Lokalne, prowadzone przez instruktora szkolenia z zakresu uczenia maszynowo-maszynowego (ML) demonstrują poprzez praktyczną praktykę stosowania technik uczenia maszynowego i narzędzi do rozwiązywania rzeczywistych problemów w różnych gałęziach przemysłu. Kursy NobleProg ML obejmują różne języki programowania i frameworki, w tym język Python, R i Matlab. Kursy Machine Learning są oferowane dla szeregu aplikacji branżowych, w tym finansów, bankowości i ubezpieczeń, i obejmują podstawy uczenia maszynowego, a także bardziej zaawansowane podejścia, takie jak Deep Learning. Szkolenie Machine 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
★★★★★
★★★★★
Trener bardzo zrozumiale wytłumaczył trudne i zaawansowane tematy.
Leszek K
Szkolenie: Artificial Intelligence Overview
sposób prowadzenia i przykładay podawane przez trenera
Duża oraz aktualna wiedza prowadzących oraz praktyczne przykłady zastosowania.
ING Bank Śląski S.A.
Szkolenie: Introduction to Deep Learning
Dużo ćwiczeń, bardzo dobra współpraca z grupą.
Janusz Chrobot - ING Bank Śląski S.A.
Szkolenie: Introduction to Deep Learning
praca na colaboratory,
ING Bank Śląski S.A.
Szkolenie: Introduction to Deep Learning
Widać było, że prowadzący to pasjonaci prezentowanych tematów.
Używane ciekawe przykłady podczas ćwiczeń.
ING Bank Śląski S.A.
Szkolenie: Introduction to Deep Learning
Szeroki zakres poruszanych tematów oraz duża wiedza merytoryczna prowadzących.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Brak
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Duża wiedza teoretyczna i praktyczna prowadzących. Komunikatywność prowadzących. W trakcie kursu można było zadawać pytania i uzyskać satysfakcjonujące odpowiedzi.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Część praktyczna, gdzie implementowaliśmy algorytmy. Pozwoliło to na lepsze zrozumienie tematu.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
ćwiczenia i przykłady na nich realizowane
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Przykłady i omawiane zagadnienia.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Wiedza merytoryczna, zaangażowanie, pasjonujący sposób przekazywania wiedzy.
Przykłady praktyczne po wykładzie teoretycznym.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Praktyczne ćwiczenia przygotowane przez Pana Macieja
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Omawiane zagadnienia, realizowane ćwiczenia (przykłady), atmosfera szkolenia, kontakt z Trenerem, lokalizacja.
Wojskowe Zakłady Uzbrojenia S.A. w Grudziądzu
Szkolenie: Octave nie tylko dla programistów
Dużo wskazówek praktycznych
Pawel Dawidowski - ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
Dużo informacji związanych z wdrożeniami rozwiązań
Michał Smolana - ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
Mnogość praktycznych wskazówek i wiedza prowadzącego z szerokiej gamy zagadnień AI / IT / SQL / IoT.
Kurs ten został stworzony dla menadżerów, architektów, analityków biznesowych i systemowych, menedżerów oprogramowania oraz wszystkich zainteresowanych przeglądem stosowania sztucznej inteligencji i prognozą dla jej rozwoju.
Deep 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 .
Inteligentne aplikacje to aplikacje nowej generacji, które nieustannie uczą się na podstawie interakcji z użytkownikami, zapewniając lepszą wartość i trafność dla użytkowników.
W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak tworzyć inteligentne aplikacje mobilne i boty.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zrozumienie podstawowych koncepcji inteligentnych aplikacji - Dowiedz się, jak korzystać z różnych narzędzi do budowania inteligentnych aplikacji - Twórz inteligentne aplikacje przy użyciu Azure , Cognitive Services API, Stream Analytics i Xamarin
Publiczność
- Deweloperzy - Programiści - Hobbystów
Format kursu
- Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka
Cortana Intelligence Suite to pakiet zintegrowanych produktów i usług w chmurze Microsoft Azure które umożliwiają jednostkom przekształcanie danych w inteligentne działania.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać ze składników wchodzących w skład pakietu Cortana Intelligence Suite do tworzenia inteligentnych aplikacji opartych na danych.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Dowiedz się, jak korzystać z narzędzi Cortana Intelligence Suite - Zdobądź najnowszą wiedzę na temat zarządzania danymi i analityki - Użyj komponentów Cortana , aby przekształcić dane w inteligentną akcję - Użyj Cortana do tworzenia aplikacji od podstaw i uruchamiania ich w chmurze
Uczenie 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 .
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się 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. R to popularny język programowania w branży finansowej. Jest wykorzystywany w aplikacjach finansowych, od podstawowych programów handlowych po systemy zarządzania ryzykiem.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak wdrożyć modele głębokiego uczenia się w bankowości, korzystając z R, poprzez stworzenie modelu głębokiego uczenia się ryzyka kredytowego.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zrozum podstawowe pojęcia głębokiego uczenia się - Poznaj aplikacje i zastosowania głębokiego uczenia się w bankowości - Użyj R, aby stworzyć głębokie modele uczenia się dla bankowości - Zbuduj swój własny model ryzyka kredytowego do głębokiego uczenia się przy użyciu R
Publiczność
- Deweloperzy - Dane naukowców
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się 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 to język programowania wysokiego poziomu, znany ze swojej jasnej składni i czytelności kodu.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się w bankowości przy użyciu Python gdy przechodzą przez proces tworzenia modelu głębokiego uczenia się ryzyka kredytowego.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zrozum podstawowe pojęcia głębokiego uczenia się - Poznaj aplikacje i zastosowania głębokiego uczenia się w bankowości - Używaj Python , Keras i TensorFlow do tworzenia głębokich modeli uczenia się dla bankowości - Zbuduj własny model głębokiego uczenia się ryzyka kredytowego za pomocą Python
Publiczność
- Deweloperzy - Dane naukowców
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się 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. R to popularny język programowania w branży finansowej. Jest wykorzystywany w aplikacjach finansowych, od podstawowych programów handlowych po systemy zarządzania ryzykiem.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się w zakresie finansowania za pomocą R, gdy przechodzą przez proces tworzenia modelu przewidywania cen akcji.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zrozum 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 swój własny model przewidywania ceny akcji dogłębnej nauki za pomocą R
Publiczność
- Deweloperzy - Dane naukowców
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. R to popularny język programowania w branży finansowej. Jest wykorzystywany w aplikacjach finansowych, od podstawowych programów handlowych po systemy zarządzania ryzykiem.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki uczenia maszynowego i narzędzia do rozwiązywania rzeczywistych problemów w branży finansowej. R będzie używany jako język programowania.
Uczestnicy najpierw uczą się kluczowych zasad, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji wielu projektów zespołowych.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zrozumienie podstawowych pojęć w uczeniu maszynowym - Poznaj aplikacje i zastosowania uczenia maszynowego w finansach - Opracuj własną algorytmiczną strategię handlową z wykorzystaniem uczenia maszynowego za pomocą R
Publiczność
- Deweloperzy - Dane naukowców
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Python to język programowania słynący z jasnej składni i czytelności. Oferuje doskonałą kolekcję sprawdzonych bibliotek i technik opracowywania aplikacji do uczenia maszynowego.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki uczenia maszynowego i narzędzia do rozwiązywania rzeczywistych problemów w branży finansowej.
Uczestnicy najpierw uczą się kluczowych zasad, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji wielu projektów zespołowych.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zrozumienie podstawowych pojęć w uczeniu maszynowym - Poznaj aplikacje i zastosowania uczenia maszynowego w finansach - Opracuj własną algorytmiczną strategię handlową z wykorzystaniem uczenia maszynowego z Python
Publiczność
- Deweloperzy - Dane naukowców
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
W uczeniu maszynowym w języku Python funkcja podsumowania tekstu jest w stanie odczytać tekst wejściowy i wygenerować podsumowanie tekstowe Ta funkcja jest dostępna z poziomu wiersza poleceń lub jako API / biblioteka w języku Python Jedną z pasjonujących aplikacji jest szybkie tworzenie podsumowań wykonawczych; Jest to szczególnie przydatne dla organizacji, które muszą dokonać przeglądu dużych ilości danych tekstowych przed wygenerowaniem raportów i prezentacji W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się korzystać z Pythona, aby stworzyć prostą aplikację, która automatycznie generuje podsumowanie tekstu wejściowego Pod koniec tego szkolenia uczestnicy będą mogli: Użyj narzędzia wiersza poleceń, które podsumowuje tekst Zaprojektuj i utwórz kod podsumowania tekstu za pomocą bibliotek Python Oceniaj trzy biblioteki podsumowujące Pythona: sumy 070, pysummaryzacja 104, odczyt 1017 Publiczność Deweloperzy Data Scientists Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
Głębokie uczenie się o wzmocnieniu odnosi się do zdolności „sztucznego agenta” do uczenia się metodą prób i błędów oraz kar i nagród. Sztuczny czynnik ma na celu naśladowanie ludzkiej zdolności do samodzielnego uzyskiwania i konstruowania wiedzy, bezpośrednio z surowych danych wejściowych, takich jak wizja. Aby zrealizować uczenie się na wzmacnianie, wykorzystuje się głębokie uczenie i sieci neuronowe. Uczenie się o wzmocnieniu różni się od uczenia maszynowego i nie polega na nadzorowanych i nienadzorowanych podejściach do nauki.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają podstawy Deep Reinforcement Learning, gdy przejdą przez tworzenie Deep Learning Agent.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zrozumienie kluczowych pojęć związanych z Deep Reinforcement Learning i umiejętność odróżnienia go od Machine Learning - Zastosuj zaawansowane algorytmy uczenia się zbrojenia, aby rozwiązać rzeczywiste problemy - Zbuduj Deep Learning Agent
Publiczność
- Deweloperzy - Naukowcy danych
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
Ten 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 .
The Apache OpenNLP library is a machine learning based toolkit for processing natural language text. It supports the most common NLP tasks, such as language detection, tokenization, sentence segmentation, part-of-speech tagging, named entity extraction, chunking, parsing and coreference resolution.
In this instructor-led, live training, participants will learn how to create models for processing text based data using OpenNLP. Sample training data as well customized data sets will be used as the basis for the lab exercises.
By the end of this training, participants will be able to:
- Install and configure OpenNLP - Download existing models as well as create their own - Train the models on various sets of sample data - Integrate OpenNLP with existing Java applications
Audience
- Developers - Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
Machine Learning to dziedzina sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Python to język programowania słynący z jasnej składni i czytelności. Oferuje doskonałą kolekcję sprawdzonych bibliotek i technik opracowywania aplikacji do uczenia maszynowego.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki uczenia maszynowego i narzędzia do rozwiązywania rzeczywistych problemów w branży bankowej.
Uczestnicy najpierw uczą się kluczowych zasad, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji wielu projektów zespołowych.
Publiczność
- Deweloperzy - Dane naukowców
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki uczenia maszynowego i narzędzia do rozwiązywania rzeczywistych problemów w branży bankowej. R będzie używany jako język programowania.
Uczestnicy najpierw uczą się kluczowych zasad, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji wielu projektów na żywo.
Publiczność
- Deweloperzy - Dane naukowców - Specjaliści bankowi z zapleczem technicznym
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
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 .
W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać ze stosu technologii iOS Machine Learning (ML), gdy przechodzą przez proces tworzenia i wdrażania aplikacji mobilnej iOS Pod koniec tego szkolenia uczestnicy będą mogli: Stwórz aplikację mobilną zdolną do przetwarzania obrazu, analizy tekstu i rozpoznawania mowy Uzyskaj dostęp do nieskomplikowanych modeli ML do integracji z aplikacjami na iOS Utwórz niestandardowy model ML Dodaj obsługę Siri Voice do aplikacji na iOS Zrozum i używaj frameworków takich jak coreML, Vision, CoreGraphics i GamePlayKit Używaj języków i narzędzi, takich jak Python, Keras, Caffee, Tensorflow, scikit learn, libsvm, Anaconda i Spyder Publiczność Deweloperzy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak używać właściwych technik uczenia maszynowego i NLP (Natural Language Processing) do wydobywania wartości z danych tekstowych Pod koniec tego szkolenia uczestnicy będą mogli: Rozwiązuj problemy związane z nauką o tekstach za pomocą wysokiej jakości kodu wielokrotnego użytku Zastosuj różne aspekty scikitlearn (klasyfikacja, grupowanie, regresja, redukcja wymiarów) w celu rozwiązania problemów Twórz efektywne modele uczenia maszynowego z wykorzystaniem danych opartych na tekstach Utwórz zestaw danych i wyodrębnij funkcje z nieustrukturyzowanego tekstu Wizualizuj dane za pomocą Matplotlib Twórz i oceniaj modele, aby uzyskać wgląd Rozwiązywanie problemów z kodowaniem tekstu Publiczność Deweloperzy Data Scientists Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
Encog to otwarta platforma uczenia maszynowego dla języków Java iNet W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się, jak tworzyć różne elementy sieci neuronowej za pomocą ENCOG Omówione zostaną studia przypadków Realworld i zostaną zbadane rozwiązania oparte na języku maszynowym na te problemy Pod koniec tego szkolenia uczestnicy będą mogli: Przygotuj dane dla sieci neuronowych za pomocą procesu normalizacji Zaimplementuj sieci przekazywania danych i metody szkolenia propagowania Wykonaj zadania klasyfikacji i regresji Modeluj i trenuj sieci neuronowe za pomocą środowiska graficznego opartego na GUI Zintegruj obsługę sieci neuronowej z aplikacjami realworld Publiczność Deweloperzy Analitycy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
AI to zbiór technologii służących do budowania inteligentnych systemów zdolnych do zrozumienia danych i działań otaczających dane w celu podejmowania „inteligentnych decyzji”. W przypadku dostawców usług telekomunikacyjnych aplikacje i usługi budowlane wykorzystujące sztuczną inteligencję mogą otworzyć drzwi dla ulepszonych operacji i obsługi w takich obszarach, jak konserwacja i optymalizacja sieci.
Podczas tego kursu sprawdzamy różne technologie, które tworzą AI i zestawy umiejętności wymagane do ich wykorzystania. W trakcie kursu badamy specyficzne zastosowania AI w branży telekomunikacyjnej.
Publiczność
- Inżynierowie sieci - Personel operacyjny sieci - Kierownicy techniczni telekomunikacji
Głębokie uczenie się staje się głównym składnikiem przyszłego projektu produktu, który chce wykorzystać sztuczną inteligencję w sercu swoich modeli. W ciągu najbliższych 5 do 10 lat narzędzia do głębokiego uczenia się , biblioteki i języki staną się standardowymi komponentami każdego zestawu narzędzi programistycznych. Do tej pory Go ogle, Sales Force, Facebook , Amazon z powodzeniem wykorzystują głęboką naukę AI do wzmocnienia swojej działalności. Aplikacje obejmowały zakres od automatycznego tłumaczenia maszynowego, analizy obrazu, analizy wideo, analizy ruchu, generowanie ukierunkowanej reklamy i wiele innych.
Ten kurs jest przeznaczony dla tych organizacji, które chcą włączyć Deep Learning jako bardzo ważną część swojej strategii produktowej lub usługowej. Poniżej znajduje się zarys kursu dogłębnego uczenia się, który możemy dostosować do różnych poziomów pracowników / interesariuszy w organizacji.
Grupa docelowa:
(W zależności od grupy docelowej materiały szkoleniowe zostaną dostosowane)
Kierownictwo
Ogólny przegląd sztucznej inteligencji i tego, w jaki sposób wpisuje się ona w strategię korporacyjną, wraz z sesjami przełomowymi dotyczącymi planowania strategicznego, planów technologicznych i alokacji zasobów w celu zapewnienia maksymalnej wartości.
Menadżerowie projektu
Jak zaplanować projekt sztucznej inteligencji, w tym gromadzenie i ocena danych, czyszczenie i weryfikacja danych, opracowanie modelu sprawdzania koncepcji, integracja z procesami biznesowymi i dostawa w całej organizacji.
Deweloperzy
Dogłębne szkolenia techniczne, koncentrujące się na sieciach neuronowych i głębokim uczeniu się, analizie obrazu i wideo (CNN), analizie dźwięku i tekstu (NLP) oraz wprowadzaniu sztucznej inteligencji do istniejących aplikacji.
Sprzedawcy
Ogólny przegląd sztucznej inteligencji i tego, w jaki sposób może zaspokoić potrzeby klientów, propozycje wartości dla różnych produktów i usług oraz jak rozwiać obawy i promować korzyści płynące z sztucznej inteligencji.
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 .
Auto-Keras (znany również jako Autokeras lub Auto Keras) jest biblioteką Python Open Source dla zautomatyzowanego uczenia maszynowego (AutoML).
tego instruktora, szkolenia na żywo (na miejscu lub zdalnie) jest skierowany do analityków danych, jak również mniej technicznych osób, które chcą używać Auto-Keras zautomatyzować proces wybierania i optymalizacji modelu uczenia maszynowego.
do końca tego szkolenia uczestnicy będą mogli:
- zautomatyzować proces szkolenia wysoce wydajnych modeli uczenia maszynowego. - automatycznie wyszukuje najlepsze parametry dla modeli uczenia głębokiego. - Budowanie bardzo dokładnych modeli uczenia maszynowego. - wykorzystanie mocy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych.
Format kursu
- Interactive wykładu i dyskusji. - wiele ćwiczeń i praktyk. - praktyczne wdrożenie w środowisku laboratorium na żywo.
Opcje dostosowywania kursu
- Aby poprosić o szkolenia dostosowane do tego kursu, skontaktuj się z nami, aby zorganizować. - Aby dowiedzieć się więcej o Auto-Keras, odwiedź stronę: https://autokeras.com/
Mechatronika (aka inżynieria mechatroniczna) to połączenie mechaniki, elektroniki i informatyki.
Ten prowadzony przez instruktora trening na żywo (na miejscu lub zdalnie) skierowany jest do inżynierów, którzy chcą poznać możliwości zastosowania sztucznej inteligencji w systemach mechatronicznych.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Uzyskaj przegląd sztucznej inteligencji, uczenia maszynowego i inteligencji obliczeniowej. - Zrozum pojęcia sieci neuronowych i różnych metod uczenia się. - Wybierz metody sztucznej inteligencji efektywnie w rzeczywistych problemach. - Wdrożenie aplikacji AI w inżynierii mechatronicznej.
Format kursu
- Interaktywny wykład i dyskusja. - Wiele ćwiczeń i ćwiczeń. - Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.
Opcje dostosowywania kursu
- Aby poprosić o niestandardowe szkolenie na ten kurs, skontaktuj się z nami w celu umówienia.
Głębokie uczenie się jest dziedziną uczenia maszynowego. Wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe.
Keras jest interfejsem API sieci neuronowych wysokiego poziomu do szybkiego rozwoju i eksperymentowania. Działa na TensorFlow , CNTK lub Theano.
Ten prowadzony przez instruktora trening na żywo (na miejscu lub zdalnie) skierowany jest do programistów, którzy chcą zbudować samochód do samodzielnej jazdy z wykorzystaniem technik głębokiego uczenia się.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Użyj technik wizji komputerowej do identyfikacji pasów ruchu. - Użyj Keras do budowania i trenowania splotowych sieci neuronowych. - Trenuj model głębokiego uczenia się, aby odróżnić znaki drogowe. - Symuluj w pełni autonomiczny samochód.
Format kursu
- Interaktywny wykład i dyskusja. - Wiele ćwiczeń i ćwiczeń. - Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.
Opcje dostosowywania kursu
- Aby poprosić o niestandardowe szkolenie na ten kurs, skontaktuj się z nami w celu umówienia.
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/
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/
Feature Engineering to proces wybierania i przekształcania danych w celu poprawy dokładności algorytmów uczenia maszynowego. Wymaga to głębokiej znajomości danych przez eksperta w danej dziedzinie.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla osób, które chcą zastosować techniki inżynierii cech w celu lepszego przetwarzania danych i uzyskania lepszych modeli uczenia maszynowego.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Skonfiguruj optymalne środowisko programistyczne, w tym wszystkie potrzebne pakiety Python . - Uzyskaj ważne informacje, analizując funkcje zestawu danych. - Zoptymalizuj modele uczenia maszynowego poprzez dostosowanie samych surowych danych. - Czyść i przekształcaj zestawy danych w ramach przygotowań do uczenia maszynowego.
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.
H2O to platforma analizy predykcyjnej typu open source. Obsługuje R, Python , Scala , Java i REST.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla osób technicznych, które chcą budować modele uczenia maszynowego przy użyciu algorytmów takich jak GLM, Deep Learning i Random Forests.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zainstaluj i skonfiguruj H2O . - Twórz modele uczenia maszynowego przy użyciu różnych popularnych algorytmów. - Oceń modele na podstawie rodzaju danych i wymagań biznesowych.
Format kursu
- Interaktywny wykład i dyskusja. - Wiele ćwiczeń i ćwiczeń. - Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.
Opcje dostosowywania kursu
- Aby poprosić o niestandardowe szkolenie na ten kurs, skontaktuj się z nami w celu umówienia. - Aby dowiedzieć się więcej o H2O , odwiedź: https://www.h2o.ai/
Nadchodzące szkolenia z technologii Machine Learning (ML)
.jpg "polska grupa farmaceutyczna (pgf)")
.png "ministerstwo spraw wewnętrznych i administracji (mswia)")
.jpg "komisja nadzoru finansowego (knf)")
.jpg "zakład ubezpieczeń społecznych (zus)")
.gif "telekomunikacja polska (tp)")
.jpg "ministerstwo obrony narodowej (mon)")
.jpg "ministerstwo kultury i dziedzictwa narodowego (mkidn)")
