
Praktyczne szkolenia na żywo z sieci neuronowej pokazują budowy sieci neuronowych przy użyciu wielu narzędzi i bibliotek opartych na otwartym oprogramowaniu.
Nasze kursy oparte są na popularnych językach programowania, takich jak język Python, Java, R i potężne biblioteki, w tym TensorFlow, Latarka, Caffe, Theano i inne.
Szkolenie na żywo może odbywać się lokalnie w siedzibie klienta w Polsce lub w centrach szkoleniowych NobleProg w Polsce
Zdalne szkolenie online odbywa się za pomocą interaktywnego, zdalnego pulpitu DaDesktop .
NobleProg Twój lokalny dostawca szkoleń.
Opinie uczestników
Trener bardzo zrozumiale wytłumaczył trudne i zaawansowane tematy.
Leszek K
Szkolenie: Artificial Intelligence Overview
dużo ćwiczeń, które bezpośrednio mogę wykorzystać w mojej pracy
Alior Bank S.A.
Szkolenie: Sieci Neuronowe w R
Przykłady na danych rzeczywistych
Alior Bank S.A.
Szkolenie: Sieci Neuronowe w R
neuralnet, pROC w petli
Alior Bank S.A.
Szkolenie: Sieci Neuronowe w R
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
Praktyczna wiedza
Fujitsu Technology Solutions Sp. z o.o.
Szkolenie: Artificial Intelligence Overview
temat szkolenia
Fujitsu Technology Solutions Sp. z o.o.
Szkolenie: Artificial Intelligence Overview
Klarowne tłumaczenia i ciekawostki.
Fujitsu Technology Solutions Sp. z o.o.
Szkolenie: Artificial Intelligence Overview
przykłady i wizualizacja wiedzy teorytycznej
Fujitsu Technology Solutions Sp. z o.o.
Szkolenie: Artificial Intelligence Overview
tematyka, przyjazne nastawienie prowadzącego
Fujitsu Technology Solutions Sp. z o.o.
Szkolenie: Artificial Intelligence Overview
To było bardzo interaktywne i bardziej zrelaksowane i nieformalne niż się spodziewano. Omówiliśmy wiele tematów w tym czasie, a trener zawsze był otwarty na bardziej szczegółowe omówienie tematów i ich powiązanie. Uważam, że szkolenie dało mi narzędzia do kontynuacji nauki, a nie jednorazową sesję, w której nauka kończy się po ukończeniu, co jest bardzo ważne ze względu na skalę i złożoność tematu.
Jonathan Blease
Szkolenie: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Ann stworzyła świetne środowisko do zadawania pytań i uczenia się. Mieliśmy dużo zabawy, a także wiele się nauczyliśmy w tym samym czasie.
Gudrun Bickelq
Szkolenie: Introduction to the use of neural networks
Machine Translated
Część interaktywna, dostosowana do naszych konkretnych potrzeb.
Thomas Stocker
Szkolenie: Introduction to the use of neural networks
Machine Translated
Naprawdę doceniam krystalicznie czyste odpowiedzi Chrisa na nasze pytania.
Léo Dubus
Szkolenie: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Ogólnie byłem zadowolony z kompetentnego trenera.
Sridhar Voorakkara
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Byłem zdumiony standardem tej klasy - powiedziałbym, że był to standard uniwersytecki.
David Relihan
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Bardzo dobry ogólny przegląd. Go dlaczego Tensorflow działa tak, jak działa.
Kieran Conboy
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Spodobały mi się możliwości zadawania pytań i dokładniejszego wyjaśnienia teorii.
Sharon Ruane
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Spodobały mi się nowe spostrzeżenia w głębokim uczeniu maszynowym.
Josip Arneric
Szkolenie: Neural Network in R
Machine Translated
Zdobyliśmy nieco wiedzy na temat NN w ogóle, a najbardziej interesujące dla mnie były nowe typy NN, które są obecnie popularne.
Tea Poklepovic
Szkolenie: Neural Network in R
Machine Translated
Najbardziej podobały mi się wykresy w R :))).
Faculty of Economics and Business Zagreb
Szkolenie: Neural Network in R
Machine Translated
Perspektywa technologii: jaka technologia / proces może stać się ważniejsza w przyszłości; zobacz, do czego można wykorzystać tę technologię.
Commerzbank AG
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Miałem korzyści z wyboru tematu. Styl szkolenia. Poćwicz orientację.
Commerzbank AG
Szkolenie: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Łącza komunikacyjne z wykładowcami
文欣 张
Szkolenie: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Wszystko jak
lisa xie
Szkolenie: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Nieformalne wymiany mieliśmy podczas wykładów naprawdę pomógł mi pogłębić moje zrozumienie tematu
Explore
Szkolenie: Deep Reinforcement Learning with Python
Machine Translated
Podkategorie Sieci Neuronowe
Plany szkoleń z technologii Sieci Neuronowe
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
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Python to build recommender systems.
By the end of this training, participants will be able to:
- Create recommender systems at scale.
- Apply collaborative filtering to build recommender systems.
- Use Apache Spark to compute recommender systems on clusters.
- Build a framework to test recommendation algorithms with Python.
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.
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.
To szkolenie bardziej koncentruje się na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Teano, DeepDrive, Keras itp. Przykłady zostały wykonane w TensorFlow .
Ten prowadzony przez instruktora trening na żywo (na miejscu lub zdalnie) skierowany jest do inżynierów, którzy chcą poznać możliwości zastosowania sztucznej inteligencji w systemach mechatronicznych.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Uzyskaj przegląd sztucznej inteligencji, uczenia maszynowego i inteligencji obliczeniowej.
- Zrozum pojęcia sieci neuronowych i różnych metod uczenia się.
- Wybierz metody sztucznej inteligencji efektywnie w rzeczywistych problemach.
- Wdrożenie aplikacji AI w inżynierii mechatronicznej.
Format kursu
- Interaktywny wykład i dyskusja.
- Wiele ćwiczeń i ćwiczeń.
- Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.
Opcje dostosowywania kursu
- Aby poprosić o niestandardowe szkolenie na ten kurs, skontaktuj się z nami w celu umówienia.
Metoda nauczania: prezentacja, wymiany i studia przypadków
Sztuczna inteligencja, po zakłóceniu wielu dziedzin nauki, zaczęła zrewolucjonizować wiele sektorów gospodarki (przemysł, medycyna, komunikacja itp.). Niemniej jednak jego prezentacja w dużych mediach jest często fantazją, bardzo daleką od tego, co naprawdę jest dziedziną Machine Learning lub Deep Learning . Celem tego szkolenia jest zapewnienie inżynierom, którzy już opanowali narzędzia komputerowe (w tym bazę programistyczną) wprowadzenia do Deep Learning i jego różnych obszarów specjalizacji, a tym samym do głównych istniejących architektur sieciowych dziś. Jeśli podstawy matematyczne zostaną przywołane w trakcie kursu, poziom matematyki typu BAC + 2 jest zalecany dla większego komfortu. Absolutnie możliwe jest pominięcie osi matematycznej, aby zachować tylko wizję „systemową”, ale to podejście ogromnie ograniczy zrozumienie tematu.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają podstawy Deep Reinforcement Learning, gdy przejdą przez tworzenie Deep Learning Agent.
Pod koniec tego szkolenia uczestnicy będą mogli:
- Zrozumienie kluczowych pojęć związanych z Deep Reinforcement Learning i umiejętność odróżnienia go od Machine Learning
- Zastosuj zaawansowane algorytmy uczenia się zbrojenia, aby rozwiązać rzeczywiste problemy
- Zbuduj Deep Learning Agent
Publiczność
- Deweloperzy
- Naukowcy danych
Format kursu
- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
Kurs jest interaktywny i obejmuje wiele ćwiczeń praktycznych, informacje zwrotne od instruktora oraz testowanie zdobytej wiedzy i umiejętności.
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.
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