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.
Chciałbym wyjaśnić przykład.
AUO友达光电（苏州）有限公司
Szkolenie: OptaPlanner in Practice
Translated by
| Kod | Nazwa | Czas trwania | Charakterystyka kursu |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 godziny | Kurs ten został stworzony dla menedżerów, architektów rozwiązań, specjalistów ds. Innowacji, dyrektorów technicznych, architektów oprogramowania i każdego, kto jest zainteresowany przeglądem sztucznej inteligencji stosowanej i najbliższej prognozy jej rozwoju. |
| pythontextml | Python: Machine Learning with Text | 21 godziny | 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 . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 godziny | 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 . |
| textsum | Text Summarization with Python | 14 godziny | 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 . |
| undnn | Understanding Deep Neural Networks | 35 godziny | 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 . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 godziny | 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 . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 godziny | 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 . |
| mlbankingr | Machine Learning for Banking (with R) | 28 godziny | 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 . |
| python_nlp | Natural Language Processing with Deep Dive in Python and NLTK | 35 godziny | 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 . |
| tensorflowserving | TensorFlow Serving | 7 godziny | 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 . |
| mlios | Machine Learning on iOS | 14 godziny | 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 . |
| nlg | Python for Natural Language Generation | 21 godziny | 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 . |
| encogintro | Encog: Introduction to Machine Learning | 14 godziny | 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 . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 godziny | 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 . |
| encogadv | Encog: Advanced Machine Learning | 14 godziny | 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 . |
| radvml | Advanced Machine Learning with R | 21 godziny | 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 . |
| pythonadvml | Python for Advanced Machine Learning | 21 godziny | 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 . |
| fiji | Fiji: Introduction to Scientific Image Processing | 21 godziny | 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 . |
| rasberrypiopencv | Raspberry Pi + OpenCV: Build a Facial Recognition System | 21 godziny | To instruktażowe szkolenie na żywo wprowadza oprogramowanie, sprzęt i proces stepbystep potrzebny do zbudowania systemu rozpoznawania twarzy od zera Rozpoznawanie twarzy jest również znane jako Rozpoznawanie twarzy Sprzęt używany w tym laboratorium obejmuje Rasberry Pi, moduł kamery, serwa (opcjonalnie), itp Uczestnicy są odpowiedzialni za kupowanie tych komponentów samodzielnie Używane oprogramowanie obejmuje OpenCV, Linux, Python itp Pod koniec tego szkolenia uczestnicy będą mogli: Zainstaluj Linux, OpenCV i inne programy narzędziowe i biblioteki na Rasberry Pi Skonfiguruj OpenCV do przechwytywania i wykrywania obrazów twarzy Zapoznaj się z różnymi opcjami pakowania systemu Rasberry Pi do użytku w rzeczywistych środowiskach Dostosuj system do różnych zastosowań, w tym do nadzoru, weryfikacji tożsamości itp Publiczność Deweloperzy Technicy sprzętu / oprogramowania Osoby techniczne we wszystkich branżach Hobbiści Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson Uwaga Inne opcje sprzętu i oprogramowania: Arduino, OpenFace, Windows, itp Jeśli chcesz skorzystać z któregokolwiek z nich, skontaktuj się z nami w celu umówienia się . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 godziny | 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 . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 godziny | Osadzanie Projektora to otwarta aplikacja internetowa do wizualizacji danych wykorzystywanych do szkolenia systemów uczenia maszynowego Stworzony przez Google, jest częścią TensorFlow Ten instruktażowy trening na żywo wprowadza pojęcia związane z osadzaniem projektora i prowadzi uczestników przez proces tworzenia projektu demonstracyjnego Pod koniec tego szkolenia uczestnicy będą mogli: Sprawdź, jak dane są interpretowane przez modele uczenia maszynowego Nawiguj po widokach 3D i 2D danych, aby zrozumieć, w jaki sposób algorytm uczenia maszynowego je interpretuje Zapoznaj się z koncepcjami Embeddings i ich rolą w reprezentowaniu wektorów matematycznych dla obrazów, słów i cyfr Poznaj właściwości konkretnego osadzania, aby zrozumieć zachowanie modelu Zastosuj Projekt Osadzania do przypadków użycia rzeczywistego świata, takich jak budowanie systemu rekomendacji dla melomanów Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 godziny | 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 . |
| cognitivecomputing | Cognitive Computing: An Introduction for Business Managers | 7 godziny | Obliczenia kognitywne odnoszą się do systemów obejmujących uczenie maszynowe, rozumowanie, przetwarzanie języka naturalnego, rozpoznawanie mowy i widzenia (rozpoznawanie obiektów), interakcje człowiek-komputer, dialog i generowanie narracji, aby wymienić tylko kilka System obliczeń kognitywnych składa się często z wielu technologii współpracujących ze sobą w celu przetwarzania "gorących" danych kontekstowych, a także dużych zbiorów "zimnych" danych historycznych w pakiecie Przykładami takich technologii są Kafka, Spark, Elasticsearch, Cassandra i Hadoop W ramach tego instruktażowego szkolenia na żywo uczestnicy dowiedzą się, w jaki sposób przetwarzanie kognitywne uzupełnia AI i Big Data oraz w jaki sposób systemy oparte na systemach gotowych mogą być wykorzystywane do realizacji zachowań podobnych do ludzkich, które poprawiają wydajność interakcji człowieka w przedsiębiorstwie Pod koniec tego szkolenia uczestnicy zrozumieją: Związek między kognitywną informatyką a sztuczną inteligencją (AI) Z natury probabilistyczny charakter kognitywnej informatyki i sposób wykorzystania jej jako przewagi biznesowej Jak zarządzać systemami kognitywnymi, które zachowują się w nieoczekiwany sposób Jakie firmy i systemy oprogramowania oferują najbardziej przekonujące rozwiązania z zakresu kognitywnych rozwiązań Publiczność Menedżerowie biznesowi Format kursu Wykład, dyskusje i ćwiczenia . |
| dsstne | Amazon DSSTNE: Build a Recommendation System | 7 godziny | Amazon DSSTNE jest biblioteką opensource przeznaczoną do szkolenia i wdrażania modeli rekomendacji Pozwala to modelom z matrycami wagowymi, które są zbyt duże, aby pojedynczy procesor GPU mógł zostać przeszkolony na pojedynczym hoście W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak używać DSSTNE do tworzenia aplikacji rekomendacji Pod koniec tego szkolenia uczestnicy będą mogli: Wyszkol model rekomendacji z rzadkimi zbiorami danych jako dane wejściowe Skaluj modele szkoleniowe i predykcyjne na wielu procesorach graficznych Rozłóż obliczenia i pamięć w modelu równoległym Generuj spersonalizowane rekomendacje produktów Amazon Wdrożyć produkcyjną aplikację, która może skalować się przy dużych obciążeniach Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 godziny | Snorkel to system do szybkiego tworzenia, modelowania i zarządzania danymi treningowymi Koncentruje się na przyspieszeniu rozwoju strukturalnych lub "ciemnych" aplikacji do ekstrakcji danych w domenach, w których duże zestawy szkoleniowe nie są dostępne lub łatwe do zdobycia W ramach tego instruktażowego szkolenia na żywo uczestnicy poznają techniki uzyskiwania wartości z niestrukturalnych danych, takich jak tekst, tabele, rysunki i obrazy, poprzez modelowanie danych treningowych za pomocą Snorkel Pod koniec tego szkolenia uczestnicy będą mogli: Programowo tworzyć zestawy szkoleniowe, aby umożliwić oznaczanie olbrzymich zestawów szkoleniowych Trenuj modele końca wysokiej jakości, modelując najpierw głośne zestawy treningowe Użyj Snorkela do implementacji słabych technik nadzoru i zastosowania programowania danych do słabo nadzorowanych systemów uczenia maszynowego Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson . |
| bigdatabicriminal | Big Data Business Intelligence for Criminal Intelligence Analysis | 35 godziny | 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 . |
| pythoncomputervision | Computer Vision with Python | 14 godziny | 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 . |
| MicrosoftCognitiveToolkit | Microsoft Cognitive Toolkit 2.x | 21 godziny | Microsoft Cognitive Toolkit 2x (wcześniej CNTK) to zestaw narzędzi opensource, commercialgrade, który trenuje algorytmy głębokiego uczenia się, aby nauczyć się jak ludzki mózg Według Microsoftu, CNTK może być 510x szybszy niż TensorFlow na sieciach powtarzalnych i 2 do 3 razy szybszy niż TensorFlow dla zadań powiązanych z obrazem W tym instruktażowym szkoleniu na żywo uczestnicy nauczą się korzystać z Microsoft Cognitive Toolkit w celu tworzenia, szkolenia i oceny algorytmów uczenia głębokiego w celu wykorzystania w komercyjnych aplikacjach AI obejmujących wiele rodzajów danych, takich jak dane, mowa, tekst i obrazy Pod koniec tego szkolenia uczestnicy będą mogli: Uzyskaj dostęp do biblioteki CNTK jako biblioteki z poziomu programu Python, C # lub C ++ Użyj CNTK jako samodzielnego narzędzia do nauki maszyn poprzez własny język opisu modelu (BrainScript) Użyj funkcji oceny modelu CNTK z programu Java Połącz feedforward DNN, splotowe sieci (CNN) i sieci powtarzalne (RNN / LSTM) Skaluj moc obliczeniową na procesorach, GPU i wielu komputerach Uzyskaj dostęp do ogromnych zestawów danych przy użyciu istniejących języków programowania i algorytmów Publiczność Deweloperzy Data naukowcy Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson Uwaga Jeśli chcesz dostosować dowolną część tego szkolenia, w tym wybrany język programowania, skontaktuj się z nami w celu ustalenia szczegółów . |
| ML_LBG | Machine Learning – Data science | 21 godziny | Ta sesja szkoleniowa oparta na klasie obejrzy narzędzia uczenia maszynowego z (sugerowanym) językiem Pythona Delegaci będą dysponować komputerowymi przykładami i ćwiczeniami studium przypadku, które należy podjąć . |
| appaipy | Applied AI from Scratch in Python | 28 godziny | This is a 4 day course introducing AI and it's application using the Python programming language. There is an option to have an additional day to undertake an AI project on completion of this course. |
| Szkolenie | Data Kursu | Cena szkolenia [Zdalne / Stacjonarne] |
|---|---|---|
| Artificial Intelligence for City Planning - Zakopane, ul. Jagiellońska 30 | śr., 2019-02-06 09:00 | 1990PLN / 2740PLN |
| Artificial Intelligence for City Planning - Rzeszów, Plac Wolności 13 | pon., 2019-02-18 09:00 | 1990PLN / 2740PLN |
| Artificial Intelligence for City Planning - Opole, Władysława Reymonta 29 | pon., 2019-02-18 09:00 | 1990PLN / 2740PLN |
| Artificial Intelligence for City Planning - Łódź, al. Piłsudskiego 10/14 | wt., 2019-02-19 09:00 | 1990PLN / 2740PLN |
| Artificial Intelligence for City Planning - Toruń, ul. Bydgoska 1 | czw., 2019-02-21 09:00 | 1990PLN / 2640PLN |
| Szkolenie | Miejscowość | Data Kursu | Cena szkolenia [Zdalne / Stacjonarne] |
|---|---|---|---|
| Adobe Premiere Pro | Kraków, ul. Rzemieślnicza 1 | pon., 2019-01-21 09:00 | 1990PLN / 2740PLN |
| CGEIT – Certified in the Governance of Enterprise IT | Gdańsk, ul. Grodzka 19 | wt., 2019-01-22 09:00 | 3990PLN / 5240PLN |
| Build Native iOS and Android Apps with Flutter | Warszawa, ul. Złota 3/11 | pon., 2019-01-28 09:00 | N/A / 2740PLN |
| Programowanie w języku Python | Wrocław, ul.Ludwika Rydygiera 2a/22 | wt., 2019-01-29 09:00 | 3990PLN / 5240PLN |
| Drupal 8 Themes | Łódź, al. Piłsudskiego 10/14 | pt., 2019-02-01 09:00 | 1000PLN / 1500PLN |
| Zaawansowana administracja MySQL | Wrocław, ul.Ludwika Rydygiera 2a/22 | pon., 2019-02-04 09:00 | 1990PLN / 2740PLN |
| Techniki DTP (InDesign, Photoshop, Illustrator, Acrobat) | Warszawa, ul. Złota 3/11 | pon., 2019-02-04 09:00 | 2150PLN / 3650PLN |
| Lean Management: Lean Management in Manufacturing | Szczecin, ul. Sienna 9 | wt., 2019-02-05 09:00 | 1990PLN / 2740PLN |
| Programowanie w C# | Poznań, Garbary 100/63 | śr., 2019-02-06 09:00 | 1990PLN / 2740PLN |
| CISA - Certified Information Systems Auditor | Warszawa, ul. Złota 3 | pon., 2019-02-25 09:00 | N/A / 5000PLN |
| Strategic Thinking | Warszawa, ul. Złota 3 | śr., 2019-02-27 09:00 | 2990PLN / 3840PLN |
| Security Analyst | Wrocław, ul.Ludwika Rydygiera 2a/22 | pon., 2019-03-04 09:00 | 4490PLN / 5990PLN |
| Microsoft Office Excel - poziom średniozaawansowany | Poznań, Garbary 100/63 | czw., 2019-04-11 09:00 | 860PLN / 1610PLN |
| React: Build Highly Interactive Web Applications | Kraków, ul. Rzemieślnicza 1 | śr., 2019-06-26 09:00 | 2990PLN / 3990PLN |
.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)")
We are looking to expand our presence in Poland!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!
