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
Trener bardzo zrozumiale wytłumaczył trudne i zaawansowane tematy.
Leszek K
Szkolenie: Artificial Intelligence Overview
sposób prowadzenia i przykładay podawane przez trenera
ORANGE POLSKA S.A.
Szkolenie: Machine Learning and Deep Learning
Mozliwosc omowienia samemu zaproponowanych zagadnien
ORANGE POLSKA S.A.
Szkolenie: Machine Learning and Deep Learning
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
Materiał referencyjny do wykorzystania później był bardzo dobry.
PAUL BEALES- Seagate Technology.
Szkolenie: Applied Machine Learning
Translated by
Co najbardziej podobało Ci się w treningu ?: Dałem mi dobrą praktykę z użyciem R do budowy systemów uczenia maszynowego w rzeczywistych sytuacjach. Mogę użyć tego w mojej pracy od razu. To był doskonały kurs. Jeden z najlepszych, jakie miałem.
Matthew Thomas - British Telecom
Szkolenie: Applied Machine Learning
Translated by
To było bardzo interaktywne i bardziej zrelaksowane i nieformalne niż się spodziewano. Omówiliśmy wiele tematów w tym czasie, a trener zawsze był otwarty na bardziej szczegółowe omówienie tematów i ich powiązanie. Uważam, że szkolenie dało mi narzędzia do kontynuacji nauki, a nie jednorazową sesję, w której nauka kończy się po ukończeniu, co jest bardzo ważne ze względu na skalę i złożoność tematu.
Jonathan Blease
Szkolenie: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Trener był tak kompetentny i obejmował obszary, które mnie interesowały.
Mohamed Salama
Szkolenie: Data Mining & Machine Learning with R
Translated by
Temat jest bardzo interesujący.
Wojciech Baranowski
Szkolenie: Introduction to Deep Learning
Translated by
Trenerzy wiedzą teoretyczną i chęć rozwiązania problemów z uczestnikami po szkoleniu.
Grzegorz Mianowski
Szkolenie: Introduction to Deep Learning
Translated by
Temat. Bardzo interesujące!.
Piotr
Szkolenie: Introduction to Deep Learning
Translated by
Ćwiczenia po każdym temacie były naprawdę pomocne, mimo że na końcu były zbyt skomplikowane. Ogólnie rzecz biorąc, prezentowany materiał był bardzo ciekawy i angażujący! Ćwiczenia z rozpoznawaniem obrazu były świetne.
Dolby Poland Sp. z o.o.
Szkolenie: Introduction to Deep Learning
Translated by
Myślę, że gdyby szkolenie odbyło się w języku polskim, pozwoliłoby trenerowi na dzielenie się wiedzą.
Radek
Szkolenie: Introduction to Deep Learning
Translated by
Ogólny przegląd głębokiego uczenia się.
Bruno Charbonnier
Szkolenie: Advanced Deep Learning
Translated by
Ćwiczenia są wystarczająco praktyczne i nie wymagają dużej wiedzy w Pythonie.
Alexandre GIRARD
Szkolenie: Advanced Deep Learning
Translated by
Wykonywanie ćwiczeń na prawdziwych przykładach przy użyciu Eras. Włochy całkowicie zrozumiały nasze oczekiwania dotyczące tego szkolenia.
Paul Kassis
Szkolenie: Advanced Deep Learning
Translated by
Temat. Wydawało się to interesujące, ale opuściłem wiedząc niewiele więcej niż wcześniej.
Radoslaw Labedzki
Szkolenie: Introduction to Deep Learning
Translated by
Podobało mi się, że ten kurs miał bardzo ciekawy temat.
Wojciech Wilk
Szkolenie: Introduction to Deep Learning
Translated by
Naprawdę doceniam krystalicznie czyste odpowiedzi Chrisa na nasze pytania.
Léo Dubus
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Ogólnie byłem zadowolony z kompetentnego trenera.
Sridhar Voorakkara
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Byłem zdumiony standardem tej klasy - powiedziałbym, że był to standard uniwersytecki.
David Relihan
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Bardzo dobry przegląd ogólny. Dobre tło, dlaczego Tensorflow działa tak, jak działa.
Kieran Conboy
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Spodobały mi się możliwości zadawania pytań i dokładniejszego wyjaśnienia teorii.
Sharon Ruane
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Uzyskaliśmy o wiele więcej informacji na ten temat. Przeprowadzono kilka fajnych dyskusji z prawdziwymi tematami w naszej firmie.
Sebastiaan Holman
Szkolenie: Machine Learning and Deep Learning
Translated by
Szkolenie zapewniło odpowiednią podstawę, dzięki której możemy dalej się rozwijać, pokazując, w jaki sposób teoria i praktyka idą w parze. To mnie bardziej zainteresowało w temacie niż przedtem.
Jean-Paul van Tillo
Szkolenie: Machine Learning and Deep Learning
Translated by
Naprawdę podobał mi się zasięg i głębia tematów.
Anirban Basu
Szkolenie: Machine Learning and Deep Learning
Translated by
Głęboka wiedza trenera na ten temat.
Sebastian Görg
Szkolenie: Introduction to Deep Learning
Translated by
Bardzo zaktualizowane podejście lub CPI (tensor flow, era, learn) do uczenia maszynowego.
Paul Lee
Szkolenie: TensorFlow for Image Recognition
Translated by
Perspektywa technologii: jaka technologia / proces może stać się ważniejsza w przyszłości; zobacz, do czego można wykorzystać tę technologię.
Commerzbank AG
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Miałem korzyści z wyboru tematu. Styl szkolenia. Poćwicz orientację.
Commerzbank AG
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Dogłębne omówienie tematów uczenia maszynowego, w szczególności sieci neuronowych. Demistyfikował wiele tematów.
Sacha Nandlall
Szkolenie: Python for Advanced Machine Learning
Translated by
Zyskałem korzyści z pasji uczenia i koncentrowania się na robieniu rzeczy rozsądnym.
Zaher Sharifi - GOSI
Szkolenie: Advanced Deep Learning
Translated by
| Kod | Nazwa | Czas trwania | Charakterystyka kursu |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 godziny | Kurs ten został stworzony dla menedżerów, architektów rozwiązań, specjalistów ds. Innowacji, dyrektorów technicznych, architektów oprogramowania i każdego, kto jest zainteresowany przeglądem sztucznej inteligencji stosowanej i najbliższej prognozy jej rozwoju. |
| tensorflowserving | TensorFlow Serving | 7 godziny | 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 . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 godziny | 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 . |
| textsum | Text Summarization with Python | 14 godziny | 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 . |
| undnn | Understanding Deep Neural Networks | 35 godziny | 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 . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 godziny | Biblioteka Apache OpenNLP to oparty na uczeniu maszynowym zestaw narzędzi do przetwarzania tekstu w języku naturalnym Obsługuje najczęstsze zadania NLP, takie jak wykrywanie języka, tokenizacja, segmentacja zdań, tagowanie części, rozwiązywanie encji, dzielenie, analizowanie i rozwiązywanie rdzenia W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak tworzyć modele do przetwarzania danych tekstowych za pomocą OpenNLP Przykładowe dane treningowe oraz spersonalizowane zbiory danych będą wykorzystywane jako podstawa do ćwiczeń laboratoryjnych Pod koniec tego szkolenia uczestnicy będą mogli: Zainstaluj i skonfiguruj OpenNLP Pobierz istniejące modele i stwórz własne Trenuj modele na różnych zestawach przykładowych danych Zintegruj OpenNLP z istniejącymi aplikacjami Java Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 godziny | Uczenie 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 . |
| mlbankingr | Machine Learning for Banking (with R) | 28 godziny | 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 R będzie używany jako język programowania Uczestnicy najpierw poznają kluczowe zasady, a następnie wykorzystają swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do ukończenia szeregu projektów na żywo Publiczność Deweloperzy Data naukowcy Specjaliści bankowości z zapleczem technicznym Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| mlios | Machine Learning on iOS | 14 godziny | 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 . |
| mlfinancer | Machine Learning for Finance (with R) | 28 godziny | Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania R jest popularnym językiem programowania w branży finansowej Jest stosowany w aplikacjach finansowych, od podstawowych programów transakcyjnych po systemy zarządzania ryzykiem W ramach tego instruktażowego szkolenia na żywo uczestnicy nauczą się stosować techniki uczenia maszynowego i narzędzia do rozwiązywania problemów w świecie rzeczywistym w branży finansowej R będzie używany jako język programowania 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 Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z podstawowymi pojęciami z uczenia maszynowego Poznaj aplikacje i zastosowania uczenia maszynowego w finansach Opracuj swoją własną algorytmiczną strategię handlową za pomocą uczenia maszynowego z R Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| pythontextml | Python: Machine Learning with Text | 21 godziny | 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 . |
| encogintro | Encog: Introduction to Machine Learning | 14 godziny | 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 . |
| encogadv | Encog: Advanced Machine Learning | 14 godziny | Encog to otwarta platforma uczenia maszynowego dla języków Java iNet W tym instruktażowym szkoleniu na żywo uczestnicy poznają zaawansowane techniki uczenia maszynowego do budowania dokładnych modeli predykcyjnych sieci neuronowych Pod koniec tego szkolenia uczestnicy będą mogli: Zaimplementuj różne techniki optymalizacji sieci neuronowych, aby rozwiązać problem niedostosowania i przeuczenia Zrozum i wybierz jedną z wielu architektur sieci neuronowych Zaimplementuj nadzorowane sieci przesyłu danych i opinie Publiczność Deweloperzy Analitycy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| radvml | Advanced Machine Learning with R | 21 godziny | 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 . |
| pythonadvml | Python for Advanced Machine Learning | 21 godziny | 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 . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 godziny | 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 . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 godziny | Osadzanie Projektora to otwarta aplikacja internetowa do wizualizacji danych wykorzystywanych do szkolenia systemów uczenia maszynowego Stworzony przez Google, jest częścią TensorFlow Ten instruktażowy trening na żywo wprowadza pojęcia związane z osadzaniem projektora i prowadzi uczestników przez proces tworzenia projektu demonstracyjnego Pod koniec tego szkolenia uczestnicy będą mogli: Sprawdź, jak dane są interpretowane przez modele uczenia maszynowego Nawiguj po widokach 3D i 2D danych, aby zrozumieć, w jaki sposób algorytm uczenia maszynowego je interpretuje Zapoznaj się z koncepcjami Embeddings i ich rolą w reprezentowaniu wektorów matematycznych dla obrazów, słów i cyfr Poznaj właściwości konkretnego osadzania, aby zrozumieć zachowanie modelu Zastosuj Projekt Osadzania do przypadków użycia rzeczywistego świata, takich jak budowanie systemu rekomendacji dla melomanów Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 godziny | Uczenie 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 W ramach tego instruktażowego szkolenia na żywo uczestnicy nauczą się stosować techniki uczenia maszynowego i narzędzia do rozwiązywania problemów w świecie rzeczywistym w branży finansowej 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 Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z podstawowymi pojęciami z uczenia maszynowego Poznaj aplikacje i zastosowania uczenia maszynowego w finansach Opracuj własną algorytmiczną strategię handlową z wykorzystaniem uczenia maszynowego w Pythonie Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| dlfinancewithr | Deep Learning for Finance (with R) | 28 godziny | 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 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 . |
| dsstne | Amazon DSSTNE: Build a Recommendation System | 7 godziny | Amazon 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 . |
| ML_LBG | Machine Learning – Data science | 21 godziny | Ta sesja szkoleniowa oparta na klasie obejrzy narzędzia uczenia maszynowego z (sugerowanym) językiem Pythona Delegaci będą dysponować komputerowymi przykładami i ćwiczeniami studium przypadku, które należy podjąć . |
| appai | Applied AI from Scratch | 28 godziny | This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course. |
| dlfortelecomwithpython | Deep Learning for Telecom (with Python) | 28 godziny | Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability. In this instructor-led, live training, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model. By the end of this training, participants will be able to: - Understand the fundamental concepts of deep learning. - Learn the applications and uses of deep learning in telecom. - Use Python, Keras, and TensorFlow to create deep learning models for telecom. - Build their own deep learning customer churn prediction model using Python. Format of the course - Part lecture, part discussion, exercises and heavy hands-on practice |
| rapidminer | RapidMiner for Machine Learning and Predictive Analytics | 14 godziny | RapidMiner is an open source data science software platform for rapid application prototyping and development. It includes an integrated environment for data preparation, machine learning, deep learning, text mining, and predictive analytics. In this instructor-led, live training, participants will learn how to use RapidMiner Studio for data preparation, machine learning, and predictive model deployment. By the end of this training, participants will be able to: - Install and configure RapidMiner - Prepare and visualize data with RapidMiner - Validate machine learning models - Mashup data and create predictive models - Operationalize predictive analytics within a business process - Troubleshoot and optimize RapidMiner Audience - Data scientists - Engineers - Developers Format of the Course - Part lecture, part discussion, exercises and heavy hands-on practice Note - To request a customized training for this course, please contact us to arrange. |
| aicityplanning | Artificial Intelligence for City Planning | 14 godziny | Jak będą wyglądać miasta w przyszłości? W jaki sposób sztuczna inteligencja (AI) może być wykorzystana do poprawy planowania miasta? W jaki sposób można wykorzystać sztuczną inteligencję, aby miasta były bardziej wydajne, znośne, bezpieczne i przyjazne dla środowiska? W tym instruktażowym szkoleniu na żywo (na miejscu lub zdalnie) badamy różne technologie, które składają się na sztuczną inteligencję, a także umiejętności i ramy mentalne wymagane do ich wykorzystania w planowaniu miast Obejmujemy również narzędzia i podejścia do gromadzenia i organizowania odpowiednich danych do wykorzystania w sztucznej inteligencji, w tym do eksploracji danych Publiczność Planiści miejscy Architekci Deweloperzy Urzędnicy transportu Format kursu Wykład częściowy, dyskusja częściowa i seria interaktywnych ćwiczeń Uwaga Aby poprosić o indywidualne szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów . |
| dlformedicine | Deep Learning for Medicine | 14 godziny | Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Deep Learning to subfield Machine Learning, który próbuje naśladować działanie ludzkiego mózgu w podejmowaniu decyzji Jest szkolony z danymi w celu automatycznego dostarczania rozwiązań problemów Deep Learning zapewnia ogromne możliwości branży medycznej, która siedzi na kopalni złota danych W tym instruktażowym szkoleniu na żywo uczestnicy będą wziąć udział w serii dyskusji, ćwiczeń i analizy casestudy, aby zrozumieć podstawy Deep Learning Ocenie zostaną poddane najważniejsze narzędzia i techniki Deep Learning, a następnie przeprowadzone zostaną ćwiczenia w celu przygotowania uczestników do przeprowadzenia własnej oceny i wdrożenia rozwiązań Deep Learning w swoich organizacjach Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z podstawami Deep Learning Poznaj techniki Deep Learning i ich zastosowania w branży Zbadaj zagadnienia z zakresu medycyny, które można rozwiązać za pomocą technologii Deep Learning Przeglądaj studia przypadków Deep Learning w medycynie Sformułować strategię przyjmowania najnowszych technologii Deep Learning do rozwiązywania problemów w medycynie Publiczność Menedżerowie Lekarze profesjonalni w roli lidera Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson Uwaga Aby poprosić o indywidualne szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów . |
| algebraforml | Algebra for Machine Learning | 14 godziny | Algebra liniowa jest gałęzią matematyki, która zajmuje się wektorami, macierzami i transformacjami liniowymi Znajomość algebry liniowej pomaga inżynierom i programistom udoskonalić możliwości uczenia maszynowego Zrozumienie koncepcji algebry liniowej pozwala im lepiej zrozumieć zasady stosowania technik uczenia maszynowego, a tym samym szybciej rozwiązywać problemy W ramach tego instruktażowego szkolenia na żywo uczestnicy poznają podstawy algebry liniowej, omawiając rozwiązywanie problemu uczenia maszynowego za pomocą metod algebry liniowej Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe koncepcje algebry liniowej Naucz się umiejętności algebry liniowej potrzebnej do uczenia maszynowego Używaj liniowych struktur algebry i koncepcji podczas pracy z danymi, obrazami, algorytmami itp Rozwiąż problem z uczeniem maszynowym za pomocą algebry liniowej Publiczność Deweloperzy Inżynierowie Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson Uwaga Aby poprosić o indywidualne szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów . |
| Nue_LBG | Neural computing – Data science | 14 godziny | Ta sesja szkoleniowa oparta na zajęciach będzie zawierała prezentacje i przykłady oparte na komputerach oraz ćwiczenia z case study do podjęcia z odpowiednimi neuronowymi i głębokimi bibliotekami sieciowymi . |
| mllbg | Machine Learning in business – AI/Robotics | 14 godziny | Ta sesja szkoleniowa oparta na klasie obejrzy techniki uczenia maszynowego, z wykorzystaniem przykładów komputerowych i ćwiczeń rozwiązywania problemów z wykorzystaniem odpowiedniego programu językowego . |
| dlforbankingwithpython | Deep Learning for Banking (with Python) | 28 godziny | 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 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 . |
| Szkolenie | Data Kursu | Cena szkolenia [Zdalne / Stacjonarne] |
|---|---|---|
| Introduction to Deep Learning - Zakopane, ul. Jagiellońska 30 | pon., 2019-03-11 09:00 | 4990PLN / 5990PLN |
| Introduction to Deep Learning - Białystok, ul. Malmeda 1 | śr., 2019-03-13 09:00 | 4990PLN / 5990PLN |
| Introduction to Deep Learning - Katowice ul. Korfantego 2 | śr., 2019-03-20 09:00 | 4990PLN / 5990PLN |
| Introduction to Deep Learning - Łódź, al. Piłsudskiego 10/14 | pon., 2019-03-25 09:00 | 4990PLN / 5990PLN |
| Introduction to Deep Learning - Toruń, ul. Bydgoska 1 | śr., 2019-03-27 09:00 | 4990PLN / 5840PLN |
| Szkolenie | Miejscowość | Data Kursu | Cena szkolenia [Zdalne / Stacjonarne] |
|---|---|---|---|
| Strategic Development: Thinking, Planning, Management and Leadership | Szczecin, ul. Sienna 9 | pon., 2019-02-25 09:00 | 4980PLN / 6480PLN |
| CISA - Certified Information Systems Auditor | Warszawa, ul. Złota 3 | pon., 2019-02-25 09:00 | N/A / 5000PLN |
| Symfony 4 for Web Application Development | Warszawa, ul. Złota 3 | pon., 2019-02-25 09:00 | 3990PLN / 5040PLN |
| IIS 8 and ASP.NET Administration | Opole, Władysława Reymonta 29 | wt., 2019-02-26 09:00 | 2990PLN / 3990PLN |
| Strategic Thinking | Warszawa, ul. Złota 3 | śr., 2019-02-27 09:00 | 2990PLN / 3840PLN |
| Security Analyst | Wrocław, ul.Ludwika Rydygiera 2a/22 | pon., 2019-03-04 09:00 | 4490PLN / 5990PLN |
| Protokół SIP w VoIP | Gdańsk, ul. Grodzka 19 | śr., 2019-03-06 09:00 | 2990PLN / 3990PLN |
| Adobe Premiere Pro | Toruń, ul. Bydgoska 1 | pon., 2019-03-11 09:00 | 1990PLN / 2640PLN |
| HAProxy Administration | Warszawa, ul. Złota 3/11 | pon., 2019-03-18 09:00 | 1990PLN / 2740PLN |
| Docker and Kubernetes | Kraków, ul. Rzemieślnicza 1 | śr., 2019-03-20 09:00 | 2990PLN / 3990PLN |
| CISA - Certified Information Systems Auditor | Kielce, ul. Warszawska 19 | pon., 2019-04-01 09:00 | N/A / 5240PLN |
| Docker and Kubernetes | Opole, Władysława Reymonta 29 | pon., 2019-04-01 09:00 | 2990PLN / 3990PLN |
| Automatyzacja testów za pomocą Selenium | Wrocław, ul.Ludwika Rydygiera 2a/22 | śr., 2019-04-03 09:00 | 2990PLN / 3990PLN |
| Microsoft Office Excel - poziom średniozaawansowany | Poznań, Garbary 100/63 | czw., 2019-04-11 09:00 | 860PLN / 1610PLN |
| Techniki DTP (InDesign, Photoshop, Illustrator, Acrobat) | Rzeszów, Plac Wolności 13 | pon., 2019-05-13 09:00 | 2150PLN / 3650PLN |
.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)")
We are looking to expand our presence in Poland!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!
