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

★★★★★

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)

Temat jest bardzo interesujący.

Wojciech Baranowski

Szkolenie: Introduction to Deep Learning

Translated by

Trenerzy wiedzą teoretyczną i chęć rozwiązania problemów z uczestnikami po szkoleniu.

Grzegorz Mianowski

Szkolenie: Introduction to Deep Learning

Translated by

Temat. Bardzo interesujące!.

Piotr

Szkolenie: Introduction to Deep Learning

Translated by

Ćwiczenia po każdym temacie były naprawdę pomocne, mimo że na końcu były zbyt skomplikowane. Ogólnie rzecz biorąc, prezentowany materiał był bardzo ciekawy i angażujący! Ćwiczenia z rozpoznawaniem obrazu były świetne.

Dolby Poland Sp. z o.o.

Szkolenie: Introduction to Deep Learning

Translated by

Myślę, że gdyby szkolenie odbyło się w języku polskim, pozwoliłoby trenerowi na dzielenie się wiedzą.

Radek

Szkolenie: Introduction to Deep Learning

Translated by

Temat. Wydawało się to interesujące, ale opuściłem wiedząc niewiele więcej niż wcześniej.

Radoslaw Labedzki

Szkolenie: Introduction to Deep Learning

Translated by

Podobało mi się, że ten kurs miał bardzo ciekawy temat.

Wojciech Wilk

Szkolenie: Introduction to Deep Learning

Translated by

Naprawdę doceniam krystalicznie czyste odpowiedzi Chrisa na nasze pytania.

Léo Dubus

Szkolenie: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ogólnie byłem zadowolony z kompetentnego trenera.

Sridhar Voorakkara

Szkolenie: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Byłem zdumiony standardem tej klasy - powiedziałbym, że był to standard uniwersytecki.

David Relihan

Szkolenie: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Bardzo dobry przegląd ogólny. Dobre tło, dlaczego Tensorflow działa tak, jak działa.

Kieran Conboy

Szkolenie: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Spodobały mi się możliwości zadawania pytań i dokładniejszego wyjaśnienia teorii.

Sharon Ruane

Szkolenie: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Uzyskaliśmy o wiele więcej informacji na ten temat. Przeprowadzono kilka fajnych dyskusji z prawdziwymi tematami w naszej firmie.

Sebastiaan Holman

Szkolenie: Machine Learning and Deep Learning

Translated by

Szkolenie zapewniło odpowiednią podstawę, dzięki której możemy dalej się rozwijać, pokazując, w jaki sposób teoria i praktyka idą w parze. To mnie bardziej zainteresowało w temacie niż przedtem.

Jean-Paul van Tillo

Szkolenie: Machine Learning and Deep Learning

Translated by

Naprawdę podobał mi się zasięg i głębia tematów.

Anirban Basu

Szkolenie: Machine Learning and Deep Learning

Translated by

Spodobały mi się nowe spostrzeżenia w głębokim uczeniu maszynowym.

Josip Arneric

Szkolenie: Sieci Neuronowe w R

Translated by

Zdobyliśmy nieco wiedzy na temat NN w ogóle, a najbardziej interesujące dla mnie były nowe typy NN, które są obecnie popularne.

Tea Poklepovic

Szkolenie: Sieci Neuronowe w R

Translated by

Najbardziej podobały mi się wykresy w R :))).

Faculty of Economics and Business Zagreb

Szkolenie: Sieci Neuronowe w R

Translated by

Głęboka wiedza trenera na ten temat.

Sebastian Görg

Szkolenie: Introduction to Deep Learning

Translated by

Bardzo zaktualizowane podejście lub CPI (tensor flow, era, learn) do uczenia maszynowego.

Paul Lee

Szkolenie: TensorFlow for Image Recognition

Translated by

Perspektywa technologii: jaka technologia / proces może stać się ważniejsza w przyszłości; zobacz, do czego można wykorzystać tę technologię.

Commerzbank AG

Szkolenie: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Miałem korzyści z wyboru tematu. Styl szkolenia. Poćwicz orientację.

Commerzbank AG

Szkolenie: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Dogłębne omówienie tematów uczenia maszynowego, w szczególności sieci neuronowych. Demistyfikował wiele tematów.

Sacha Nandlall

Szkolenie: Python for Advanced Machine Learning

Translated by

Jest to jeden z najlepszych praktycznych ćwiczeń z programowaniem, jakie kiedykolwiek podjąłem.

Laura Kahn

Szkolenie: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP

Translated by

Jest to jedno z najlepszych szkoleń online, jakie kiedykolwiek miałem w swojej 13-letniej karierze. Kontynuuj wspaniałą pracę !.

Szkolenie: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP

Translated by

Styl treningowy Richarda był interesujący, przykłady z prawdziwego świata pomogły wprowadzić koncepcje do domu.

Jamie Martin-Royle - NBrown Group

Szkolenie: From Data to Decision with Big Data and Predictive Analytics

Translated by

Treść, ponieważ uważam ją za bardzo interesującą i myślę, że pomogłaby mi w ostatnim roku studiów na Uniwersytecie.

Krishan Mistry - NBrown Group

Szkolenie: From Data to Decision with Big Data and Predictive Analytics

Translated by

Łatwe korzystanie z funkcji VideoCapture do pozyskiwania obrazów wideo z aparatu na laptopie.

HP Printing and Computing Solutions, Sociedad Limitada Unipe

Szkolenie: Computer Vision with OpenCV

Translated by

Podobały mi się rady udzielane przez trenera na temat korzystania z narzędzi. To jest coś, czego nie można uzyskać z internetu i jest bardzo przydatne.

HP Printing and Computing Solutions, Sociedad Limitada Unipe

Szkolenie: Computer Vision with OpenCV

Translated by

Podobały mi się rady udzielane przez trenera na temat korzystania z narzędzi. To jest coś, czego nie można uzyskać z internetu i jest bardzo przydatne.

HP Printing and Computing Solutions, Sociedad Limitada Unipe

Szkolenie: Computer Vision with OpenCV

Translated by

Łatwo było podążać.

HP Printing and Computing Solutions, Sociedad Limitada Unipe

Szkolenie: Computer Vision with OpenCV

Translated by

sprawa była dobrze przedstawiona i uporządkowana.

Marylin Houle - Ivanhoe Cambridge

Szkolenie: Introduction to R with Time Series Analysis

Translated by

Zyskałem korzyści z pasji uczenia i koncentrowania się na robieniu rzeczy rozsądnym.

Zaher Sharifi - GOSI

Szkolenie: Advanced Deep Learning

Translated by

Jest jeden na jeden. Mogę zadać wiele pytań, a także poprosić trainner powtórzyć, gdy nie było jasne o niektórych rzeczy.

Szkolenie: Insurtech: A Practical Introduction for Managers

Translated by

Nieformalne wymiany mieliśmy podczas wykładów naprawdę pomógł mi pogłębić moje zrozumienie tematu

Explore

Szkolenie: Deep Reinforcement Learning with Python

Translated by

Cierpliwość trenera

European Space Agency (ESA/ESTEC)

Szkolenie: Getting Started with Quantum Computing and Q#

Translated by

Jest to jedno z najlepszych szkoleń online, jakie kiedykolwiek miałem w swojej 13-letniej karierze. Kontynuuj wspaniałą pracę !.

Szkolenie: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP

Translated by

Jest jeden na jeden. Mogę zadać wiele pytań, a także poprosić trainner powtórzyć, gdy nie było jasne o niektórych rzeczy.

Szkolenie: Insurtech: A Practical Introduction for Managers

Translated by

Podkategorie Sztuczna inteligencja

Plany szkoleń z technologii Sztuczna inteligencja

Title

Czas trwania

Opis

Title

Czas trwania

Opis

Artificial Intelligence Overview

7 godziny

Opis

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.

Machine Learning for Banking (with R)

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 .

Deep Learning for Banking (with Python)

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 .

Deep Learning for Finance (with R)

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 .

Machine Learning for Finance (with R)

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 .

Computer Vision with Python

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 .

Machine Learning for Finance (with Python)

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 .

Big Data Business Intelligence for Criminal Intelligence Analysis

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 .

Deep Learning for NLP (Natural Language Processing)

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 .

Text Summarization with Python

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 .

Understanding Deep Neural Networks

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 .

OpenNLP for Text Based Machine Learning

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 .

Machine Learning for Banking (with Python)

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 .

Natural Language Processing with Deep Dive in Python and NLTK

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 .

Deep Learning for Finance (with Python)

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 .

TensorFlow Serving

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 .

Machine Learning on iOS

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 .

Python for Natural Language Generation

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 .

Python: Machine Learning with Text

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 .

Encog: Introduction to Machine Learning

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 .

Encog: Advanced Machine Learning

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 .

Advanced Machine Learning with R

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 .

Python for Advanced Machine Learning

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 .

Machine Learning with Python

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.

Fiji: Introduction to Scientific Image Processing

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 .

Raspberry Pi + OpenCV for Facial Recognition

21 godziny

Opis

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: Creating Facial Recognition Systems

14 godziny

Opis

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 .

Deep Learning for Banking (with R)

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 .

Turning Data into Intelligent Action with Cortana Intelligence

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 .

T2T: Creating Sequence to Sequence Models for Generalized Learning

7 godziny

Opis

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 .

Nadchodzące szkolenia z technologii Sztuczna inteligencja

Building Chatbots in Python

2019-06-26 09:00:00

Katowice ul. Korfantego 2

Zdalne

2990PLN

Stacjonarne

3990PLN

Czytaj dalej

Building Chatbots in Python

2019-07-15 09:00:00

Rzeszów, Plac Wolności 13

Zdalne

2990PLN

Stacjonarne

3990PLN

Czytaj dalej

Building Chatbots in Python

2019-09-09 09:00:00

Rzeszów, Plac Wolności 13

Zdalne

2990PLN

Stacjonarne

3990PLN

Czytaj dalej

Building Chatbots in Python

2019-09-23 09:00:00

Katowice ul. Korfantego 2

Zdalne

2990PLN

Stacjonarne

3990PLN

Czytaj dalej

Building Chatbots in Python

2019-11-18 09:00:00

Katowice ul. Korfantego 2

Zdalne

2990PLN

Stacjonarne

3990PLN

Czytaj dalej

Other countries

These courses are also available in other countries ››

Konsultacje

Konsultacje Sztuczna inteligencja

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