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

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

Zyskałem korzyści z pasji uczenia i koncentrowania się na robieniu rzeczy rozsądnym.

Zaher Sharifi - GOSI

Szkolenie: Advanced Deep Learning

Machine Translated

Identyfikacja ludzka i wykrywanie złych punktów na płytkim obwodzie

王春柱 - 中移物联网

Szkolenie: Deep Learning for NLP (Natural Language Processing)

Machine Translated

Wykazać

中移物联网

Szkolenie: Deep Learning for NLP (Natural Language Processing)

Machine Translated

Informacje o obszarze powierzchni.

中移物联网

Szkolenie: Deep Learning for NLP (Natural Language Processing)

Machine Translated

Nieformalne wymiany mieliśmy podczas wykładów naprawdę pomógł mi pogłębić moje zrozumienie tematu

Explore

Szkolenie: Deep Reinforcement Learning with Python

Machine Translated

Pokazuje wiele metod ze wstępnie przygotowanymi skryptami - bardzo ładnie przygotowane materiały i łatwe do śledzenia

Kamila Begej - GE Medical Systems Polska Sp. Zoo

Szkolenie: Machine Learning – Data science

Machine Translated

Podoba mi się, że szkolenie skupiało się na przykładach i kodowaniu. Myślałem, że nie da się spakować tak dużo treści na trzy dni treningu, ale myliłem się. Szkolenie obejmowało wiele tematów i wszystko zostało zrobione w bardzo szczegółowy sposób (zwłaszcza dostrajanie parametrów modelu - nie spodziewałem się, że będzie na to czas i byłem zdziwiony).

Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo

Szkolenie: Machine Learning – Data science

Machine Translated

Podoba mi się, że bardziej koncentruje się na poradach dotyczących różnych metod podsumowywania tekstu

Szkolenie: Text Summarization with Python

Machine Translated

wiele informacji, wszystkie pytania, ciekawe przykłady

A1 Telekom Austria AG

Szkolenie: Deep Learning for Telecom (with Python)

Machine Translated

Trener był profesjonalistą w dziedzinie przedmiotu i teorii związanej z zastosowaniem doskonale

Fahad Malalla - Tatweer Petroleum

Szkolenie: Applied AI from Scratch in Python

Machine Translated

Zacząłem od wiedzy bliskiej zeru, a pod koniec mogłem budować i szkolić własne sieci.

Huawei Technologies Duesseldorf GmbH

Szkolenie: TensorFlow for Image Recognition

Machine Translated

Ewa has a passion for the subject and a huge wealth of knowledge. She impressed all of us with her knowledge and kept us all focused through the day.

Rock Solid Knowledge Ltd

Szkolenie: Machine Learning – Data science

Even with having to miss a day due to customer meetings, I feel I have a much clearer understanding of the processes and techniques used in Machine Learning and when I would use one approach over another. Our challenge now is to practice what we have learned and start to apply it to our problem domain

Richard Blewett - Rock Solid Knowledge Ltd

Szkolenie: Machine Learning – Data science

So much breadth and topics covered. I felt it was a huge subject to try and cover in 3 days - the trainer did what they could to cover everything almost exactly on time!

Rock Solid Knowledge Ltd

Szkolenie: Machine Learning – Data science

Podoba mi się, że bardziej koncentruje się na poradach dotyczących różnych metod podsumowywania tekstu

Szkolenie: Text Summarization with Python

Machine Translated

Podkategorie Machine Learning (ML)

Plany szkoleń z technologii Machine Learning

Nazwa kursu

Czas trwania

Opis

Nazwa kursu

Czas trwania

Opis

Artificial Intelligence in Automotive

14 hours

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.

Machine Learning in business – AI/Robotics

14 hours

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

OpenNLP for Text Based Machine Learning

14 hours

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

OpenFace: Creating Facial Recognition Systems

14 hours

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 .

Octave nie tylko dla programistów

21 hours

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.

Neural computing – Data science

14 hours

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

Neural Networks Fundamentals using TensorFlow as Example

28 hours

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 .

Machine Learning – Data science

21 hours

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.

Machine Learning for Robotics

21 hours

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.

Machine Learning with Python

21 hours

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.

Machine Learning on iOS

14 hours

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 .

OpenNN: Implementing Neural Networks

14 hours

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.

Introduction to Machine Learning

7 hours

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.

Machine Learning Fundamentals with R

14 hours

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 .

Machine Learning Fundamentals with Python

14 hours

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 .

Machine Learning Fundamentals with Scala and Apache Spark

14 hours

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 .

Machine Learning for Finance (with R)

28 hours

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

Machine Learning for Finance (with Python)

21 hours

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

Machine Learning Concepts for Entrepreneurs and Managers

21 hours

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

Machine Learning and Deep Learning

21 hours

Opis

Ten kurs obejmuje sztuczną inteligencję (podkreślanie Machine Learning i Deep Learning )

OpenNMT: Setting Up a Neural Machine Translation System

7 hours

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

PaddlePaddle

21 hours

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 .

Machine Learning for Banking (with R)

28 hours

Opis

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

Deep Learning with TensorFlow 2.0

21 hours

Opis

TensorFlow to popularna biblioteka do uczenia maszynowego opracowana przez Go ogle do głębokiego uczenia się, obliczeń numerycznych i uczenia maszynowego na dużą skalę. TensorFlow 2.0, wydany w styczniu 2019 r., Jest najnowszą wersją TensorFlow i zawiera ulepszenia w TensorFlow wykonywaniu, kompatybilności i spójności API.

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

Pod koniec tego szkolenia uczestnicy będą mogli:

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

Format kursu

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

Opcje dostosowywania kursu

- Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu umówienia się.
- Aby dowiedzieć się więcej o TensorFlow , odwiedź: https://www.tensorflow.org/

Understanding Deep Neural Networks

35 hours

Opis

Kurs rozpoczyna się od przekazania wiedzy pojęciowej w sieciach neuronowych i ogólnie w algorytmie uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).

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

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

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

Publiczność

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

Po ukończeniu tego kursu uczestnicy:

-

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

-

zrozumieć strukturę i mechanizmy wdrażania TensorFlow

-

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

-

być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie

-

być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie

Natural Language Processing with TensorFlow

35 hours

Opis

TensorFlow ™ to biblioteka oprogramowania typu open source do obliczeń numerycznych z wykorzystaniem wykresów przepływu danych.

SyntaxNet to neuronowa sieć przetwarzania języka naturalnego dla TensorFlow .

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

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

Publiczność

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

Po ukończeniu tego kursu delegaci:

- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, terminy osadzania, wykresy budowlane i rejestrowanie

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 hours

Opis

The Tensor Processing Unit (TPU) is the architecture which Google has used internally for several years, and is just now becoming available for use by the general public. It includes several optimizations specifically for use in neural networks, including streamlined matrix multiplication, and 8-bit integers instead of 16-bit in order to return appropriate levels of precision。

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

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

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

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice

Torch for Machine and Deep Learning

21 hours

Opis

Torch jest biblioteką uczenia maszynowego typu open source i naukowym środowiskiem komputerowym opartym na języku programowania Lua . Zapewnia środowisko programistyczne dla liczb, uczenia maszynowego i wizji komputerowej, ze szczególnym naciskiem na głębokie uczenie się i sieci splotowe. Jest to jedna z najszybszych i najbardziej elastycznych platform dla Deep Learning maszynowego i Deep Learning i jest używana przez firmy takie jak Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel i wiele innych.

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

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

Format kursu

- Przegląd maszyn i Deep Learning
- Ćwiczenia z kodowania i integracji w klasie
- Pytania testowe posypane po drodze, aby sprawdzić zrozumienie

TensorFlow for Image Recognition

28 hours

Opis

Ten kurs omawia, wraz z konkretnymi przykładami, zastosowanie Tensor Flow do celów rozpoznawania obrazów

Publiczność

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

Po ukończeniu tego kursu delegaci będą mogli:

- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie

Deep Learning with TensorFlow

21 hours

Opis

TensorFlow jest 2nd Generation API Go otwartej biblioteki oprogramowania źródłowego OGLE za Deep Learning . System został zaprojektowany w celu ułatwienia badań nad uczeniem maszynowym oraz w celu szybkiego i łatwego przejścia od prototypu badawczego do systemu produkcyjnego.

Publiczność

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

Po ukończeniu tego kursu delegaci:

- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- być w stanie wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- być w stanie wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie

Other regions

Other countries

These courses are also available in other countries ››

Konsultacje

Konsultacje Machine Learning

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)