Praktyczne szkolenia Sztuczna inteligencja, Szkolenia AI, Szkolenia Artificial Intelligence, Szkolenia Synthetic Intelligence.
Szkolenie Artificial Intelligence 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.
NobleProg -- Twój lokalny dostawca szkoleń.
Opinie uczestników
zakres materialu
Maciej Jonczyk
Szkolenie: From Data to Decision with Big Data and Predictive Analytics
usystematyzowanie wiedzy z dziedziny ML
Orange Polska
Szkolenie: From Data to Decision with Big Data and Predictive Analytics
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
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
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
Dodatkowe materiały. Przygotowanie teoretyczne.
ING Bank Śląski
Szkolenie: Using Computer Network ToolKit (CNTK)
Duża wiedza prowadzącego a także chęć i umiejętność dzielenia się nią. Inspiracja do poszukiwania zastosowań algorytmów sztucznej inteligencji
ING Bank Śląski
Szkolenie: Using Computer Network ToolKit (CNTK)
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
Mnogość praktycznych wskazówek i wiedza prowadzącego z szerokiej gamy zagadnień AI / IT / SQL / IoT.
ABB Sp. z o.o.
Szkolenie: Deep Learning with TensorFlow
przedstawione wiedza zarówno praktyczna jak i teoretyczna, jedna uzupełniająca drugą. Sposób prowadzenia bardzo ciekawy. Zero nudy. Dużo wiedzy, życiowych przykładów
Bartosz Matuszek - Weegree Sp. z o.o. S.K.
Szkolenie: Machine Learning – Data science
Live coding, mocna argumentacja przykładów teorią.
Filip Derenowski - Weegree Sp. z o.o. S.K.
Szkolenie: Machine Learning – Data science
Konkrety
Weegree Sp. z o.o. S.K.
Szkolenie: Machine Learning – Data science
Najpierw wyjasnienie teorii, na podstawie ktorej byly pozniej realizowane zadania praktyczne
Weegree Sp. z o.o. S.K.
Szkolenie: Machine Learning – Data science
Omawianie zastosowań
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)
Proste przykłady do teorii pozwalające na zobrazowanie zagadnienia
EduBroker Sp. z o.o.
Szkolenie: Machine Learning for Banking (with Python)
Plany szkoleń z technologii AI
Nazwa kursu
Czas trwania
Opis
Nazwa kursu
Czas trwania
Opis
7 godzin
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.
21 godzin
Opis
Kurs ten został zaprojektowany dla osób zainteresowanych wydobywaniem znaczenia z tekstu pisanego w języku angielskim, choć wiedza może być również stosowana do innych języków ludzkich.
Kurs obejmie sposób wykorzystania tekstu napisanego przez ludzi, takich jak wpisy na blogu, tweety itp.
Na przykład analityk może skonfigurować algorytm, który doprowadzi do wniosku automatycznie opartego na obszernym źródle danych.
Kurs obejmie sposób wykorzystania tekstu napisanego przez ludzi, takich jak wpisy na blogu, tweety itp.
Na przykład analityk może skonfigurować algorytm, który doprowadzi do wniosku automatycznie opartego na obszernym źródle danych.
7 godzin
Opis
Szkolenie skierowane jest do osób, które chcą zapoznać się z podstawami sieci neuronowych oraz ich zastosowań.
14 godzin
Opis
Szkolenie jest wprowadzeniem do wdrożenia sieci neuronowych w życiu codziennym wykorzystując oprogramowanie R-project.
21 godzin
Opis
Publiczność
Jeśli próbujesz zrozumieć dane, do których masz dostęp lub chcesz analizować dane nieustrukturyzowane dostępne w sieci (np. Twitter, Połączone itp.), Ten kurs jest dla Ciebie.
Jest on skierowany głównie do decydentów i osób, które muszą wybrać, które dane są warte gromadzenia i co warto przeanalizować.
Nie jest on przeznaczony dla osób konfigurujących rozwiązanie, ale ci ludzie skorzystają z dużego obrazu.
Sposób dostawy
Podczas kursu delegaci zostaną zaprezentowani działające przykłady głównie technologii open source.
Po krótkich wykładach uczestnicy zapoznają się z prezentacją i prostymi ćwiczeniami
Wykorzystywane treści i oprogramowanie
Wszystkie używane programy są aktualizowane za każdym razem, gdy kurs jest uruchamiany, więc sprawdzamy najnowsze wersje.
Obejmuje proces od uzyskania, formatowania, przetwarzania i analizy danych, aby wyjaśnić, jak zautomatyzować proces podejmowania decyzji dzięki uczeniu maszynowemu.
Jeśli próbujesz zrozumieć dane, do których masz dostęp lub chcesz analizować dane nieustrukturyzowane dostępne w sieci (np. Twitter, Połączone itp.), Ten kurs jest dla Ciebie.
Jest on skierowany głównie do decydentów i osób, które muszą wybrać, które dane są warte gromadzenia i co warto przeanalizować.
Nie jest on przeznaczony dla osób konfigurujących rozwiązanie, ale ci ludzie skorzystają z dużego obrazu.
Sposób dostawy
Podczas kursu delegaci zostaną zaprezentowani działające przykłady głównie technologii open source.
Po krótkich wykładach uczestnicy zapoznają się z prezentacją i prostymi ćwiczeniami
Wykorzystywane treści i oprogramowanie
Wszystkie używane programy są aktualizowane za każdym razem, gdy kurs jest uruchamiany, więc sprawdzamy najnowsze wersje.
Obejmuje proces od uzyskania, formatowania, przetwarzania i analizy danych, aby wyjaśnić, jak zautomatyzować proces podejmowania decyzji dzięki uczeniu maszynowemu.
21 godzin
Opis
Kurs wykorzystuje praktyczne podejście do nauczania OptaPlanner . Zapewnia uczestnikom narzędzia potrzebne do wykonywania podstawowych funkcji tego narzędzia.
7 godzin
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 godzin
Opis
To szkolenie jest przeznaczone dla osób, które chciałyby zastosować Machine Learning w praktycznych zastosowaniach.
Publiczność
Ten kurs jest przeznaczony dla naukowców zajmujących się danymi i statystyków, którzy znają statystyki i wiedzą, jak programować R (lub Python lub inny wybrany język). Kurs kładzie nacisk na praktyczne aspekty przygotowania danych / modelu, wykonania, analizy post hoc i wizualizacji.
Celem jest praktyczne zastosowanie Machine Learning dla uczestników zainteresowanych zastosowaniem metod w pracy.
Przykłady specyficzne dla danego sektora są wykorzystywane do szkolenia odpowiedniego dla odbiorców.
Publiczność
Ten kurs jest przeznaczony dla naukowców zajmujących się danymi i statystyków, którzy znają statystyki i wiedzą, jak programować R (lub Python lub inny wybrany język). Kurs kładzie nacisk na praktyczne aspekty przygotowania danych / modelu, wykonania, analizy post hoc i wizualizacji.
Celem jest praktyczne zastosowanie Machine Learning dla uczestników zainteresowanych zastosowaniem metod w pracy.
Przykłady specyficzne dla danego sektora są wykorzystywane do szkolenia odpowiedniego dla odbiorców.
14 godzin
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 godzin
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 .
21 godzin
Opis
Sztuczna sieć neuronowa jest obliczeniowym modelem danych wykorzystywanym w rozwoju systemów Artificial Intelligence (AI) zdolnych do wykonywania „inteligentnych” zadań. Neural Networks są powszechnie stosowane w aplikacjach Machine Learning (ML), które same są implementacją AI. Deep Learning jest podzbiorem ML.
21 godzin
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 godzin
Opis
Ten kurs jest ogólnym przeglądem Deep Learning bez wchodzenia zbyt głęboko w żadne konkretne metody. Jest odpowiedni dla osób, które chcą rozpocząć naukę w Deep, aby zwiększyć swoją dokładność przewidywania.
28 godzin
Opis
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Głębokie uczenie się jest dziedziną uczenia maszynowego, która wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe.
28 godzin
Opis
Ten kurs wprowadza lingwistów lub programistów do NLP w Python . Podczas tego kursu będziemy głównie korzystać z nltk.org (Natural Language Tool Kit), ale także będziemy korzystać z innych bibliotek odpowiednich i przydatnych dla NLP. W tej chwili możemy przeprowadzić ten kurs w Python 2.x lub Python 3.x. Przykładami są angielski lub mandaryński (普通话). Inne języki można również udostępnić, jeśli uzgodniono to przed dokonaniem rezerwacji.
14 godzin
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 .
14 godzin
Opis
R jest darmowym językiem programowania open source do obliczeń statystycznych, analizy danych i grafiki R jest używany przez coraz większą liczbę menedżerów i analityków danych wewnątrz korporacji i środowisk akademickich R ma szeroką gamę pakietów do eksploracji danych .
14 godzin
Opis
R to darmowy język programowania open source do obliczeń statystycznych, analizy danych i grafiki. R jest używany przez coraz większą liczbę menedżerów i analityków danych w korporacjach i środowiskach akademickich. R ma szeroką gamę pakietów do eksploracji danych.
21 godzin
Opis
TensorFlow jest 2nd Generation API Go otwartej biblioteki oprogramowania źródłowego OGLE za Deep Learning . System został zaprojektowany w celu ułatwienia badań nad uczeniem maszynowym oraz w celu szybkiego i łatwego przejścia od prototypu badawczego do systemu produkcyjnego.
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą używać TensorFlow do swoich projektów Deep Learning
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, wykresy budowlane i rejestrowanie
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą używać TensorFlow do swoich projektów Deep Learning
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, wykresy budowlane i rejestrowanie
21 godzin
Opis
PredictionIO to Open Source Server Machine Learning zbudowany na bazie najnowocześniejszego stosu open source.
Publiczność
Ten kurs jest skierowany do programistów i naukowców zajmujących się danymi, którzy chcą tworzyć silniki predykcyjne dla każdego zadania uczenia maszynowego.
Publiczność
Ten kurs jest skierowany do programistów i naukowców zajmujących się danymi, którzy chcą tworzyć silniki predykcyjne dla każdego zadania uczenia maszynowego.
21 godzin
Opis
R to darmowy język programowania open source do obliczeń statystycznych, analizy danych i grafiki. R jest używany przez coraz większą liczbę menedżerów i analityków danych w korporacjach i środowiskach akademickich. R ma szeroką gamę pakietów do eksploracji danych.
28 godzin
Opis
Computer Network ToolKit ( CNTK ) to platforma Microsoft Open Source, Multi-machine, Multi- GPU , wysoce efektywna platforma uczenia maszynowego szkolenia RNN dla mowy, tekstu i obrazów.
Publiczność
Kurs jest skierowany do inżynierów i architektów, którzy chcą wykorzystać CNTK w swoich projektach.
Publiczność
Kurs jest skierowany do inżynierów i architektów, którzy chcą wykorzystać CNTK w swoich projektach.
14 godzin
Opis
Apache SystemML to rozproszona i deklaratywna platforma uczenia maszynowego.
SystemML zapewnia deklaratywne uczenie maszynowe na dużą skalę (ML), które ma na celu elastyczną specyfikację algorytmów ML i automatyczne generowanie hybrydowych planów uruchomieniowych, począwszy od pojedynczych węzłów, obliczeń w pamięci, po obliczenia rozproszone na Apache Hadoop i Apache Spark .
Publiczność
Ten kurs jest odpowiedni dla badaczy, programistów i inżynierów Machine Learning , którzy chcą wykorzystywać SystemML jako platformę do uczenia maszynowego.
SystemML zapewnia deklaratywne uczenie maszynowe na dużą skalę (ML), które ma na celu elastyczną specyfikację algorytmów ML i automatyczne generowanie hybrydowych planów uruchomieniowych, począwszy od pojedynczych węzłów, obliczeń w pamięci, po obliczenia rozproszone na Apache Hadoop i Apache Spark .
Publiczność
Ten kurs jest odpowiedni dla badaczy, programistów i inżynierów Machine Learning , którzy chcą wykorzystywać SystemML jako platformę do uczenia maszynowego.
28 godzin
Opis
Ten kurs omawia, wraz z konkretnymi przykładami, zastosowanie Tensor Flow do celów rozpoznawania obrazów
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow do celów rozpoznawania obrazów
Po ukończeniu tego kursu delegaci będą mogli:
- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie
Publiczność
Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow do celów rozpoznawania obrazów
Po ukończeniu tego kursu delegaci będą mogli:
- zrozumieć strukturę i mechanizmy wdrażania TensorFlow
- wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wykresy budowlane i rejestrowanie
28 godzin
Opis
OpenCV (Open Source Computer Vision Library: http://opencv.org) is an open-source BSD-licensed library that includes several hundreds of computer vision algorithms.
Audience
This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects
Audience
This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects
35 godzin
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
14 godzin
Opis
Deeplearning4j to rozproszona biblioteka do głębokiego uczenia się napisana dla Java i Scala . Zintegrowany z Hadoop i Spark, DL4J jest przeznaczony do stosowania w środowiskach biznesowych na rozproszonych GPU i procesorach.
Word 2Vec to metoda obliczania reprezentacji wektorowej słów wprowadzonych przez zespół naukowców w Go ogle prowadzonej przez Tomasa Mikolov.
Publiczność
Kurs skierowany jest do naukowców, inżynierów i programistów, którzy chcą wykorzystać Deeplearning4J do konstruowania modeli Word 2Vec.
Word 2Vec to metoda obliczania reprezentacji wektorowej słów wprowadzonych przez zespół naukowców w Go ogle prowadzonej przez Tomasa Mikolov.
Publiczność
Kurs skierowany jest do naukowców, inżynierów i programistów, którzy chcą wykorzystać Deeplearning4J do konstruowania modeli Word 2Vec.
14 godzin
Opis
SimpleCV to framework open source - co oznacza, że jest to zbiór bibliotek i oprogramowania, które można wykorzystać do tworzenia aplikacji wizyjnych. Umożliwia pracę z obrazami lub strumieniami wideo pochodzącymi z kamer internetowych, Kinect, FireWire i kamer IP lub telefonów komórkowych. To pomaga budować oprogramowanie, aby różne technologie nie tylko widziały świat, ale także je rozumiały.
Publiczność
Ten kurs jest skierowany do inżynierów i programistów, którzy chcą rozwijać aplikacje wizyjne z SimpleCV.
Publiczność
Ten kurs jest skierowany do inżynierów i programistów, którzy chcą rozwijać aplikacje wizyjne z SimpleCV.
21 godzin
Opis
Deeplearning4j to pierwsza komercyjna, rozproszona biblioteka do głębokiego uczenia się napisana dla Java i Scala . Zintegrowany z Hadoop i Spark, DL4J jest przeznaczony do stosowania w środowiskach biznesowych na rozproszonych GPU i procesorach.
Publiczność
Ten kurs jest skierowany do inżynierów i programistów, którzy chcą wykorzystać Deeplearning4j w swoich projektach.
Po tym kursie delegaci będą mogli:
Publiczność
Ten kurs jest skierowany do inżynierów i programistów, którzy chcą wykorzystać Deeplearning4j w swoich projektach.
Po tym kursie delegaci będą mogli:
21 godzin
Opis
SINGA jest ogólną rozproszoną platformą do głębokiego uczenia się do szkolenia dużych modeli głębokiego uczenia się na dużych zestawach danych. Został zaprojektowany z intuicyjnym modelem programowania opartym na abstrakcji warstwy. Obsługiwane są różne popularne modele głębokiego uczenia się, a mianowicie modele sprzężenia zwrotnego, w tym splotowe sieci neuronowe (CNN), modele energetyczne, takie jak ograniczona maszyna Boltzmanna (RBM), oraz powtarzające się sieci neuronowe (RNN). Wiele wbudowanych warstw jest dostępnych dla użytkowników. Architektura SINGA jest wystarczająco elastyczna, aby uruchamiać synchroniczne, asynchroniczne i hybrydowe struktury szkoleniowe. SINGA obsługuje również różne schematy partycjonowania sieci neuronowych w celu równoległego szkolenia dużych modeli, a mianowicie partycjonowania w wymiarze partii, wymiaru cech lub partycjonowania hybrydowego.
Publiczność
Ten kurs jest skierowany do naukowców, inżynierów i programistów, którzy chcą wykorzystać Apache SINGA jako Apache SINGA do głębokiego uczenia się.
Po ukończeniu tego kursu delegaci:
- zrozumieć strukturę i mechanizmy wdrażania SINGA
- 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
Publiczność
Ten kurs jest skierowany do naukowców, inżynierów i programistów, którzy chcą wykorzystać Apache SINGA jako Apache SINGA do głębokiego uczenia się.
Po ukończeniu tego kursu delegaci:
- zrozumieć strukturę i mechanizmy wdrażania SINGA
- 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
Nadchodzące szkolenia z technologii Sztuczna inteligencja
2021-06-09 09:00:00
Warszawa, ul. Złota 3 / 11
21 godzin
2021-06-15 09:00:00
Warszawa, ul. Złota 3 / 11
14 godzin
2021-07-06 09:00:00
Warszawa, ul. Złota 3 / 11
28 godzin
2021-07-13 09:00:00
Warszawa, ul. Złota 3 / 11
14 godzin
2021-07-15 09:00:00
Warszawa, ul. Złota 3 / 11
14 godzin
Other regions
Other countries
Konsultacje
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
.jpg "polska grupa farmaceutyczna (pgf)")
.png "ministerstwo spraw wewnętrznych i administracji (mswia)"){kind=small}
.jpg "komisja nadzoru finansowego (knf)"){kind=small}
.jpg "zakład ubezpieczeń społecznych (zus)")
.gif "telekomunikacja polska (tp)"){kind=small}
.jpg "ministerstwo obrony narodowej (mon)")
.jpg "ministerstwo kultury i dziedzictwa narodowego (mkidn)")
