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.
35 godziny
Opis
Kurs rozpoczyna się od przekazania wiedzy pojęciowej w sieciach neuronowych i ogólnie w algorytmie uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).

Część 1 (40%) tego szkolenia skupia się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow , Caffe , Theano, DeepDrive, Keras itp.

Część 2 (20%) tego szkolenia przedstawia Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia.

Część 3 (40%) szkolenia byłaby w dużej mierze oparta na Tensorflow - API drugiej generacji biblioteki oprogramowania open source Go ogle dla Deep Learning . Wszystkie przykłady i wskazówki powstałyby w TensorFlow .

Publiczność

Ten kurs jest przeznaczony dla inżynierów, którzy chcą korzystać z TensorFlow w swoich projektach Deep Learning

Po ukończeniu tego kursu uczestnicy:

-

dobrze rozumie głębokie sieci neuronowe (DNN), CNN i RNN

-

zrozumieć strukturę i mechanizmy wdrażania TensorFlow

-

być w stanie wykonywać zadania związane z instalacją / produkcją / architekturą / konfiguracją

-

być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie

-

być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie
14 godziny
Opis
AI to zbiór technologii służących do budowania inteligentnych systemów zdolnych do zrozumienia danych i działań otaczających dane w celu podejmowania „inteligentnych decyzji”. W przypadku dostawców usług telekomunikacyjnych aplikacje i usługi budowlane wykorzystujące sztuczną inteligencję mogą otworzyć drzwi dla ulepszonych operacji i obsługi w takich obszarach, jak konserwacja i optymalizacja sieci.

Podczas tego kursu sprawdzamy różne technologie, które tworzą AI i zestawy umiejętności wymagane do ich wykorzystania. W trakcie kursu badamy specyficzne zastosowania AI w branży telekomunikacyjnej.

Publiczność

- Inżynierowie sieci
- Personel operacyjny sieci
- Kierownicy techniczni telekomunikacji

Format kursu

- Wykład częściowy, dyskusja częściowa, ćwiczenia praktyczne
28 godziny
Opis
Cortana Intelligence Suite to pakiet zintegrowanych produktów i usług w chmurze Microsoft Azure które umożliwiają podmiotom przekształcanie danych w inteligentne działania.

W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak używać komponentów wchodzących w skład pakietu Cortana Intelligence Suite do tworzenia inteligentnych aplikacji opartych 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 Cortana , aby przekształcić dane w inteligentne działanie
- Użyj Cortana do tworzenia aplikacji od zera i uruchamiania jej w chmurze

Publiczność

- Badacze danych
- Programiści
- Deweloperzy
- Menedżerowie
- Architekci

Format kursu

- Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka
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 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. R to popularny język programowania w branży finansowej. Jest wykorzystywany w aplikacjach finansowych, od podstawowych programów handlowych po systemy zarządzania ryzykiem.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak wdrożyć modele głębokiego uczenia się w bankowości, korzystając z R, poprzez stworzenie modelu głębokiego uczenia się ryzyka kredytowego.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Zrozum podstawowe pojęcia głębokiego uczenia się
- Poznaj aplikacje i zastosowania głębokiego uczenia się w bankowości
- Użyj R, aby stworzyć głębokie modele uczenia się dla bankowości
- Zbuduj swój własny model ryzyka kredytowego do głębokiego uczenia się przy użyciu R

Publiczność

- Deweloperzy
- Dane naukowców

Format kursu

- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
28 godziny
Opis
Uczenie maszynowe to dziedzina sztucznej inteligencji, w której komputery mogą się uczyć 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. Python jest językiem programowania wysokiego poziomu znanym z jasnej składni i czytelności kodu.

W tym instruktażowym szkoleniu na żywo uczestnicy dowiedzą się, jak wdrożyć modele głębokiego uczenia się w bankowości za pomocą Python , przechodząc przez proces tworzenia modelu ryzyka kredytowego dogłębnego uczenia się.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Zrozum podstawowe zasady głębokiego uczenia się
- Poznaj zastosowania i zastosowania głębokiego uczenia się w bankowości
- Użyj Python , Keras i TensorFlow aby stworzyć modele głębokiego uczenia się dla bankowości
- Zbuduj własny model głębokiego uczenia się ryzyka kredytowego za pomocą Python

Publiczność

- Deweloperzy
- Badacze danych

Format kursu

- Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka
28 godziny
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. R to popularny język programowania w branży finansowej. Jest wykorzystywany w aplikacjach finansowych, od podstawowych programów handlowych po systemy zarządzania ryzykiem.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się w zakresie finansowania za pomocą R, gdy przechodzą przez proces tworzenia modelu przewidywania cen akcji.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Zrozum 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 swój własny model przewidywania ceny akcji dogłębnej nauki za pomocą R

Publiczność

- Deweloperzy
- Dane naukowców

Format kursu

- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
28 godziny
Opis
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. R to popularny język programowania w branży finansowej. Jest wykorzystywany w aplikacjach finansowych, od podstawowych programów handlowych po systemy zarządzania ryzykiem.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki uczenia maszynowego i narzędzia do rozwiązywania rzeczywistych problemów w branży finansowej. R będzie używany jako język programowania.

Uczestnicy najpierw uczą się kluczowych zasad, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji wielu projektów zespołowych.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Zrozumienie podstawowych pojęć w uczeniu maszynowym
- Poznaj aplikacje i zastosowania uczenia maszynowego w finansach
- Opracuj własną algorytmiczną strategię handlową z wykorzystaniem uczenia maszynowego za pomocą R

Publiczność

- Deweloperzy
- Dane naukowców

Format kursu

- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
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 to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Python to język programowania słynący z jasnej składni i czytelności. Oferuje doskonałą kolekcję sprawdzonych bibliotek i technik opracowywania aplikacji do uczenia maszynowego.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki uczenia maszynowego i narzędzia do rozwiązywania rzeczywistych problemów w branży finansowej.

Uczestnicy najpierw uczą się kluczowych zasad, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji wielu projektów zespołowych.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Zrozumienie podstawowych pojęć w uczeniu maszynowym
- Poznaj aplikacje i zastosowania uczenia maszynowego w finansach
- Opracuj własną algorytmiczną strategię handlową z wykorzystaniem uczenia maszynowego z Python

Publiczność

- Deweloperzy
- Dane naukowców

Format kursu

- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
35 godziny
Opis
Postępy technologiczne i rosnąca ilość informacji zmieniają sposób egzekwowania prawa. Wyzwania stojące przed Big Data są niemal tak samo trudne, jak obietnica Big Data . Wydajne przechowywanie danych jest jednym z tych wyzwań; efektywna analiza to kolejna sprawa.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają sposób podejścia do technologii Big Data , oceny ich wpływu na istniejące procesy i zasady oraz wdrożenia tych technologii w celu identyfikacji działalności przestępczej i zapobiegania przestępczości. Studia przypadków z organów ścigania na całym świecie zostaną przeanalizowane w celu uzyskania wglądu w ich podejścia do przyjmowania, wyzwania i wyniki.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Połącz technologię Big Data z tradycyjnymi procesami gromadzenia danych, aby poskładać historię podczas dochodzenia
- Wdrożenie przemysłowych rozwiązań do przechowywania i przetwarzania dużych zbiorów danych do analizy danych
- Przygotuj propozycję przyjęcia najbardziej odpowiednich narzędzi i procesów umożliwiających oparte na danych podejście do dochodzenia karnego

Publiczność

- Specjaliści organów ścigania z wykształceniem technicznym

Format kursu

- Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka
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 .
14 godziny
Opis
The Apache OpenNLP library is a machine learning based toolkit for processing natural language text. It supports the most common NLP tasks, such as language detection, tokenization, sentence segmentation, part-of-speech tagging, named entity extraction, chunking, parsing and coreference resolution.

In this instructor-led, live training, participants will learn how to create models for processing text based data using OpenNLP. Sample training data as well customized data sets will be used as the basis for the lab exercises.

By the end of this training, participants will be able to:

- Install and configure OpenNLP
- Download existing models as well as create their own
- Train the models on various sets of sample data
- Integrate OpenNLP with existing Java applications

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
21 godziny
Opis
Wprowadzenie :

Głębokie uczenie się staje się głównym składnikiem przyszłego projektu produktu, który chce wykorzystywać sztuczną inteligencję w sercu swoich modeli. W ciągu najbliższych 5–10 lat narzędzia do głębokiego uczenia , biblioteki i języki staną się standardowymi elementami każdego zestawu narzędzi do tworzenia oprogramowania. Do tej pory Go ogle, Sales Force, Facebook , Amazon z powodzeniem wykorzystują sztuczną inteligencję do głębokiego uczenia się, aby rozwijać swoją działalność. Zastosowania obejmowały automatyczne tłumaczenie maszynowe, analizę obrazu, analizę wideo, analizę ruchu, generowanie ukierunkowanej reklamy i wiele innych.

Ten kurs przeznaczony jest dla tych organizacji, które chcą włączyć Deep Learning jako bardzo ważną część swojej strategii dotyczącej produktu lub usługi. Poniżej znajduje się zarys kursu dogłębnego uczenia się, który możemy dostosować do różnych poziomów pracowników / interesariuszy w organizacji.

Grupa docelowa:

(W zależności od grupy docelowej, materiały kursu zostaną dostosowane)

Kierownictwo

Ogólny przegląd sztucznej inteligencji i jej dopasowania do strategii korporacyjnej, z przełomowymi sesjami na temat planowania strategicznego, planów technologicznych i alokacji zasobów w celu zapewnienia maksymalnej wartości.

Menadżerowie projektu

Jak zaplanować projekt sztucznej inteligencji, w tym gromadzenie i ocenę danych, czyszczenie i weryfikację danych, opracowanie modelu weryfikacji koncepcji, integracja z procesami biznesowymi i dostawa w całej organizacji.

Deweloperzy

Dogłębne szkolenia techniczne, koncentrujące się na sieciach neuronowych i głębokim uczeniu się, analizie obrazu i obrazu (CNN), analizie dźwięku i tekstu (NLP) oraz wprowadzaniu sztucznej inteligencji do istniejących aplikacji.

Sprzedawcy

Ogólny przegląd sztucznej inteligencji i tego, jak może zaspokoić potrzeby klientów, cenne propozycje dla różnych produktów i usług, a także jak rozwiać obawy i promować zalety sztucznej inteligencji.
21 godziny
Opis
Machine Learning to dziedzina sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Python to język programowania słynący z jasnej składni i czytelności. Oferuje doskonałą kolekcję sprawdzonych bibliotek i technik opracowywania aplikacji do uczenia maszynowego.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki uczenia maszynowego i narzędzia do rozwiązywania rzeczywistych problemów w branży bankowej.

Uczestnicy najpierw uczą się kluczowych zasad, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji wielu projektów zespołowych.

Publiczność

- Deweloperzy
- Dane naukowców

Format kursu

- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
28 godziny
Opis
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki uczenia maszynowego i narzędzia do rozwiązywania rzeczywistych problemów w branży bankowej. R będzie używany jako język programowania.

Uczestnicy najpierw uczą się kluczowych zasad, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji wielu projektów na żywo.

Publiczność

- Deweloperzy
- Dane naukowców
- Specjaliści bankowi z zapleczem technicznym

Format kursu

- Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
35 godziny
Opis
Pod koniec szkolenia oczekuje się, że delegaci będą odpowiednio wyposażeni w podstawowe koncepcje Pythona i powinni być w stanie wystarczająco wykorzystać NLTK do wdrożenia większości operacji opartych na NLP i ML. Szkolenie ma na celu nie tylko przekazanie wiedzy egzekucyjnej, ale także logicznej i operacyjnej wiedzy o technologii w niej zawartej.
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
Głębokie uczenie się o wzmocnieniu odnosi się do zdolności „sztucznego agenta” do uczenia się metodą prób i błędów oraz kar i nagród. Sztuczny czynnik ma na celu naśladowanie ludzkiej zdolności do samodzielnego uzyskiwania i konstruowania wiedzy, bezpośrednio z surowych danych wejściowych, takich jak wizja. Aby zrealizować uczenie się na wzmacnianie, wykorzystuje się głębokie uczenie i sieci neuronowe. Uczenie się o wzmocnieniu różni się od uczenia maszynowego i nie polega na nadzorowanych i nienadzorowanych podejściach do nauki.

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
14 godziny
Opis
Ta sesja szkoleniowa oparta na zajęciach będzie poświęcona technikom uczenia maszynowego, z komputerowymi przykładami i studiami przypadków rozwiązywania problemów przy użyciu odpowiedniego programu językowego

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!