Szkolenia Sztuczna inteligencja

Szkolenia Sztuczna inteligencja

Szkolenia Sztuczna inteligencja, Szkolenia AI, Szkolenia Artificial Intelligence, Szkolenia Synthetic Intelligence

Szkolenia z tematu Sztuczna inteligencja mogą być realizowane w siedzibie klienta lub centrach szkoleniowych w Polsce. Szkolenie zdalne realizowane są przy użyciu interaktywnego, zdalnego pulpitu.

Opinie uczestników

★★★★★
★★★★★

Plany szkoleń z technologii AI

Title
Czas trwania
Opis
Title
Czas trwania
Opis
7 godziny
Opis
Kurs ten został stworzony dla menadżerów, architektów, analityków biznesowych i systemowych, menedżerów oprogramowania oraz wszystkich zainteresowanych przeglądem stosowania sztucznej inteligencji i prognozą dla jej rozwoju.
14 godziny
Opis
Biblioteka Apache OpenNLP to oparty na uczeniu maszynowym zestaw narzędzi do przetwarzania tekstu w języku naturalnym Obsługuje najczęstsze zadania NLP, takie jak wykrywanie języka, tokenizacja, segmentacja zdań, tagowanie części, rozwiązywanie encji, dzielenie, analizowanie i rozwiązywanie rdzenia W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak tworzyć modele do przetwarzania danych tekstowych za pomocą OpenNLP Przykładowe dane treningowe oraz spersonalizowane zbiory danych będą wykorzystywane jako podstawa do ćwiczeń laboratoryjnych Pod koniec tego szkolenia uczestnicy będą mogli: Zainstaluj i skonfiguruj OpenNLP Pobierz istniejące modele i stwórz własne Trenuj modele na różnych zestawach przykładowych danych Zintegruj OpenNLP z istniejącymi aplikacjami Java Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
28 godziny
Opis
Cortana Intelligence Suite to pakiet zintegrowanych produktów i usług w chmurze Microsoft Azure, które umożliwiają jednostkom przekształcanie danych w inteligentne działania Podczas tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, jak korzystać z komponentów wchodzących w skład Cortana Intelligence Suite, aby tworzyć inteligentne aplikacje oparte na danych Pod koniec tego szkolenia uczestnicy będą mogli: Dowiedz się, jak korzystać z narzędzi Cortana Intelligence Suite Zdobądź najnowszą wiedzę z zakresu zarządzania danymi i analityki Użyj komponentów Cortany, aby przekształcić dane w inteligentne działanie Użyj Cortany, aby tworzyć aplikacje od zera i uruchamiać je w chmurze Publiczność Data naukowcy Programiści Deweloperzy Menedżerowie Architekci Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
28 godziny
Opis
Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe Python to język programowania wysokiego poziomu znany ze swojej czytelnej składni i czytelności kodu Podczas tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się dla finansów za pomocą Pythona, gdy przechodzą przez tworzenie modelu prognozowania cen akcji Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia głębokiego uczenia się Poznaj aplikacje i zastosowania głębokiego uczenia się w finansach Używaj Pythona, Keras i TensorFlow do tworzenia modeli głębokiego uczenia się dla finansów Zbuduj własny model prognozowania cen akcji za pomocą Pythona Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
28 godziny
Opis
Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe R jest popularnym językiem programowania w branży finansowej Jest stosowany w aplikacjach finansowych, od podstawowych programów transakcyjnych po systemy zarządzania ryzykiem W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się w bankowości przy pomocy R, gdy przechodzą przez tworzenie modelu głębokiego uczenia się ryzyka kredytowego Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia głębokiego uczenia się Poznaj aplikacje i zastosowania głębokiej nauki w bankowości Użyj R, aby stworzyć modele głębokiego uczenia się dla bankowości Zbuduj swój własny model ryzyka kredytowego głębokiego uczenia się za pomocą R Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
28 godziny
Opis
Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe Python to język programowania wysokiego poziomu znany ze swojej czytelnej składni i czytelności kodu W ramach tego instruktażowego szkolenia na żywo uczestnicy nauczą się, jak wdrażać modele głębokiego uczenia się w bankowości przy użyciu Pythona, ponieważ przechodzą przez tworzenie modelu głębokiego uczenia się ryzyka kredytowego Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia głębokiego uczenia się Poznaj aplikacje i zastosowania głębokiej nauki w bankowości Używaj Pythona, Keras i TensorFlow do tworzenia modeli głębokiego uczenia się dla bankowości Zbuduj własny model ryzyka kredytowego głębokiego uczenia się za pomocą Pythona Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
28 godziny
Opis
Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Głębokie uczenie się jest poddziedziną uczenia maszynowego, które wykorzystuje metody oparte na reprezentacji danych uczenia się i strukturach, takich jak sieci neuronowe R jest popularnym językiem programowania w branży finansowej Jest stosowany w aplikacjach finansowych, od podstawowych programów transakcyjnych po systemy zarządzania ryzykiem W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się dla finansów, używając R, gdy przechodzą przez tworzenie modelu prognozowania cen akcji głębokiego uczenia się Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia głębokiego uczenia się Poznaj aplikacje i zastosowania głębokiego uczenia się w finansach Użyj R, aby stworzyć modele głębokiego uczenia się dla finansów Zbuduj własny model prognozowania cen akcji za pomocą R Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
28 godziny
Opis
Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania R jest popularnym językiem programowania w branży finansowej Jest stosowany w aplikacjach finansowych, od podstawowych programów transakcyjnych po systemy zarządzania ryzykiem W ramach tego instruktażowego szkolenia na żywo uczestnicy nauczą się stosować techniki uczenia maszynowego i narzędzia do rozwiązywania problemów w świecie rzeczywistym w branży finansowej R będzie używany jako język programowania Uczestnicy najpierw poznają kluczowe zasady, a następnie wykorzystają swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do ukończenia szeregu projektów zespołowych Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z podstawowymi pojęciami z uczenia maszynowego Poznaj aplikacje i zastosowania uczenia maszynowego w finansach Opracuj swoją własną algorytmiczną strategię handlową za pomocą uczenia maszynowego z R Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
14 godziny
Opis
Computer Vision to dziedzina, która polega na automatycznym wyodrębnianiu, analizowaniu i zrozumieniu użytecznych informacji z mediów cyfrowych Python to język programowania wysokiego poziomu znany ze swojej czytelnej składni i czytelności kodu W tym instruktażowym szkoleniu na żywo uczestnicy poznają podstawy Computer Vision, ponieważ przechodzą przez tworzenie zestawu prostych aplikacji Computer Vision wykorzystujących Python Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z podstawami Computer Vision Użyj Pythona do implementacji zadań Computer Vision Zbuduj własne systemy wykrywania twarzy, obiektów i ruchu Publiczność Programiści Pythona zainteresowani Computer Vision Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
21 godziny
Opis
Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Python to język programowania znany ze swojej czytelnej składni i czytelności Oferuje doskonały zbiór dobrze przetestowanych bibliotek i technik do tworzenia aplikacji uczenia maszynowego W ramach tego instruktażowego szkolenia na żywo uczestnicy nauczą się stosować techniki uczenia maszynowego i narzędzia do rozwiązywania problemów w świecie rzeczywistym w branży finansowej Uczestnicy najpierw poznają kluczowe zasady, a następnie wykorzystają swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do ukończenia szeregu projektów zespołowych Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z podstawowymi pojęciami z uczenia maszynowego Poznaj aplikacje i zastosowania uczenia maszynowego w finansach Opracuj własną algorytmiczną strategię handlową z wykorzystaniem uczenia maszynowego w Pythonie Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
35 godziny
Opis
Postępy w technologiach i rosnąca ilość informacji zmieniają sposób przeprowadzania egzekwowania prawa Wyzwania stojące przed Big Data są tak samo trudne, jak obietnica Big Data Skuteczne przechowywanie danych jest jednym z tych wyzwań; efektywna analiza to kolejne W ramach tego instruktażowego szkolenia na żywo uczestnicy poznają sposób, w jaki podchodzą do technologii Big Data, oceniają ich wpływ na istniejące procesy i polityki oraz wdrażają te technologie w celu identyfikowania działalności przestępczej i zapobiegania przestępstwom Studia przypadków z organizacji zajmujących się egzekwowaniem prawa na całym świecie będą badane w celu uzyskania wglądu w ich podejścia do adopcji, wyzwania i wyniki Pod koniec tego szkolenia uczestnicy będą mogli: Połącz technologię Big Data z tradycyjnymi procesami gromadzenia danych, aby złożyć opowieść podczas śledztwa Wdrożyć przemysłowe rozwiązania do przechowywania i przetwarzania dużych zbiorów danych do analizy danych Przygotuj propozycję przyjęcia najbardziej adekwatnych narzędzi i procesów umożliwiających zdecentralizowane podejście do dochodzeń w sprawach karnych Publiczność Specjaliści ds Egzekwowania prawa ze środowiskiem technicznym Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
28 godziny
Opis
Deep Learning for NLP pozwala maszynie uczyć się prostego lub złożonego przetwarzania języka Wśród aktualnie dostępnych zadań znajduje się tłumaczenie i generowanie napisów do zdjęć DL (Deep Learning) jest podzbiorem ML (Machine Learning) Python jest popularnym językiem programowania, który zawiera biblioteki dla Deep Learning for NLP W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się korzystać z bibliotek Pythona dla NLP (Natural Language Processing), ponieważ tworzą aplikację, która przetwarza zestaw zdjęć i generuje podpisy Pod koniec tego szkolenia uczestnicy będą mogli: Projekt i kod DL dla NLP przy użyciu bibliotek Python Utwórz kod w języku Python, który odczytuje zasadniczo ogromną kolekcję obrazów i generuje słowa kluczowe Utwórz kod Pythona generujący podpisy z wykrytych słów kluczowych Publiczność Programiści zainteresowani językoznawstwem Programiści, którzy poszukują zrozumienia NLP (przetwarzanie języka naturalnego) Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
14 godziny
Opis
W uczeniu maszynowym w języku Python funkcja podsumowania tekstu jest w stanie odczytać tekst wejściowy i wygenerować podsumowanie tekstowe Ta funkcja jest dostępna z poziomu wiersza poleceń lub jako API / biblioteka w języku Python Jedną z pasjonujących aplikacji jest szybkie tworzenie podsumowań wykonawczych; Jest to szczególnie przydatne dla organizacji, które muszą dokonać przeglądu dużych ilości danych tekstowych przed wygenerowaniem raportów i prezentacji W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się korzystać z Pythona, aby stworzyć prostą aplikację, która automatycznie generuje podsumowanie tekstu wejściowego Pod koniec tego szkolenia uczestnicy będą mogli: Użyj narzędzia wiersza poleceń, które podsumowuje tekst Zaprojektuj i utwórz kod podsumowania tekstu za pomocą bibliotek Python Oceniaj trzy biblioteki podsumowujące Pythona: sumy 070, pysummaryzacja 104, odczyt 1017 Publiczność Deweloperzy Data Scientists Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
35 godziny
Opis
Ten kurs rozpoczyna się od przekazania wiedzy koncepcyjnej w sieciach neuronowych i ogólnie w algorytmie uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje) Część 1 (40%) tego szkolenia jest bardziej skoncentrowana na podstawach, ale pomoże ci wybrać właściwą technologię: TensorFlow, Caffe, Theano, DeepDrive, Keras, itp Część 2 (20%) tego szkolenia wprowadza Theano w bibliotekę pytonów, która ułatwia pisanie modeli głębokiego uczenia się Część 3 (40%) szkolenia będzie szeroko oparta na Tensorflow 2nd Generation API biblioteki Google Open Source dla Deep Learning Przykłady i handson zostaną wykonane w TensorFlow Publiczność Ten kurs jest przeznaczony dla inżynierów, którzy chcą korzystać z TensorFlow w swoich projektach Deep Learning Po ukończeniu tego kursu delegaci: dobrze rozumieć głębokie sieci neuronowe (DNN), CNN i RNN zrozumieć strukturę i mechanizmy wdrażania TensorFlow być w stanie wykonać zadania związane z instalacją / środowiskiem produkcyjnym / architekturą i konfiguracją być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie być w stanie wdrożyć zaawansowane produkty, takie jak modele szkoleniowe, tworzenie wykresów i rejestrowanie Nie wszystkie tematy zostałyby zakwalifikowane do publicznej sali lekcyjnej o 35 godzin z powodu ogromu tematu Czas trwania całego kursu wyniesie około 70 godzin, a nie 35 godzin .
21 godziny
Opis
Uczenie maszynowe jest gałęzią sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego zaprogramowania Python to język programowania znany ze swojej czytelnej składni i czytelności Oferuje doskonały zbiór dobrze przetestowanych bibliotek i technik do tworzenia aplikacji uczenia maszynowego Podczas tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, jak zastosować techniki uczenia maszynowego i narzędzia do rozwiązywania problemów w świecie rzeczywistym w branży bankowej Uczestnicy najpierw poznają kluczowe zasady, a następnie wykorzystają swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do ukończenia szeregu projektów zespołowych Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
14 godziny
Opis
AI to zbiór technologii służących do budowy inteligentnych systemów umożliwiających zrozumienie danych i działań związanych z danymi w celu podejmowania "inteligentnych decyzji" W przypadku dostawców usług telekomunikacyjnych aplikacje i usługi korzystające z sztucznej inteligencji mogą otworzyć drzwi do usprawnienia operacji i serwisowania w obszarach takich jak konserwacja i optymalizacja sieci W tym kursie badamy różne technologie, które składają się na sztuczną inteligencję i umiejętności wymagane do ich użycia W trakcie kursu badamy specyficzne zastosowania AI w branży telekomunikacyjnej Publiczność Inżynierowie sieci Personel operacyjny sieci Inżynierowie techniczni telekomunikacji Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia praktyczne .
28 godziny
Opis
Podczas tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, jak zastosować techniki uczenia maszynowego i narzędzia do rozwiązywania problemów w świecie rzeczywistym w branży bankowej R będzie używany jako język programowania Uczestnicy najpierw poznają kluczowe zasady, a następnie wykorzystają swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do ukończenia szeregu projektów na żywo Publiczność Deweloperzy Data naukowcy Specjaliści bankowości z zapleczem technicznym Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
35 godziny
Opis
Pod koniec szkolenia oczekuje się, że delegaci będą wystarczająco wyposażeni w niezbędne koncepcje pythonów i powinni być w stanie wystarczająco wykorzystać NLTK do wdrożenia większości operacji opartych na NLP i ML Szkolenie ma na celu nie tylko dostarczenie wiedzy na temat egzekucji, ale także logicznej i operacyjnej wiedzy na temat zastosowanej technologii .
7 godziny
Opis
TensorFlow Serving to system do obsługi modeli uczenia maszynowego (ML) do produkcji W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak skonfigurować i używać TensorFlow Serving do wdrażania i zarządzania modelami ML w środowisku produkcyjnym Pod koniec tego szkolenia uczestnicy będą mogli: Trenuj, eksportuj i obsługuj różne modele TensorFlow Testuj i wdrażaj algorytmy za pomocą pojedynczej architektury i zestawu interfejsów API Rozszerz obsługę TensorFlow, aby obsługiwać inne typy modeli poza modelami TensorFlow Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
14 godziny
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 .
21 godziny
Opis
Generowanie języka naturalnego (NLG) odnosi się do produkcji tekstu lub mowy w języku naturalnym przez komputer W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się, jak używać języka Python do generowania wysokiej jakości tekstu w języku naturalnym, budując od podstaw własny system NLG Studia przypadków zostaną również zbadane, a odpowiednie koncepcje zostaną zastosowane do projektów w żywym laboratorium w celu generowania treści Pod koniec tego szkolenia uczestnicy będą mogli: Użyj NLG, aby automatycznie generować treści dla różnych branż, od dziennikarstwa, poprzez nieruchomości, po pogodę i raportowanie sportowe Wybierz i uporządkuj treść źródłową, zaplanuj zdania i przygotuj system automatycznego generowania oryginalnej treści Zrozumieć rurociąg NLG i zastosować odpowiednie techniki na każdym etapie Zapoznaj się z architekturą systemu generacji języka naturalnego (NLG) Wprowadź najbardziej odpowiednie algorytmy i modele do analizy i zamawiania Pozyskiwanie danych z publicznie dostępnych źródeł danych, a także wybranych baz danych w celu wykorzystania ich jako materiału do generowania tekstu Zastąp ręczne i pracochłonne procesy pisania za pomocą generowania komputerowego, automatycznego tworzenia treści Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
21 godziny
Opis
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 godziny
Opis
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 .
14 godziny
Opis
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 .
21 godziny
Opis
Podczas tego instruktażowego szkolenia na żywo uczestnicy poznają zaawansowane techniki uczenia maszynowego z R, gdy będą przechodzić przez tworzenie aplikacji realworld Pod koniec tego szkolenia uczestnicy będą mogli: Użyj technik jako strojenia hiperparametrowego i głębokiego uczenia się Zrozum i wdrażaj nienadzorowane techniki uczenia się Wprowadź model do produkcji do użycia w większej aplikacji Publiczność Deweloperzy Analitycy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
21 godziny
Opis
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 .
21 godziny
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.
21 godziny
Opis
Fidżi to pakiet przetwarzania obrazu open source, który łączy w sobie ImageJ (program do przetwarzania obrazów dla wielowymiarowych obrazów naukowych) oraz szereg wtyczek do naukowej analizy obrazu W ramach tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, jak używać dystrybucji Fidżi i jej podstawowego programu ImageJ do tworzenia aplikacji do analizy obrazu Pod koniec tego szkolenia uczestnicy będą mogli: Użyj zaawansowanych funkcji programowania Fidżi i komponentów oprogramowania, aby rozszerzyć ImageJ Połącz duże obrazy 3D z nakładających się płytek Automatycznie aktualizuj instalację Fidżi przy starcie przy użyciu zintegrowanego systemu aktualizacji Wybierz z szerokiej gamy języków skryptowych, aby tworzyć niestandardowe rozwiązania do analizy obrazu Użyj potężnych bibliotek Fidżi, takich jak ImgLib na dużych zbiorach danych o bioobrazach Wdróż swoje aplikacje i współpracuj z innymi naukowcami przy podobnych projektach Publiczność Naukowcy Badacze Deweloperzy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
35 godziny
Opis
Inteligentne aplikacje to aplikacje nowej generacji, które nieustannie uczą się na podstawie interakcji użytkownika, aby zapewnić lepszą wartość i znaczenie dla użytkowników W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak tworzyć inteligentne aplikacje mobilne i boty Pod koniec tego szkolenia uczestnicy będą mogli: Rozumieć podstawowe pojęcia inteligentnych aplikacji Dowiedz się, jak korzystać z różnych narzędzi do tworzenia inteligentnych aplikacji Twórz inteligentne aplikacje za pomocą Azure, API usług poznawczych, Stream Analytics i Xamarin Publiczność Deweloperzy Programiści Hobbiści Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .
21 godziny
Opis
Deep Reinforcement Learning to zdolność "sztucznego agenta" do uczenia się metodą trialanderror, rewardsandpunishments Sztuczny agent ma naśladować zdolność człowieka do samodzielnego zdobywania i konstruowania wiedzy bezpośrednio z surowych danych wejściowych, takich jak wizja Aby zrealizować uczenie się wzmacniania, stosuje się głębokie uczenie się i sieci neuronowe Uczenie się wzmacniające różni się od uczenia maszynowego i nie opiera się na nadzorowanych i nienadzorowanych metodach uczenia się W tym instruktażowym szkoleniu na żywo uczestnicy poznają podstawy Deep Reinforcement Learning, gdy będą przechodzić przez proces tworzenia Deep Learning Agent Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z kluczowymi pojęciami stojącymi za Deep Reinforcement Learning i odróżnij je od Learning Machine Zastosuj zaawansowane algorytmy uczenia wzmacniania, aby rozwiązać problemy z prawdziwego świata Zbuduj agenta Deep Learning Publiczność Deweloperzy Data Scientists Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .

Nadchodzące szkolenia z technologii Sztuczna inteligencja

Szkolenie Artificial Intelligence, AI (Artificial Intelligence) boot camp, Szkolenia Zdalne Sztuczna inteligencja, szkolenie wieczorowe Sztuczna inteligencja, szkolenie weekendowe AI, Kurs Artificial Intelligence,Kursy AI, Trener AI, instruktor AI, kurs zdalny AI (Artificial Intelligence), edukacja zdalna AI, nauczanie wirtualne AI, lekcje UML, nauka przez internet Sztuczna inteligencja, e-learning Sztuczna inteligencja, kurs online AI (Artificial Intelligence), wykładowca Sztuczna inteligencja

Kursy w promocyjnej cenie

Newsletter z promocjami

Zapisz się na nasz newsletter i otrzymuj informacje o aktualnych zniżkach na kursy otwarte.
Szanujemy Twoją prywatność, dlatego Twój e-mail będzie wykorzystywany jedynie w celu wysyłki naszego newslettera, nie będzie udostępniony ani sprzedany osobom trzecim.
W dowolnej chwili możesz zmienić swoje preferencje co do otrzymywanego newslettera bądź całkowicie się z niego wypisać.

Zaufali nam

is growing fast!

We are looking to expand our presence in Poland!

As a Business Development Manager you will:

  • expand business in Poland
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!