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
Elastyczność prowadzącego w kontekście omawianych tematów.
NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
Ćwiczenia praktyczne.
Adam Borowski - NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
ćwiczenia praktyczne
NetWorkS! Sp. z o.o.
Szkolenie: AI Awareness for Telecom
temat szkolenia
Fujitsu Technology Solutions Sp. z o.o.
Szkolenie: Artificial Intelligence Overview
Praktyczna wiedza
Fujitsu Technology Solutions Sp. z o.o.
Szkolenie: Artificial Intelligence Overview
Trener bardzo zrozumiale wytłumaczył trudne i zaawansowane tematy.
Leszek K
Szkolenie: Artificial Intelligence Overview
Duży zakres materiału oraz to że zaczęło się podstaw.
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
Kontakt z prowadzącym, luźne podejście.
Orange Szkolenia sp. z o.o.
Szkolenie: Fundamentals of Artificial Intelligence and Machine Learning
Proste przykłady do teorii pozwalające na zobrazowanie zagadnienia
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)
Omawianie zastosowań
EduBroker Sp. z o.o.
Szkolenie: Machine Learning for Banking (with Python)
- Paktyczne zastosowanie tematyki szkolenia, - doświadczenie i duża widza, - udzielanie odpwiedzi na zadawane pytania w rozumiały i jasny sposób.
Magdalena Zabielska - Wyższa Szkoła Bankowa w Poznaniu
Szkolenie: Machine Learning and Big Data
bezstresowe podejscie, otwartosc na pytania, dobry kontakt z uczestnikami, np. nawiazywanie rozmowy, pytania
Wyższa Szkoła Bankowa w Poznaniu
Szkolenie: Machine Learning and Big Data
Praktyczne przykłady, wyczerpujące odpowiedzi na zadawane przez uczestników pytania, ogromna wiedza i doświadczenie
Marta Rokosa - Wyższa Szkoła Bankowa w Poznaniu
Szkolenie: Machine Learning and Big Data
Omawiane zagadnienia, realizowane ćwiczenia (przykłady), atmosfera szkolenia, kontakt z Trenerem, lokalizacja.
Wojskowe Zakłady Uzbrojenia S.A. w Grudziądzu
Szkolenie: Octave nie tylko dla programistów
Świetny kontakt z uczestnikami, wiedza praktyczna co bardzo się ceni. Dostosowanie toku / tempa. Duuuży plus, mega pozytywny instruktor, aż szkoda że szkolenie trwało tylko 2 dni.
Marcin Mikielewicz - Maria del Carmen Pousa Rodicio, TECNOBIT SLU
Szkolenie: Introduction Deep Learning & Réseaux de neurones pour l’ingénieur
Zdecydowanie było widać, że mamy do czynienia z praktykiem. Plan szkolenia, był przygotowany przekrojowo, ale jeśli jakiś aspekt nas interesował to skupialiśmy się na nim, zamiast sztywno trzymać się planu.
Maria del Carmen Pousa Rodicio, TECNOBIT SLU
Szkolenie: Introduction Deep Learning & Réseaux de neurones pour l’ingénieur
Sposób przekazania informacji, dużo praktyki :) Organizacja projektu i kontakt z trenerem oraz Panią Anią - super
Aleksandra Bieniek - PCO S.A.
Szkolenie: Deep Learning with TensorFlow 2
Zajęcia były prowadzone, w sposób niezwykle kompetentny. Trener był w stanie odpowiedzieć na każde postawione mu pytanie. Sposób przekazywania wiedzy również stał na najwyższym poziomie.
Daniel Wargocki - PCO S.A.
Szkolenie: Deep Learning with TensorFlow 2
Mnogość praktycznych wskazówek i wiedza prowadzącego z szerokiej gamy zagadnień AI / IT / SQL / IoT.
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
Dużo wskazówek praktycznych
Pawel Dawidowski - ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
Część praktyczna, gdzie implementowaliśmy algorytmy. Pozwoliło to na lepsze zrozumienie tematu.
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
Szeroki zakres poruszanych tematów oraz duża wiedza merytoryczna prowadzących.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Szkolenie: Understanding Deep Neural Networks
Sztuczna Inteligencja, sieć neuronowa, deep learning, itd, są bardzo skomplikowane obliczenia matematycznych. Poziom trudności było pokazane na tych wykładów. Mimo tego komputery są w stanie to obliczyć i da się to wykorzystać na wiele sposobów.
GDANSKI UNIWERSYTET MEDYCZNY
Szkolenie: Pattern Matching
Podkategorie Machine Learning (ML)
Plany szkoleń z technologii Machine Learning
Nazwa kursu
Czas trwania
Opis
Nazwa kursu
Czas trwania
Opis
21 godzin
Generatywna sztuczna inteligencja to rodzaj sztucznej inteligencji, która może tworzyć oryginalne treści, takie jak tekst, obrazy, muzyka i kod. Duże modele językowe (LLM) to potężne sieci neuronowe, które mogą przetwarzać i generować język naturalny;
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla średnio zaawansowanych programistów, którzy chcą dowiedzieć się, jak korzystać z generatywnej sztucznej inteligencji z LLM do różnych zadań i domen.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Wyjaśnij, czym jest generatywna sztuczna inteligencja i jak działa.
Opisać architekturę transformatora, która zasila mechanizmy LLM.
Wykorzystanie empirycznych praw skalowania do optymalizacji mechanizmów LLM pod kątem różnych zadań i ograniczeń.
Zastosuj najnowocześniejsze narzędzia i metody do trenowania, dostrajania i wdrażania mechanizmów LLM.
Omówienie szans i zagrożeń związanych z generatywną sztuczną inteligencją dla społeczeństwa i biznesu.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
21 godzin
LightGBM to darmowy i rozproszony framework gradient-boosting do uczenia maszynowego, pierwotnie opracowany przez Microsoft. Opiera się na algorytmach drzew decyzyjnych i jest używany do rankingowania, klasyfikacji i innych zadań uczenia maszynowego;
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla początkujących i średnio zaawansowanych programistów i naukowców zajmujących się danymi, którzy chcą nauczyć się podstaw LightGBM i poznać zaawansowane techniki.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Instalacja i konfiguracja LightGBM.
Zrozumienie teorii stojącej za algorytmami wzmacniania gradientowego i drzew decyzyjnych
Wykorzystanie LightGBM do podstawowych i zaawansowanych zadań uczenia maszynowego.
Wdrożenie zaawansowanych technik, takich jak inżynieria cech, strojenie hiperparametrów i interpretacja modelu.
Integracja LightGBM z innymi frameworkami uczenia maszynowego.
Rozwiązywanie typowych problemów w LightGBM.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
21 godzin
Stable Diffusion to potężny model głębokiego uczenia, który może generować szczegółowe obrazy na podstawie opisów tekstowych;
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych i zaawansowanych naukowców zajmujących się danymi, inżynierów uczenia maszynowego, badaczy głębokiego uczenia się i ekspertów od wizji komputerowej, którzy chcą poszerzyć swoją wiedzę i umiejętności w zakresie głębokiego uczenia się w celu generowania tekstu na obraz.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumienie zaawansowanych architektur głębokiego uczenia i technik generowania tekstu na obraz.
Wdrażanie złożonych modeli i optymalizacji dla wysokiej jakości syntezy obrazu.
Optymalizacja wydajności i skalowalności dla dużych zbiorów danych i złożonych modeli.
Dostrajanie hiperparametrów w celu uzyskania lepszej wydajności i uogólnienia modelu.
Integracja Stable Diffusion z innymi strukturami i narzędziami głębokiego uczenia.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.
14 godzin
Generative Pre-trained Transformers (GPT) to najnowocześniejsze modele przetwarzania języka naturalnego, które zrewolucjonizowały różne zastosowania, w tym generowanie języka, uzupełnianie tekstu i tłumaczenie maszynowe. Ten kurs zapewnia dogłębną eksplorację modeli GPT, ze szczególnym uwzględnieniem GPT-3 i najnowszych osiągnięć w GPT-4. Uczestnicy uzyskają wgląd w architekturę, techniki szkoleniowe i zastosowania modeli GPT.
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, inżynierów uczenia maszynowego, badaczy NLP i entuzjastów sztucznej inteligencji, którzy chcą zrozumieć wewnętrzne działanie modeli GPT, zbadać możliwości GPT-3 i GPT-4 oraz dowiedzieć się, jak wykorzystać te modele do swoich zadań NLP.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumienie kluczowych pojęć i zasad stojących za wstępnie wytrenowanymi transformatorami generatywnymi.
Zrozumienie architektury i procesu uczenia modeli GPT.
Wykorzystanie GPT-3 do zadań takich jak generowanie, uzupełnianie i tłumaczenie tekstu.
Poznanie najnowszych osiągnięć w GPT-4 i jego potencjalnych zastosowań.
Zastosowanie modeli GPT we własnych projektach i zadaniach NLP.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
7 godzin
Vertex AI to Google środowisko chmurowe do wykonywania zadań uczenia maszynowego, od eksperymentowania, przez wdrażanie, po zarządzanie i monitorowanie modeli. Jest to skalowalna infrastruktura, która zapewnia możliwości zarządzania użytkownikami i kontrolę bezpieczeństwa nad projektami uczenia maszynowego.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średniozaawansowanych inżynierów oprogramowania lub każdego, kto chce dowiedzieć się, jak używać Vertex AI do wykonywania i wykonywania działań związanych z uczeniem maszynowym.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumienie, jak działa Vertex AI i wykorzystanie go jako platformy uczenia maszynowego.
Poznanie koncepcji uczenia maszynowego i NLP.
Dowiedz się, jak trenować i wdrażać modele uczenia maszynowego przy użyciu Vertex AI.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
21 godzin
DeepSpeed to biblioteka optymalizacji głębokiego uczenia, która ułatwia skalowanie modeli głębokiego uczenia na rozproszonym sprzęcie. Opracowana przez Microsoft, DeepSpeed integruje się z PyTorch, aby zapewnić lepsze skalowanie, szybsze szkolenie i lepsze wykorzystanie zasobów;
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla początkujących i średnio zaawansowanych analityków danych i inżynierów uczenia maszynowego, którzy chcą poprawić wydajność swoich modeli uczenia głębokiego.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumienie zasad rozproszonego uczenia głębokiego.
Instalowanie i konfigurowanie DeepSpeed.
Skalowanie modeli głębokiego uczenia na rozproszonym sprzęcie przy użyciu DeepSpeed.
Wdrażanie i eksperymentowanie z funkcjami DeepSpeed w celu optymalizacji i zwiększenia wydajności pamięci.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
14 godzin
Duże modele językowe (LLM) to modele głębokich sieci neuronowych, które mogą generować teksty w języku naturalnym na podstawie danych wejściowych lub kontekstu. Są one trenowane na dużych ilościach danych tekstowych z różnych dziedzin i źródeł i mogą uchwycić wzorce składniowe i semantyczne języka naturalnego. Modele LLM osiągnęły imponujące wyniki w różnych zadaniach związanych z językiem naturalnym, takich jak podsumowywanie tekstu, odpowiadanie na pytania, generowanie tekstu i inne.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą korzystać z dużych modeli językowych do różnych zadań związanych z językiem naturalnym.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Skonfigurowanie środowiska programistycznego zawierającego popularny program LLM.
Utwórz podstawowy mechanizm LLM i dostosuj go do niestandardowego zestawu danych.
Wykorzystanie LLM do różnych zadań związanych z językiem naturalnym, takich jak podsumowywanie tekstu, odpowiadanie na pytania, generowanie tekstu i inne.
Debugowanie i ocena LLM przy użyciu narzędzi takich jak TensorBoard, PyTorch Lightning i Hugging Face Datasets.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
7 godzin
AlphaFold to system sztucznej inteligencji (AI), który wykonuje przewidywanie struktur białkowych. Został on opracowany przez Alphabet’s/Google’s DeepMind jako system głębokiego uczenia się, który może dokładnie przewidywać modele 3D struktur białkowych.
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla biologów, którzy chcą zrozumieć, jak działa AlphaFold i używać modeli AlphaFold jako przewodników w swoich badaniach eksperymentalnych.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumienie podstawowych zasad działania AlphaFold.
Dowiedz się, jak działa AlphaFold.
Dowiedz się, jak interpretować przewidywania i wyniki AlphaFold.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
21 godzin
Stable Diffusion to potężny model głębokiego uczenia, który może generować szczegółowe obrazy na podstawie opisów tekstowych;
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, inżynierów uczenia maszynowego i badaczy wizji komputerowej, którzy chcą wykorzystać Stable Diffusion do generowania wysokiej jakości obrazów do różnych zastosowań.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumienie zasad działania modelu Stable Diffusion i jego zastosowania do generowania obrazów.
Budowanie i trenowanie modeli Stable Diffusion dla zadań generowania obrazów.
Zastosuj Stable Diffusion do różnych scenariuszy generowania obrazów, takich jak inpainting, outpainting i tłumaczenie obrazu na obraz.
Optymalizacja wydajności i stabilności modeli Stable Diffusion.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.
14 godzin
RapidMiner to zaawansowana platforma analityczna, która zapewnia zintegrowane środowisko do przygotowywania danych, uczenia maszynowego, głębokiego uczenia, eksploracji tekstu i analizy predykcyjnej.
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych analityków danych, którzy chcą dowiedzieć się, jak używać RapidMiner do szacowania i prognozowania wartości oraz wykorzystywania narzędzi analitycznych do prognozowania szeregów czasowych.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Naucz się stosować metodologię CRISP-DM, wybierać odpowiednie algorytmy uczenia maszynowego oraz ulepszać konstrukcję i wydajność modeli.
Używaj RapidMiner do szacowania i prognozowania wartości oraz wykorzystuj narzędzia analityczne do prognozowania szeregów czasowych.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
14 godzin
Waikato Environment for Knowledge Analysis (Weka) to oprogramowanie do wizualizacji eksploracji danych o otwartym kodzie źródłowym. Zapewnia zbiór algorytmów uczenia maszynowego do przygotowywania danych, klasyfikacji, grupowania i innych działań związanych z eksploracją danych.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych analityków danych i naukowców zajmujących się danymi, którzy chcą używać Weka do wykonywania zadań eksploracji danych.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Instalowanie i konfigurowanie Weka.
Poznanie środowiska i środowiska pracy Weka.
Wykonywanie zadań eksploracji danych przy użyciu Weka.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
14 godzin
Celem tego kursu jest zapewnienie podstawowej biegłości w stosowaniu metod uczenia maszynowego w praktyce. Dzięki wykorzystaniu języka programowania Python i jego różnych bibliotek oraz w oparciu o wiele praktycznych przykładów, kurs ten uczy, jak korzystać z najważniejszych elementów składowych uczenia maszynowego, jak podejmować decyzje dotyczące modelowania danych, interpretować dane wyjściowe algorytmów i weryfikować wyniki.
Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek aplikacji Data Sciences.
21 godzin
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają najistotniejsze i najnowocześniejsze techniki uczenia maszynowego w Python, tworząc serię aplikacji demonstracyjnych obejmujących obraz, muzykę, tekst i dane finansowe.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Wdrażanie algorytmów i technik uczenia maszynowego w celu rozwiązywania złożonych problemów.
Stosować uczenie głębokie i półnadzorowane w aplikacjach wykorzystujących obrazy, muzykę, tekst i dane finansowe.
Wykorzystanie maksymalnego potencjału algorytmów Python.
Korzystanie z bibliotek i pakietów, takich jak NumPy i Theano.
-
Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
28 godzin
Celem tego kursu jest zapewnienie ogólnej biegłości w stosowaniu metod uczenia maszynowego w praktyce. Dzięki wykorzystaniu języka programowania Python i jego różnych bibliotek oraz w oparciu o wiele praktycznych przykładów, kurs ten uczy, jak korzystać z najważniejszych elementów składowych uczenia maszynowego, jak podejmować decyzje dotyczące modelowania danych, interpretować dane wyjściowe algorytmów i weryfikować wyniki.
Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek aplikacji Data Sciences.
28 godzin
Jest to 4-dniowy kurs wprowadzający sztuczną inteligencję i jej zastosowanie przy użyciu języka programowania Python. Istnieje możliwość dodatkowego dnia na podjęcie projektu AI po ukończeniu tego kursu;
21 godzin
Deep Reinforcement Learning odnosi się do zdolności "sztucznego agenta" do uczenia się metodą prób i błędów oraz nagród i kar. Sztuczny agent ma na celu naśladowanie ludzkiej zdolności do samodzielnego pozyskiwania i konstruowania wiedzy, bezpośrednio z surowych danych wejściowych, takich jak wizja. Aby zrealizować uczenie ze wzmocnieniem, stosuje się głębokie uczenie i sieci neuronowe. Uczenie ze wzmocnieniem różni się od uczenia maszynowego i nie opiera się na nadzorowanych i nienadzorowanych podejściach do uczenia się.
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą poznać podstawy Deep Reinforcement Learning podczas tworzenia agenta Deep Learning.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumieć kluczowe koncepcje stojące za Deep Reinforcement Learning i być w stanie odróżnić je od uczenia maszynowego.
Stosować zaawansowane algorytmy Reinforcement Learning do rozwiązywania rzeczywistych problemów.
Zbuduj agenta głębokiego uczenia.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
28 godzin
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania.
Deep learning to poddziedzina uczenia maszynowego, która wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe.
Python to język programowania wysokiego poziomu słynący z przejrzystej składni i czytelności kodu.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak wdrożyć modele głębokiego uczenia się dla telekomunikacji przy użyciu Python, przechodząc przez proces tworzenia modelu ryzyka kredytowego głębokiego uczenia się.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumienie podstawowych koncepcji uczenia głębokiego.
Poznanie aplikacji i zastosowań głębokiego uczenia w telekomunikacji.
Wykorzystanie Pythona, Keras i TensorFlow do tworzenia modeli głębokiego uczenia dla telekomunikacji.
Zbudują własny model przewidywania rezygnacji klientów oparty na uczeniu głębokim przy użyciu języka Python.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
14 godzin
Embedding Projector to aplikacja internetowa typu open source do wizualizacji danych wykorzystywanych do szkolenia systemów uczenia maszynowego. Stworzona przez Google, jest częścią TensorFlow.
To prowadzone przez instruktora szkolenie na żywo wprowadza koncepcje stojące za Embedding Projector i przeprowadza uczestników przez konfigurację projektu demonstracyjnego.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zobacz, jak dane są interpretowane przez modele uczenia maszynowego
Poruszanie się po widokach 3D i 2D danych w celu zrozumienia, w jaki sposób algorytm uczenia maszynowego je interpretuje.
Zrozumienie koncepcji stojących za embeddings i ich roli w reprezentowaniu wektorów matematycznych dla obrazów, słów i cyfr.
Zbadaj właściwości konkretnego osadzenia, aby zrozumieć zachowanie modelu.
Zastosuj Embedding Project do rzeczywistych przypadków użycia, takich jak budowanie systemu rekomendacji utworów dla miłośników muzyki.
-
Programiści
Naukowcy zajmujący się danymi
-
Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
7 godzin
Kurs ten został stworzony z myślą o menedżerach, architektach rozwiązań, specjalistach ds. innowacji, CTO, architektach oprogramowania i wszystkich, którzy są zainteresowani przeglądem stosowanej sztucznej inteligencji i najbliższymi prognozami jej rozwoju.
14 godzin
Jak będą wyglądać miasta w przyszłości? Jak można wykorzystać Artificial Intelligence (AI) do poprawy planowania miast? Jak można wykorzystać sztuczną inteligencję, aby miasta były bardziej wydajne, przyjazne do życia, bezpieczniejsze i przyjazne dla środowiska?
W tym prowadzonym przez instruktora szkoleniu na żywo (na miejscu lub zdalnie) badamy różne technologie, które składają się na sztuczną inteligencję, a także zestawy umiejętności i ramy mentalne wymagane do wykorzystania ich w planowaniu miasta. Omawiamy również narzędzia i podejścia do gromadzenia i organizowania odpowiednich danych do wykorzystania w sztucznej inteligencji, w tym eksploracji danych.
Publiczność
-
Planiści miejscy
Architekci
Deweloperzy
Urzędnicy ds. transportu
-
Część wykładu, część dyskusji i seria interaktywnych ćwiczeń.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
14 godzin
Sztuczna inteligencja to zbiór technologii służących do tworzenia inteligentnych systemów zdolnych do rozumienia danych i działań związanych z danymi w celu podejmowania "inteligentnych decyzji". Dla dostawców Telecom tworzenie aplikacji i usług wykorzystujących sztuczną inteligencję może otworzyć drzwi do usprawnienia operacji i obsługi w obszarach takich jak konserwacja i optymalizacja sieci.
W tym kursie badamy różne technologie, które składają się na sztuczną inteligencję i zestawy umiejętności wymagane do ich wykorzystania. W trakcie kursu badamy konkretne zastosowania sztucznej inteligencji w branży Telecom.
Publiczność
-
Inżynierowie sieciowi
Personel operacyjny sieci
Menedżerowie techniczni Telecom
-
Część wykładu, część dyskusji, ćwiczenia praktyczne
35 godzin
Ten kurs jest przeznaczony dla osób, które nie mają wcześniejszego doświadczenia w zakresie prawdopodobieństwa i statystyki.
14 godzin
Algebra liniowa to dziedzina matematyki zajmująca się wektorami, macierzami i przekształceniami liniowymi. Znajomość algebry liniowej pomaga inżynierom i programistom poprawić możliwości uczenia maszynowego. Zrozumienie pojęć algebry liniowej pozwala im lepiej zrozumieć zasady stojące za technikami uczenia maszynowego, a tym samym szybciej rozwiązywać problemy.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają podstawy algebry liniowej, rozwiązując problemy związane z uczeniem maszynowym przy użyciu metod algebry liniowej.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Zrozumienie podstawowych pojęć algebry liniowej
Poznanie umiejętności algebry liniowej potrzebnych do uczenia maszynowego
Wykorzystanie struktur i pojęć algebry liniowej podczas pracy z danymi, obrazami, algorytmami itp.
Rozwiązywanie problemów związanych z uczeniem maszynowym przy użyciu algebry liniowej
-
Deweloperzy
Inżynierowie
-
Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
21 godzin
Azure Machine Learning (AML) to płatne, oparte na chmurze środowisko do szkolenia, wdrażania, automatyzacji, zarządzania i śledzenia modeli ML.
To prowadzone przez instruktora szkolenie na żywo (w trybie online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą korzystać z platformy Azure ML typu "przeciągnij i upuść" do wdrażania obciążeń Machine Learning bez konieczności zakupu oprogramowania i sprzętu oraz bez martwienia się o konserwację i wdrażanie.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Pisanie bardzo dokładnych modeli uczenia maszynowego przy użyciu języka Python, R lub narzędzi z kodem zerowym.
Wykorzystaj dostępne na platformie Azure zestawy danych i algorytmy do trenowania i śledzenia modeli uczenia maszynowego i głębokiego uczenia.
Korzystaj z interaktywnego obszaru roboczego platformy Azure, aby wspólnie opracowywać modele uczenia maszynowego.
Wybieraj spośród różnych frameworków uczenia maszynowego obsługiwanych przez platformę Azure, takich jak PyTorch, TensorFlow i scikit-learn.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
21 godzin
Sztuczna sieć neuronowa to obliczeniowy model danych wykorzystywany w rozwoju systemów sztucznej inteligencji (AI) zdolnych do wykonywania "inteligentnych" zadań. Sztuczne sieci neuronowe Neural Networks są powszechnie stosowane w aplikacjach uczenia maszynowego (ML), które same w sobie są jedną z implementacji sztucznej inteligencji. Deep Learning jest podzbiorem ML.
28 godzin
Jest to 4-dniowy kurs wprowadzający w sztuczną inteligencję i jej zastosowanie. Istnieje możliwość dodatkowego dnia na podjęcie projektu AI po ukończeniu tego kursu;
14 godzin
Ten kurs szkoleniowy jest przeznaczony dla osób, które chciałyby zastosować Machine Learning w praktycznych zastosowaniach.
Publiczność
Ten kurs jest przeznaczony dla naukowców zajmujących się danymi i statystyków, którzy mają pewne obycie ze statystyką i wiedzą, jak programować R (lub Python lub inny wybrany język). Kurs kładzie nacisk na praktyczne aspekty przygotowania danych/modeli, wykonania, analizy post hoc i wizualizacji.
Celem jest przedstawienie praktycznych zastosowań Machine Learning uczestnikom zainteresowanym zastosowaniem metod w pracy.
Aby szkolenie było odpowiednie dla odbiorców, wykorzystywane są przykłady specyficzne dla branży.
21 godzin
Amazon Web Services (AWS) SageMaker to usługa uczenia maszynowego w chmurze, która pozwala programistom szybko tworzyć, trenować i wdrażać modele uczenia maszynowego w dowolnej skali.
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla analityków danych i programistów, którzy chcą tworzyć i szkolić modele uczenia maszynowego w celu wdrożenia w gotowych do produkcji środowiskach hostingowych.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Używanie instancji notebooków do przygotowywania i przesyłania danych do szkolenia.
Trenowanie modeli uczenia maszynowego przy użyciu treningowych zestawów danych.
Wdrażanie wytrenowanych modeli do punktu końcowego w celu tworzenia prognoz.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
14 godzin
Azure Machine Learning to oparta na chmurze platforma do tworzenia, szkolenia i wdrażania modeli uczenia maszynowego. Azure Machine Learning zapewnia użytkownikom możliwość tworzenia rozwiązań uczenia maszynowego bez jednej linii kodu.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą wykorzystać Azure Machine Learning do tworzenia kompleksowych modeli uczenia maszynowego do analizy predykcyjnej.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Twórz modele uczenia maszynowego bez doświadczenia w programowaniu.
Twórz algorytmy predykcyjne za pomocą Azure Machine Learning.
Wdrażaj gotowe do produkcji algorytmy uczenia maszynowego.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
14 godzin
Core ML to specyficzny dla domeny framework do integracji uczenia maszynowego iOS 11 i macOS High Sierra. Dzięki Core ML użytkownicy będą mogli tworzyć i trenować modele do klasyfikacji obrazów, NLP (Natural Language for Processing) i nie tylko.
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla twórców stron internetowych, którzy chcą tworzyć modele uczenia maszynowego za pomocą Core ML dla iOS 11 i macOS High Sierra.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
-
Tworzenie aplikacji opartych na sztucznej inteligencji, które wykorzystują uczenie maszynowe.
Wdrażaj modele uczenia maszynowego, które klasyfikują obrazy.
Korzystaj z interfejsu API Core ML do obsługi niestandardowych przepływów pracy i zaawansowanych przypadków użycia.
Analizuj tekst w języku naturalnym za pomocą modeli uczenia maszynowego.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
Last Updated:
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)
