokiego poziomu do szybkiego programowania i eksperymentowania. Działa na TensorFlow , CNTK lub Theano.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą zbudować samochód z własnym napędem, stosując techniki głębokiego uczenia się.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Użyj technik widzenia komputerowego, aby zidentyfikować pasy.
- Użyj Keras do budowy i szkolenia splotowych sieci neuronowych.
- Trenuj model głębokiego uczenia się, aby odróżniać znaki drogowe.
- Symuluj w pełni autonomiczny samochód.

Format kursu

- Interaktywny wykład i dyskusja.
- Dużo ćwiczeń i ćwiczeń.
- Praktyczne wdrożenie w środowisku na żywo.

Opcje dostosowywania kursu

- Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu umówienia się.
28 godziny
Opis
Ten kurs daje wiedzę na temat sieci neuronowych i ogólnie algorytmu uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).

To szkolenie bardziej koncentruje się na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Teano, DeepDrive, Keras itp. Przykłady zostały wykonane w TensorFlow .
14 godziny
Opis
Ta sesja szkoleniowa oparta na zajęciach będzie zawierać prezentacje i przykłady oparte na komputerach oraz ćwiczenia studium przypadku, które należy przeprowadzić z odpowiednimi bibliotekami sieci neuronowych i głębokich
14 godziny
Opis
OpenFace 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 .
7 godziny
Opis
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak skonfigurować i używać OpenNMT do wykonywania tłumaczeń różnych przykładowych zestawów danych. Kurs rozpoczyna się od przeglądu sieci neuronowych w odniesieniu do tłumaczenia maszynowego. Uczestnicy przeprowadzą na żywo ćwiczenia w trakcie kursu, aby zademonstrować zrozumienie poznanych pojęć i uzyskać informacje zwrotne od instruktora.

Pod koniec tego szkolenia uczestnicy będą mieli wiedzę i praktykę potrzebną do wdrożenia rozwiązania OpenNMT żywo.

Próbki języka źródłowego i docelowego zostaną wstępnie ustawione zgodnie z wymaganiami odbiorców.

Format kursu

- Wykład częściowy, dyskusja częściowa, ciężka praktyka praktyczna
14 godziny
Opis
OpenNN jest biblioteką klasy open-source 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 praktycznymi ćwiczeniami.
21 godziny
Opis
PaddlePaddle (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 .
21 godziny
Opis
W 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 .
21 godziny
Opis
Podczas 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 .
21 godziny
Opis
SINGA jest ogólną rozproszoną platformą do głębokiego uczenia się do szkolenia dużych modeli głębokiego uczenia się na dużych zestawach danych. Został zaprojektowany z intuicyjnym modelem programowania opartym na abstrakcji warstwy. Obsługiwane są różne popularne modele głębokiego uczenia się, a mianowicie modele sprzężenia zwrotnego, w tym splotowe sieci neuronowe (CNN), modele energetyczne, takie jak ograniczona maszyna Boltzmanna (RBM), oraz powtarzające się sieci neuronowe (RNN). Wiele wbudowanych warstw jest dostępnych dla użytkowników. Architektura SINGA jest wystarczająco elastyczna, aby uruchamiać synchroniczne, asynchroniczne i hybrydowe struktury szkoleniowe. SINGA obsługuje również różne schematy partycjonowania sieci neuronowych w celu równoległego szkolenia dużych modeli, a mianowicie partycjonowania w wymiarze partii, wymiaru cech lub partycjonowania hybrydowego.

Publiczność

Ten kurs jest skierowany do naukowców, inżynierów i programistów, którzy chcą wykorzystać Apache SINGA jako Apache SINGA do głębokiego uczenia się.

Po ukończeniu tego kursu delegaci:

- zrozumieć strukturę i mechanizmy wdrażania SINGA
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, terminy osadzania, wykresy budowlane i rejestrowanie
21 godziny
Opis
Microsoft 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 .
7 godziny
Opis
Tensor2Tensor (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 .
21 godziny
Opis
TensorFlow to popularna biblioteka do uczenia maszynowego opracowana przez Go ogle do głębokiego uczenia się, obliczeń numerycznych i uczenia maszynowego na dużą skalę. TensorFlow 2.0, wydany w styczniu 2019 r., Jest najnowszą wersją TensorFlow i zawiera ulepszenia w TensorFlow wykonywaniu, kompatybilności i spójności API.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów i badaczy danych, którzy chcą korzystać z Tensorflow 2.0 do budowania predyktorów, klasyfikatorów, modeli generatywnych, sieci neuronowych i tak dalej.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Zainstaluj i skonfiguruj TensorFlow 2.0.
- TensorFlow zalety TensorFlow 2.0 w porównaniu z poprzednimi wersjami.
- Twórz modele głębokiego uczenia się.
- Zaimplementuj zaawansowany klasyfikator obrazów.
- Wdróż model głębokiego uczenia się w chmurze, urządzeniach mobilnych i IoT.

Format kursu

- Interaktywny wykład i dyskusja.
- Dużo ćwiczeń i ćwiczeń.
- Praktyczne wdrożenie w środowisku na żywo.

Opcje dostosowywania kursu

- Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu umówienia się.
- Aby dowiedzieć się więcej o TensorFlow , odwiedź: https://www.tensorflow.org/
7 godziny
Opis
TensorFlow Serving to system do obsługi modeli uczenia maszynowego (ML) do produkcji W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak skonfigurować i używać TensorFlow Serving do wdrażania i zarządzania modelami ML w środowisku produkcyjnym Pod koniec tego szkolenia uczestnicy będą mogli: Trenuj, eksportuj i obsługuj różne modele TensorFlow Testuj i wdrażaj algorytmy za pomocą pojedynczej architektury i zestawu interfejsów API Rozszerz obsługę TensorFlow, aby obsługiwać inne typy modeli poza modelami TensorFlow Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
21 godziny
Opis
TensorFlow jest 2nd Generation API Go otwartej biblioteki oprogramowania źródłowego OGLE za Deep Learning . System został zaprojektowany w celu ułatwienia badań nad uczeniem maszynowym oraz w celu szybkiego i łatwego przejścia od prototypu badawczego do systemu produkcyjnego.

Publiczność

Ten kurs jest przeznaczony dla inżynierów, którzy chcą używać TensorFlow do swoich projektów Deep Learning

Po ukończeniu tego kursu delegaci:

- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie
28 godziny
Opis
Ten kurs omawia, wraz z konkretnymi przykładami, zastosowanie Tensor Flow do celów rozpoznawania obrazów

Publiczność

Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow do celów rozpoznawania obrazów

Po ukończeniu tego kursu delegaci będą mogli:

- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie
21 godziny
Opis
Torch jest biblioteką uczenia maszynowego typu open source i naukowym środowiskiem komputerowym opartym na języku programowania Lua . Zapewnia środowisko programistyczne dla liczb, uczenia maszynowego i wizji komputerowej, ze szczególnym naciskiem na głębokie uczenie się i sieci splotowe. Jest to jedna z najszybszych i najbardziej elastycznych platform dla Deep Learning maszynowego i Deep Learning i jest używana przez firmy takie jak Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel i wiele innych.

W tym instruktażowym szkoleniu na żywo omawiamy zasady Torch , jej unikalne cechy oraz sposób, w jaki można ją stosować w aplikacjach rzeczywistych. Przez cały czas przechodzimy przez wiele praktycznych ćwiczeń, demonstrując i ćwicząc nabyte pojęcia.

Do końca kursu uczestnicy będą dokładnie rozumieć podstawowe cechy i możliwości Torch , a także jej rolę i wkład w przestrzeń sztucznej inteligencji w porównaniu z innymi strukturami i bibliotekami. Uczestnicy otrzymają również praktykę niezbędną do wdrożenia Torch we własnych projektach.

Format kursu

- Przegląd maszyn i Deep Learning
- Ćwiczenia z kodowania i integracji w klasie
- Pytania testowe posypane po drodze, aby sprawdzić zrozumienie
7 godziny
Opis
The Tensor Processing Unit (TPU) is the architecture which Google has used internally for several years, and is just now becoming available for use by the general public. It includes several optimizations specifically for use in neural networks, including streamlined matrix multiplication, and 8-bit integers instead of 16-bit in order to return appropriate levels of precision。

In this instructor-led, live training, participants will learn how to take advantage of the innovations in TPU processors to maximize the performance of their own AI applications.

By the end of the training, participants will be able to:

- Train various types of neural networks on large amounts of data.
- Use TPUs to speed up the inference process by up to two orders of magnitude.
- Utilize TPUs to process intensive applications such as image search, cloud vision and photos.

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
35 godziny
Opis
TensorFlow ™ to biblioteka oprogramowania typu open source do obliczeń numerycznych z wykorzystaniem wykresów przepływu danych.

SyntaxNet to neuronowa sieć przetwarzania języka naturalnego dla TensorFlow .

Word 2Vec służy do uczenia wektorowych reprezentacji słów, zwanych „osadzaniem słów”. Word 2vec jest szczególnie wydajnym obliczeniowo modelem predykcyjnym do nauki osadzania słów z surowego tekstu. Występuje w dwóch wariantach: modelu Continuous Bag-of- Word (CBOW) i Skip-Gram (rozdział 3.1 i 3.2 w Mikolov i in.).

Używany w tandemie SyntaxNet i Word 2Vec umożliwia użytkownikom generowanie modeli Learned Embedding z wejścia Natural Language.

Publiczność

Kurs jest skierowany do programistów i inżynierów, którzy zamierzają pracować z modelami SyntaxNet i Word 2Vec w swoich wykresach TensorFlow .

Po ukończeniu tego kursu delegaci:

- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, terminy osadzania, wykresy budowlane i rejestrowanie
35 godziny
Opis
Kurs rozpoczyna się od przekazania wiedzy pojęciowej w sieciach neuronowych i ogólnie w algorytmie uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).

Część 1 (40%) tego szkolenia skupia się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Theano, DeepDrive, Keras itp.

Część 2 (20%) tego szkolenia przedstawia Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia.

Część 3 (40%) szkolenia byłaby w dużej mierze oparta na Tensorflow - API drugiej generacji biblioteki oprogramowania open source Go ogle dla Deep Learning . Wszystkie przykłady i wskazówki powstałyby w TensorFlow .

Publiczność

Ten kurs jest przeznaczony dla inżynierów, którzy chcą korzystać z TensorFlow w swoich projektach Deep Learning

Po ukończeniu tego kursu uczestnicy:

-

dobrze rozumie głębokie sieci neuronowe (DNN), CNN i RNN

-

zrozumieć strukturę i mechanizmy wdrażania TensorFlow

-

być w stanie wykonywać zadania związane z instalacją / produkcją / architekturą / konfiguracją

-

być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie

-

być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie
21 godziny
Opis
Ten kurs obejmuje sztuczną inteligencję (podkreślanie Machine Learning i Deep Learning )
21 godziny
Opis
Keras to interfejs API sieci neuronowych wysokiego poziomu do szybkiego programowania i eksperymentowania. Działa na TensorFlow , CNTK lub Theano.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla osób technicznych, które chcą zastosować model głębokiego uczenia się w aplikacjach do rozpoznawania obrazów.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Zainstaluj i skonfiguruj Keras .
- Szybko prototypuj modele głębokiego uczenia.
- Wdrożenie sieci splotowej.
- Zaimplementuj sieć cykliczną.
- Wykonaj model głębokiego uczenia się zarówno na CPU, jak i GPU .

Format kursu

- Interaktywny wykład i dyskusja.
- Dużo ćwiczeń i ćwiczeń.
- Praktyczne wdrożenie w środowisku na żywo.

Opcje dostosowywania kursu

- Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu umówienia się.
- Aby dowiedzieć się więcej o Keras , odwiedź: https://keras.io/
21 godziny
Opis
Sztuczna sieć neuronowa jest obliczeniowym modelem danych wykorzystywanym w rozwoju systemów Artificial Intelligence (AI) zdolnych do wykonywania „inteligentnych” zadań. Neural Networks są powszechnie stosowane w aplikacjach Machine Learning (ML), które same są implementacją AI. Deep Learning jest podzbiorem ML.
28 godziny
Opis
Uczenie maszynowe to dziedzina sztucznej inteligencji, w której komputery mogą się uczyć bez wyraźnego programowania. Głębokie uczenie się jest dziedziną uczenia maszynowego, która wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe. Python jest językiem programowania wysokiego poziomu znanym z jasnej składni i czytelności kodu.

W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak wdrożyć modele głębokiego uczenia się w bankowości za pomocą Python , przechodząc przez proces tworzenia modelu ryzyka kredytowego dogłębnego uczenia się.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Zrozum podstawowe zasady głębokiego uczenia się
- Poznaj zastosowania i zastosowania głębokiego uczenia się w bankowości
- Użyj Python , Keras i TensorFlow aby stworzyć modele głębokiego uczenia się dla bankowości
- Zbuduj własny model głębokiego uczenia się ryzyka kredytowego za pomocą Python

Publiczność

- Deweloperzy
- Badacze danych

Format kursu

- Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka
28 godziny
Opis
Jest to 4-dniowy kurs przedstawiający sztuczną inteligencję i jej zastosowanie. Istnieje opcja dodatkowego dnia na podjęcie projektu AI po ukończeniu tego kursu.
21 godziny
Opis
Caffe to głęboka struktura uczenia się stworzona z myślą o ekspresji, szybkości i modułowości.

Ten kurs omawia zastosowanie Caffe as a Deep do nauki rozpoznawania obrazów za pomocą MNIST jako przykładu

Publiczność

Ten kurs jest odpowiedni dla naukowców i inżynierów Deep Learning zainteresowanych wykorzystaniem Caffe jako ramy.

Po ukończeniu tego kursu delegaci będą mogli:

- rozumiem strukturę i mechanizmy wdrażania Caffe
- wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wdrażanie warstw i rejestrowanie
21 godziny
Opis
Ten kurs jest ogólnym przeglądem Deep Learning bez wchodzenia zbyt głęboko w żadne konkretne metody. Jest odpowiedni dla osób, które chcą rozpocząć naukę w Deep, aby zwiększyć swoją dokładność przewidywania.
21 godziny
Opis
Deeplearning4j to pierwsza komercyjna, rozproszona biblioteka do głębokiego uczenia się napisana dla Java i Scala . Zintegrowany z Hadoop i Spark, DL4J jest przeznaczony do stosowania w środowiskach biznesowych na rozproszonych GPU i procesorach.

Publiczność

Ten kurs jest skierowany do inżynierów i programistów, którzy chcą wykorzystać Deeplearning4j w swoich projektach.

Po tym kursie delegaci będą mogli:
21 godziny
Opis
Deeplearning4j to Open-Source Deep-Learning Software dla Java i Scala na Hadoop i Spark.

Publiczność

Ten kurs jest przeznaczony dla inżynierów i programistów, którzy chcą wykorzystać DeepLearning4J w swoich projektach rozpoznawania obrazów.

Nadchodzące szkolenia z technologii Deep Learning (DL)

Szkolenie Deep Learning, Deep Learning (DL) boot camp, Szkolenia Zdalne Deep Learning (DL), szkolenie wieczorowe Deep Learning, szkolenie weekendowe Deep Learning (DL), Kurs Deep Learning (DL),Kursy DL (Deep Learning), Trener Deep Learning, instruktor Deep Learning (DL), kurs zdalny DL (Deep Learning), edukacja zdalna Deep Learning, nauczanie wirtualne DL (Deep Learning), lekcje UML, nauka przez internet Deep Learning (DL), e-learning DL (Deep Learning), kurs online Deep Learning (DL), wykładowca Deep Learning (DL)

Kursy w promocyjnej cenie

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 Poland!

As a Business Development Manager you will:

  • expand business in Poland
  • 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.

Apply now!