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
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
Podkategorie Machine Learning (ML)
Plany szkoleń z technologii Machine Learning
Nazwa kursu
Czas trwania
Opis
Nazwa kursu
Czas trwania
Opis
35 hours
Opis
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest skierowane do profesjonalistów, którzy chcą rozpocząć karierę w Data Science .
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zainstaluj i skonfiguruj Python i MySql.
- Dowiedz się, czym jest Data Science i jak może wnieść wartość dodaną do praktycznie każdej firmy.
- Poznaj podstawy kodowania w Python
- Naucz się nadzorowanych i nienadzorowanych technik Machine Learning oraz jak je wdrażać i interpretować wyniki.
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.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zainstaluj i skonfiguruj Python i MySql.
- Dowiedz się, czym jest Data Science i jak może wnieść wartość dodaną do praktycznie każdej firmy.
- Poznaj podstawy kodowania w Python
- Naucz się nadzorowanych i nienadzorowanych technik Machine Learning oraz jak je wdrażać i interpretować wyniki.
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.
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.
14 hours
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 (onsite or remote) 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 (onsite or remote) 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.
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
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 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 .
14 hours
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 (onsite or remote) 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 (onsite or remote) 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 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.
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
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 .
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 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.
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.
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 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.
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.
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
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.
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.
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 .
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.
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 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 .
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 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 .
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 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 .
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 .
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
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 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
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 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
Docelowi odbiorcy
- Inwestorzy i przedsiębiorcy AI
- Menedżerowie i inżynierowie, których firma zapuszcza się w przestrzeń AI
- Analitycy Business i inwestorzy
21 hours
Opis
Ten kurs obejmuje sztuczną inteligencję (podkreślanie Machine Learning i Deep Learning )
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
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
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 .
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
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
7 hours
Opis
Tensor2Tensor (T2T) to modułowa, rozszerzalna biblioteka do szkolenia modeli sztucznej inteligencji w różnych zadaniach, wykorzystująca różne typy danych szkoleniowych, na przykład: rozpoznawanie obrazu, tłumaczenie, analizowanie, podpisywanie obrazów i rozpoznawanie mowy Jest utrzymywany przez zespół Google Brain W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak przygotować model głęboki, aby rozwiązać wiele zadań Pod koniec tego szkolenia uczestnicy będą mogli: Zainstaluj tensor2tensor, wybierz zestaw danych i trenuj i oceniaj model sztucznej inteligencji Dostosuj środowisko programistyczne za pomocą narzędzi i komponentów zawartych w Tensor2Tensor Utwórz i używaj jednego modelu do jednoczesnego uczenia się wielu zadań z wielu domen Użyj modelu, aby uczyć się na zadaniach z dużą ilością danych szkoleniowych i zastosować tę wiedzę do zadań, w których dane są ograniczone Uzyskaj satysfakcjonujące wyniki przetwarzania za pomocą pojedynczego procesora graficznego Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
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
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
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
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
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
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
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)")
.jpg "komisja nadzoru finansowego (knf)")
.jpg "zakład ubezpieczeń społecznych (zus)")
.gif "telekomunikacja polska (tp)")
.jpg "ministerstwo obrony narodowej (mon)")
.jpg "ministerstwo kultury i dziedzictwa narodowego (mkidn)")
