Szkolenia Machine Learning

Szkolenia Machine Learning

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

★★★★★
★★★★★

Plany szkoleń z technologii Machine Learning

Nazwa kursu
Czas trwania
Opis
Nazwa kursu
Czas trwania
Opis
7 godzin
This instructor-led, live training in w Polsce (online or onsite) is aimed at software engineers or anyone who wish to learn how to use Vertex AI to perform and complete machine learning activities.

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

- Understand how Vertex AI works and use it as a machine learning platform.
- Learn about machine learning and NLP concepts.
- Know how to train and deploy machine learning models using Vertex AI.
7 godzin
AlphaFold jest systemem, który wykonuje prognozę struktur białkowych. Jest on opracowany przez Alphabet’s/Google’s DeepMind jako system głębokiego uczenia się, który może dokładnie przewidzieć modele 3D struktur białkowych.

Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do biologów, którzy chcą zrozumieć, jak AlphaFold działa i wykorzystuje AlphaFold modele jako przewodniki w swoich badaniach eksperymentalnych.

Po zakończeniu szkolenia uczestnicy będą mogli:

Zrozum podstawowe zasady AlphaFold. Dowiedz się, jak działa AlphaFold. Dowiedz się, jak interpretować AlphaFold prognozy i wyniki.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
14 godzin
Waikato Environment for Knowledge Analysis (Weka) to oprogramowanie do wizualizacji górnictwa danych z otwartym źródłem. Zapewnia zbiór algorytmów uczenia się maszynowego do przygotowania danych, klasyfikacji, grupowania i innych działań w zakresie wydobywania danych.

Ten instruktor prowadzony, szkolenie na żywo (online lub on-site) jest skierowany do analityków danych i naukowców danych, którzy chcą użyć Weka do wykonywania zadań wydobywania danych.

Po zakończeniu szkolenia uczestnicy będą mogli:

Instalacja i konfiguracja Weka Zrozumienie środowiska Weka i banku pracy. Wykonaj zadania wydobywania danych przy użyciu Weka.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
14 godzin
Celem tego kursu jest zapewnienie podstawowej kompetencji w stosowaniu metod Machine Learning w praktyce. Poprzez użycie języka Python programowania i jego różnych bibliotek, i oparte na wielu praktycznych przykładów ten kurs uczy, jak używać najważniejszych bloków budowlanych Machine Learning, jak podejmować decyzje dotyczące modelowania danych, interpretować wyniki algorytmów i weryfikować wyniki.

Naszym celem jest dać Ci umiejętności do zrozumienia i używania najbardziej podstawowych narzędzi z Machine Learning pudełka narzędzi w sposób pewny i uniknąć powszechnych uderzeń w aplikacje Data Science.
21 godzin
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 .
28 godzin
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.
28 godzin
Jest to 4-dniowy kurs wprowadzający AI i jego zastosowanie za pomocą języka programowania Python. Istnieje możliwość, aby mieć dodatkowy dzień, aby podjąć projekt AI na zakończenie tego kursu.
21 godzin
Głębokie Reinforcement Learning odnośnie do zdolności agentu artyfikalnego & quot; do nauczenia przez proces i krzywki i nagrady. Artykułny agent celem emulacji ludzkiej ' możliwości do osiągnięcia i konstrukcji wiedzy własnej, bezpośrednio z wkładów surowej, takich jak wizja. Aby wzmocnić uczenie wzmocniające, głębokie uczenie i sieci neuralne są wykorzystywane. Uczba wzmocnienia jest różni od uczby maszyny i nie zależy na nadzorowanych i nieprzewidzianych podejściach nauczania.

W tym instruktorze, żywym szkolenia, uczestniki będą nauczylić podstaw Głębokie Reinforcement Learning, gdy oni skończyją poprzez tworzenie Deep Learning Agenta.

Do końca tego szkolenia uczestników będą mogły:

Zrozumiać kluczne koncepcje za głęboką Reinforcement Learning i można je odrzucić od Machine Learning Zastosować avancyjne algoritmy Reinforcement Learning w celu rozwiązania problemów rzeczywistych światów Zbudować Deep Learning Agent

Odwiedzialność

Rozwojujący Naukaci Danych

Format kursu

Częściowy przedstawicie, dyskusja części, praktyki i ciężkie praktyki
28 godzin
Uczenie się maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność do uczenia się bez wyraźnego programowania.

Głębokie uczenie się to podział uczenia się maszynowego, który wykorzystuje metody oparte na prezentacjach i strukturach danych uczenia się, takich jak sieci nerwowe.

Python jest językiem programowania na wysokim poziomie znany ze swojej wyraźnej syntazy i czytelności kodów.

W tym szkoleniu prowadzonym przez instruktora, uczestnicy dowiedzą się, jak wdrożyć modele głębokiego uczenia się do telekomunikacji przy użyciu Python jak przechodzą przez tworzenie modelu ryzyka kredytowego głębokiego uczenia się.

Po zakończeniu szkolenia uczestnicy będą mogli:

Zrozum podstawowe pojęcia głębokiego uczenia się. Naucz się aplikacji i zastosowań głębokiego uczenia się w telecom. Użyj Python, Keras i TensorFlow do tworzenia modeli głębokiego uczenia się dla telecom. Zbuduj własny model głębokiego uczenia się klienta, używając modelu przewidywania Python.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
14 godzin
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 .
7 godzin
This course has been created for managers, solutions architects, innovation officers, CTOs, software architects and anyone who is interested in an overview of applied artificial intelligence and the nearest forecast for its development.
7 godzin
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.
14 godzin
To szkolenie jest przeznaczone dla osób, które chciałyby zastosować Machine Learning w praktycznych zastosowaniach.

Publiczność

Ten kurs jest przeznaczony dla naukowców zajmujących się danymi i statystyków, którzy znają statystyki i wiedzą, jak programować R (lub Python lub inny wybrany język). Kurs kładzie nacisk na praktyczne aspekty przygotowania danych / modelu, wykonania, analizy post hoc i wizualizacji.

Celem jest praktyczne zastosowanie Machine Learning dla uczestników zainteresowanych zastosowaniem metod w pracy.

Przykłady specyficzne dla danego sektora są wykorzystywane do szkolenia odpowiedniego dla odbiorców.
14 godzin
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 .
21 godzin
Sztuczna sieć neuronowa jest obliczeniowym modelem danych wykorzystywanym w rozwoju systemów Artificial Intelligence (AI) zdolnych do wykonywania „inteligentnych” zadań. Neural Networks są powszechnie stosowane w aplikacjach Machine Learning (ML), które same są implementacją AI. Deep Learning jest podzbiorem ML.
21 godzin
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.
14 godzin
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 .
14 godzin
R jest językiem programowania open-source dla komputerów statystycznych, analizy danych i grafiki. Badania są wykorzystywane przez rosnącą liczbę menedżerów i analityków danych wewnątrz korporacji i akademii. R ma szeroką gamę pakietów do wydobywania danych.
21 godzin
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.
35 godzin
Ten kurs jest przeznaczony dla osób, które nie mają wcześniejszego doświadczenia w zakresie prawdopodobieństwa i statystyki.
21 godzin
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.
21 godzin
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
7 godzin
Snorkel to system do szybkiego tworzenia, modelowania i zarządzania danymi treningowymi Koncentruje się na przyspieszeniu rozwoju strukturalnych lub "ciemnych" aplikacji do ekstrakcji danych w domenach, w których duże zestawy szkoleniowe nie są dostępne lub łatwe do zdobycia W ramach tego instruktażowego szkolenia na żywo uczestnicy poznają techniki uzyskiwania wartości z niestrukturalnych danych, takich jak tekst, tabele, rysunki i obrazy, poprzez modelowanie danych treningowych za pomocą Snorkel Pod koniec tego szkolenia uczestnicy będą mogli: Programowo tworzyć zestawy szkoleniowe, aby umożliwić oznaczanie olbrzymich zestawów szkoleniowych Trenuj modele końca wysokiej jakości, modelując najpierw głośne zestawy treningowe Użyj Snorkela do implementacji słabych technik nadzoru i zastosowania programowania danych do słabo nadzorowanych systemów uczenia maszynowego Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
14 godzin
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 .
14 godzin
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 .
21 godzin
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 .
14 godzin
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 .
28 godzin
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
21 godzin
Machine Learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Python is a programming language famous for its clear syntax and readability. It offers an excellent collection of well-tested libraries and techniques for developing machine learning applications.

In this instructor-led, live training, participants will learn how to apply machine learning techniques and tools for solving real-world problems in the banking industry.

Participants first learn the key principles, then put their knowledge into practice by building their own machine learning models and using them to complete a number of team projects.

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
14 godzin
The Apache OpenNLP library is a machine learning based toolkit for processing natural language text. It supports the most common NLP tasks, such as language detection, tokenization, sentence segmentation, part-of-speech tagging, named entity extraction, chunking, parsing and coreference resolution.

In this instructor-led, live training, participants will learn how to create models for processing text based data using OpenNLP. Sample training data as well customized data sets will be used as the basis for the lab exercises.

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

- Install and configure OpenNLP
- Download existing models as well as create their own
- Train the models on various sets of sample data
- Integrate OpenNLP with existing Java applications

Audience

- Developers
- Data scientists

Format of the course

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

Last Updated:

Nadchodzące szkolenia z technologii Machine Learning (ML)

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)

Kursy w promocyjnej cenie

Newsletter z promocjami

We respect the privacy of your email address. We will not pass on or sell your address to others.
You can always change your preferences or unsubscribe completely.

Zaufali nam

This site in other countries/regions