Praktyczne szkolenia na żywo z zakresu uczenia maszynowego (ML) demonstrują w trakcie warsztatów techniki uczenia maszynowego i narzędzia 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 zastosowań 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 stacjonarne" lub "szkolenie online na żywo". Szkolenie stacjonarne może odbywać się lokalnie w siedzibie klienta w Polsce lub w ośrodkach szkoleniowych NobleProg w Polsce. Zdalne szkolenie online odbywa się za pomocą interaktywnego, zdalnego pulpitu DaDesktop .
NobleProg -- Twój lokalny dostawca szkoleń.
Opinie uczestników
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
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.
ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
przedstawione wiedza zarówno praktyczna jak i teoretyczna, jedna uzupełniająca drugą. Sposób prowadzenia bardzo ciekawy. Zero nudy. Dużo wiedzy, życiowych przykładów
Bartosz Matuszek - Weegree Sp. z o.o. S.K.
Szkolenie: Machine Learning – Data science
Live coding, mocna argumentacja przykładów teorią.
Filip Derenowski - Weegree Sp. z o.o. S.K.
Szkolenie: Machine Learning – Data science
Konkrety
Weegree Sp. z o.o. S.K.
Szkolenie: Machine Learning – Data science
Najpierw wyjasnienie teorii, na podstawie ktorej byly pozniej realizowane zadania praktyczne
Weegree Sp. z o.o. S.K.
Szkolenie: Machine Learning – Data science
Omawianie zastosowań
EduBroker Sp. z o.o.
Szkolenie: Machine Learning for Banking (with Python)
Sposób przekazywania wiedzy
EduBroker Sp. z o.o.
Szkolenie: Machine Learning for Banking (with Python)
Proste przykłady do teorii pozwalające na zobrazowanie zagadnienia
EduBroker Sp. z o.o.
Szkolenie: Machine Learning for Banking (with Python)
sposób przekazywania wiedzy i odpowiedzi na zadawane pytania
INTELLIGENT HIVES SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
Szkolenie: Machine Learning – Data science
praktyka
INTELLIGENT HIVES SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
Szkolenie: Machine Learning – Data science
ćwiczenia praktyczne
NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
Ćwiczenia praktyczne.
Adam Borowski - NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
Elastyczność prowadzącego w kontekście omawianych tematów.
NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
ćwiczenia/labolatoria przygotowane w przystępny sposób
NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
merytoryka i sposób prowadzenia
NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
Najbardziej imponujący był poziom merytoryczny prowadzącego, co przełożyło się automatycznie na poziom całego szkolenia. W mojej ocenie dzięki tej ogromnej wiedzy, popartej doświadczeniem, wykład nie sprowadzał się do czytania slajdów tylko stanowił niejako proces skutecznego przekazywania tejże wiedzy. Dawno nie uczestniczyłem w tak dobrze merytorycznie przygotowanym szkoleniu - tutaj jeszcze raz podkreślam, w mojej ocenie jest to przede wszystkim zasługa prowadzącego.
NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
Kontakt z prowadzącym, luźne podejście.
Orange Szkolenia sp. z o.o.
Szkolenie: Fundamentals of Artificial Intelligence and Machine Learning
Ćwiczenia
Orange Szkolenia sp. z o.o.
Szkolenie: Fundamentals of Artificial Intelligence and Machine Learning
Kompetencje i sposób prowadzenia.
Orange Szkolenia sp. z o.o.
Szkolenie: Fundamentals of Artificial Intelligence and Machine Learning
Duży zakres materiału oraz to że zaczęło się podstaw.
Orange Szkolenia sp. z o.o.
Szkolenie: Fundamentals of Artificial Intelligence and Machine Learning
Podkategorie Machine Learning (ML)
Plany szkoleń z technologii Machine Learning
Nazwa kursu
Czas trwania
Opis
Nazwa kursu
Czas trwania
Opis
14 godzin
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 godzin
Opis
Ten kurs wprowadza metody uczenia maszynowego w aplikacjach robotyki.
Jest to szeroki przegląd istniejących metod, motywacji i głównych pomysłów w kontekście rozpoznawania wzorców.
Po krótkim tle teoretycznym uczestnicy wykonają proste ćwiczenia z wykorzystaniem open source (zazwyczaj R) lub dowolnego innego popularnego oprogramowania.
Jest to szeroki przegląd istniejących metod, motywacji i głównych pomysłów w kontekście rozpoznawania wzorców.
Po krótkim tle teoretycznym uczestnicy wykonają proste ćwiczenia z wykorzystaniem open source (zazwyczaj R) lub dowolnego innego popularnego oprogramowania.
21 godzin
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 .
14 godzin
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.
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.
7 godzin
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
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 godzin
Opis
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
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
14 godzin
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 .
14 godzin
Opis
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 godzin
Opis
Szkolenie dedykowane osobom, które chciałyby zapoznać się z obsługą programu alternatywnego do komercyjnego pakietu MATLAB. Kurs trzydniowy dostarcza kompleksowo informacje dotyczące poruszania się po środowisku i wykonywaniu pakietu OCTAVE w zastosowaniu do analizy danych i obliczeń inżynierskich. Adresatami szkolenia są osoby początkujące ale także ci, którzy znają program i chcieliby usystematyzować swoją wiedzę i podnieść umiejętności. Nie jest wymagana znajomość innych języków programowania ale w znacznym stopniu ułatwi to uczestnikom przyswajanie wiedzy. Na kursie pokazane zostaną możliwości wykorzystania program na wielu przykładach praktycznych.
14 godzin
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
28 godzin
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 .
To szkolenie bardziej koncentruje się na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Teano, DeepDrive, Keras itp. Przykłady zostały wykonane w TensorFlow .
21 godzin
Opis
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 godzin
Opis
Ta sesja szkoleniowa oparta na zajęciach obejmie narzędzia do uczenia maszynowego z (sugerowanym) Python . Delegaci będą mieli do wykonania przykłady komputerowe i ćwiczenia studium przypadku.
21 godzin
Opis
celem tego kursu jest zapewnienie ogólnej biegłości w stosowaniu metod uczenia maszynowego w praktyce. Dzięki użyciu języka programowania Python i jego różnych bibliotek, a w oparciu o wiele praktycznych przykładów ten kurs uczy, jak korzystać z najważniejszych bloków konstrukcyjnych Machine Learning, jak podejmować decyzje modelowania danych, interpretować dane wyjściowe algorytmów i sprawdzić poprawność wyników.
naszym celem jest, aby dać Ci umiejętności, aby zrozumieć i używać najbardziej podstawowych narzędzi z przybornika uczenia maszynowego pewnie i uniknąć typowych pułapek aplikacji Data Sciences.
naszym celem jest, aby dać Ci umiejętności, aby zrozumieć i używać najbardziej podstawowych narzędzi z przybornika uczenia maszynowego pewnie i uniknąć typowych pułapek aplikacji Data Sciences.
21 godzin
Opis
PredictionIO to Open Source Server Machine Learning zbudowany na bazie najnowocześniejszego stosu open source.
Publiczność
Ten kurs jest skierowany do programistów i naukowców zajmujących się danymi, którzy chcą tworzyć silniki predykcyjne dla każdego zadania uczenia maszynowego.
Publiczność
Ten kurs jest skierowany do programistów i naukowców zajmujących się danymi, którzy chcą tworzyć silniki predykcyjne dla każdego zadania uczenia maszynowego.
14 godzin
Opis
MLOps (Machine Learning Operations) is the practice of integrating data science and operations to help manage the ML lifecycle. MLOps provides the ability to automate the reproduction of machine learning model development and training.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
35 godzin
Opis
MLOps is a set of tools and methodologies for combining Machine Learning and DevOps practices. The goal of MLOps is to automate and optimize the deployment and maintenance of ML systems in production.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 godzin
Opis
Ta sesja szkoleniowa oparta na zajęciach będzie poświęcona technikom uczenia maszynowego, z komputerowymi przykładami i studiami przypadków rozwiązywania problemów przy użyciu odpowiedniego programu językowego
14 godzin
Opis
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 .
7 godzin
Opis
To szkolenie jest przeznaczone dla osób, które chcą zastosować podstawowe techniki Machine Learning w praktycznych zastosowaniach.
Publiczność
Naukowcy zajmujący się danymi i statystycy, którzy są zaznajomieni z uczeniem maszynowym i wiedzą, jak programować R. Kurs kładzie nacisk na praktyczne aspekty przygotowania danych / modelu, wykonania, analizy post hoc i wizualizacji. Celem jest przedstawienie praktycznego wprowadzenia do uczenia maszynowego uczestnikom zainteresowanym zastosowaniem metod w pracy
Przykłady specyficzne dla danego sektora są wykorzystywane do szkolenia odpowiedniego dla odbiorców.
Publiczność
Naukowcy zajmujący się danymi i statystycy, którzy są zaznajomieni z uczeniem maszynowym i wiedzą, jak programować R. Kurs kładzie nacisk na praktyczne aspekty przygotowania danych / modelu, wykonania, analizy post hoc i wizualizacji. Celem jest przedstawienie praktycznego wprowadzenia do uczenia maszynowego uczestnikom zainteresowanym zastosowaniem metod w pracy
Przykłady specyficzne dla danego sektora są wykorzystywane do szkolenia odpowiedniego dla odbiorców.
14 godzin
Opis
Celem tego kursu jest zapewnienie podstawowej biegłości w stosowaniu metod Machine Learning w praktyce. Dzięki wykorzystaniu platformy programistycznej R i jej różnych bibliotek oraz w oparciu o wiele praktycznych przykładów ten kurs uczy, jak korzystać z najważniejszych elementów składowych Machine Learning , jak podejmować decyzje dotyczące modelowania danych, interpretować wyniki algorytmów i sprawdź wyniki.
Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek związanych z aplikacjami Data Science .
Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek związanych z aplikacjami Data Science .
14 godzin
Opis
Celem tego kursu jest zapewnienie podstawowej biegłości w stosowaniu metod Machine Learning w praktyce. Dzięki wykorzystaniu języka programowania Python i jego różnych bibliotek oraz na podstawie wielu praktycznych przykładów ten kurs uczy, w jaki sposób korzystać z najważniejszych elementów składowych Machine Learning , jak podejmować decyzje dotyczące modelowania danych, interpretować wyniki algorytmów i sprawdź wyniki.
Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek związanych z aplikacjami Data Science .
Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek związanych z aplikacjami Data Science .
14 godzin
Opis
Celem tego kursu jest zapewnienie podstawowej biegłości w stosowaniu metod Machine Learning w praktyce. Dzięki zastosowaniu języka programowania Scala i jego różnych bibliotek oraz w oparciu o wiele praktycznych przykładów ten kurs uczy, jak korzystać z najważniejszych elementów składowych Machine Learning , jak podejmować decyzje dotyczące modelowania danych, interpretować wyniki algorytmów i zweryfikuj wyniki.
Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek związanych z aplikacjami Data Science .
Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek związanych z aplikacjami Data Science .
21 godzin
Opis
MLflow is an open source platform for streamlining and managing the machine learning lifecycle. It supports any ML (machine learning) library, algorithm, deployment tool or language. Simply add MLflow to your existing ML code to share the code across any ML library being used within your organization.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
28 godzin
Opis
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
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
21 godzin
Opis
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 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
21 godzin
Opis
To szkolenie jest przeznaczone dla osób, które chciałyby zastosować Machine Learning w praktycznych zastosowaniach swojego zespołu. Szkolenie nie zagłębi się w szczegóły techniczne i skupi się wokół podstawowych pojęć i zastosowań biznesowych / operacyjnych.
Docelowi odbiorcy
- Inwestorzy i przedsiębiorcy AI
- Menedżerowie i inżynierowie, których firma zapuszcza się w przestrzeń AI
- Analitycy Business i inwestorzy
Docelowi odbiorcy
- Inwestorzy i przedsiębiorcy AI
- Menedżerowie i inżynierowie, których firma zapuszcza się w przestrzeń AI
- Analitycy Business i inwestorzy
14 godzin
Opis
Dopasowywanie wzorców to technika używana do lokalizowania określonych wzorów w obrazie. Można go użyć do określenia istnienia określonych cech w przechwyconym obrazie, na przykład oczekiwanej etykiety na wadliwym produkcie w linii produkcyjnej lub określonych wymiarach elementu. Inaczej niż w przypadku „ Pattern Recognition ” (które rozpoznaje ogólne wzorce oparte na większych zbiorach powiązanych próbek), ponieważ wyraźnie dyktuje to, czego szukamy, a następnie informuje nas, czy oczekiwany wzór istnieje, czy nie.
Format kursu
- Ten kurs wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w odniesieniu do Machine Vision .
Format kursu
- Ten kurs wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w odniesieniu do Machine Vision .
14 godzin
Opis
Pandas is a Python library for data manipulation and analysis. Using Pandas, users can perform predictive analysis through machine learning.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 godzin
Opis
ML.NET is a framework for machine learning applications built upon the .NET development platform by Microsoft. It is extensible to multiple operating systems and can perform various machine learning prediction tasks. The central ML.NET tools are the ML.NET CLI and Model Builder which allow .NET developers to generate, train, and deploy machine learning models based on the objectives of an enterprise.
This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use ML.NET machine learning models to automatically derive projections from executed data analysis for enterprise applications.
By the end of this training, participants will be able to:
- Install ML.NET and integrate it into the application development environment.
- Understand the machine learning principles behind ML.NET tools and algorithms.
- Build and train machine learning models to perform predictions with the provided data smartly.
- Evaluate the performance of a machine learning model using the ML.NET metrics.
- Optimize the accuracy of the existing machine learning models based on the ML.NET framework.
- Apply the machine learning concepts of ML.NET to other data science applications.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use ML.NET machine learning models to automatically derive projections from executed data analysis for enterprise applications.
By the end of this training, participants will be able to:
- Install ML.NET and integrate it into the application development environment.
- Understand the machine learning principles behind ML.NET tools and algorithms.
- Build and train machine learning models to perform predictions with the provided data smartly.
- Evaluate the performance of a machine learning model using the ML.NET metrics.
- Optimize the accuracy of the existing machine learning models based on the ML.NET framework.
- Apply the machine learning concepts of ML.NET to other data science applications.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Other regions
Other countries
Konsultacje
Szkolenie Machine Learning, Machine Learning (ML) boot camp, Szkolenia Zdalne Machine Learning (ML), szkolenie wieczorowe Machine Learning, szkolenie weekendowe Machine Learning (ML), Kurs Machine Learning (ML),Kursy ML (Machine Learning), Trener Machine Learning, instruktor Machine Learning (ML), kurs zdalny ML (Machine Learning), edukacja zdalna Machine Learning, nauczanie wirtualne ML (Machine Learning), lekcje UML, nauka przez internet Machine Learning (ML), e-learning ML (Machine Learning), kurs online Machine Learning (ML), wykładowca Machine Learning (ML)
.jpg "polska grupa farmaceutyczna (pgf)")
.png "ministerstwo spraw wewnętrznych i administracji (mswia)"){kind=small}
.jpg "komisja nadzoru finansowego (knf)"){kind=small}
.jpg "zakład ubezpieczeń społecznych (zus)")
.gif "telekomunikacja polska (tp)"){kind=small}
.jpg "ministerstwo obrony narodowej (mon)")
.jpg "ministerstwo kultury i dziedzictwa narodowego (mkidn)")
