Local, instructor-led live Artificial Intelligence (AI) training courses demonstrate through hands-on practice how to implement AI solutions for solving real-world problems.
AI training is available as "onsite live training" or "remote live training". Onsite live Artificial Intelligence training can be carried out locally on customer premises in România or in NobleProg corporate training centers in România. Remote live training is carried out by way of an interactive, remote desktop.
NobleProg -- Your Local Training Provider.
A fost foarte interactiv și mai relaxat și mai informal decât se aștepta. Am abordat o mulțime de subiecte în timp și antrenorul a fost întotdeauna receptiv să vorbească în detaliu sau mai general despre subiectele și despre modul în care erau legate. Mă simt că instruirea mi-a dat instrumentele necesare pentru a continua învățarea, spre deosebire de o sesiune în care învățarea se oprește odată ce ați terminat ceea ce este foarte important având în vedere amploarea și complexitatea subiectului.
Jonathan Blease
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Ann a creat un mediu minunat de a pune întrebări și de a învăța. Am avut o mulțime de distracție și, de asemenea, am învățat multe în același timp.
Gudrun Bickelq
Curs: Introduction to the use of neural networks
Translated by
Partea interactivă, adaptată nevoilor noastre specifice.
Thomas Stocker
Curs: Introduction to the use of neural networks
Translated by
Mi-a placut exercitiile.
Office for National Statistics
Curs: Natural Language Processing with Python
Translated by
Mi-a plăcut cu adevărat abordarea hands-on.
Kevin De Cuyper
Curs: Computer Vision with OpenCV
Translated by
Formatorul a fost atât de informat și a inclus zonele în care mă interesează.
Mohamed Salama
Curs: Data Mining & Machine Learning with R
Translated by
Subiectul este foarte interesant.
Wojciech Baranowski
Curs: Introduction to Deep Learning
Translated by
Formatorii cunoștințele teoretice și disponibilitatea de a rezolva problemele cu participanții după formare.
Grzegorz Mianowski
Curs: Introduction to Deep Learning
Translated by
Subiect. Foarte interesant!.
Piotr
Curs: Introduction to Deep Learning
Translated by
Exercițiile după fiecare subiect au fost cu adevărat utile, în ciuda faptului că au fost prea complicate la sfârșit. În general, materialul prezentat a fost foarte interesant și implicat! Exercițiile cu recunoașterea imaginii au fost minunate.
Dolby Poland Sp. z o.o.
Curs: Introduction to Deep Learning
Translated by
Cred că dacă instruirea ar fi făcută în poloneză, ar permite instructorului să-și împărtășească cunoștințele mai eficient.
Radek
Curs: Introduction to Deep Learning
Translated by
Prezentarea globală a învățării profunde.
Bruno Charbonnier
Curs: Advanced Deep Learning
Translated by
Exercițiile sunt suficient de practice și nu necesită cunoștințe înalte în Python.
Alexandre GIRARD
Curs: Advanced Deep Learning
Translated by
Făcând exerciții pe exemple reale folosind Eras. Italia a înțeles total așteptările noastre despre acest antrenament.
Paul Kassis
Curs: Advanced Deep Learning
Translated by
Subiectul. Părea interesant, dar am plecat fără să știu mai mult decât înainte.
Radoslaw Labedzki
Curs: Introduction to Deep Learning
Translated by
Mi-a plăcut că acest curs avea un subiect foarte interesant.
Wojciech Wilk
Curs: Introduction to Deep Learning
Translated by
Am apreciat cu adevărat răspunsurile clare ale lui Chris la întrebările noastre.
Léo Dubus
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
În general, m-am bucurat de antrenorul informat.
Sridhar Voorakkara
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Am fost uimit la standardul acestei clase - aș spune că era un standard universitar.
David Relihan
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Foarte bună imagine de ansamblu. Un fundal bun în ce funcționează Tensorflow așa cum se întâmplă.
Kieran Conboy
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Mi-au plăcut oportunitățile de a pune întrebări și de a explica mai detaliat teoria.
Sharon Ruane
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Am obținut o mai bună înțelegere a subiectului. S-au făcut niște discuții frumoase cu niște subiecte reale din cadrul companiei noastre.
Sebastiaan Holman
Curs: Machine Learning and Deep Learning
Translated by
Instruirea a oferit fundația potrivită care ne permite să extindem în continuare, arătând cum teoria și practica merg mână în mână. De fapt, m-au interesat mai mult de subiect decât înainte.
Jean-Paul van Tillo
Curs: Machine Learning and Deep Learning
Translated by
Mi-a plăcut foarte mult acoperirea și profunzimea subiectelor.
Anirban Basu
Curs: Machine Learning and Deep Learning
Translated by
Mi-au plăcut noile cunoștințe despre învățarea mașinilor adânci.
Josip Arneric
Curs: Neural Network in R
Translated by
Am câștigat câteva cunoștințe despre NN în general, și ceea ce a fost cel mai interesant pentru mine au fost noile tipuri de NN care sunt populare în zilele noastre.
Tea Poklepovic
Curs: Neural Network in R
Translated by
M-am bucurat cel mai mult de graficele din R :))).
Faculty of Economics and Business Zagreb
Curs: Neural Network in R
Translated by
Cunoașterea profundă a antrenorului cu privire la acest subiect.
Sebastian Görg
Curs: Introduction to Deep Learning
Translated by
Abordare foarte actualizată sau CPI (debit tensor, epoca, învățare) pentru a face învățarea în mașină.
Paul Lee
Curs: TensorFlow for Image Recognition
Translated by
Foarte flexibil.
Frank Ueltzhöffer
Curs: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
M-am bucurat, în general, de flexibilitate.
Werner Philipp
Curs: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
Având în vedere perspectivele tehnologiei: ce tehnologie / proces ar putea deveni mai important în viitor; vedeți ce poate fi folosit tehnologia.
Commerzbank AG
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Am beneficiat de selecția subiectului. Stilul de antrenament. Practică orientare.
Commerzbank AG
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Acoperirea aprofundată a subiectelor de învățare a mașinilor, în special a rețelelor neuronale. Demistificat o mulțime de subiect.
Sacha Nandlall
Curs: Python for Advanced Machine Learning
Translated by
Aceasta este una dintre cele mai bune practici cu cursuri de programare de exerciții pe care le-am luat vreodată.
Laura Kahn
Curs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
Aceasta este una dintre cele mai bune calificări online de calitate pe care le-am făcut vreodată în cariera mea de 13 ani. Păstrați marea lucrare !.
Curs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
Stilul de formare al lui Richard a păstrat-o interesantă, exemplele din lumea reală folosite au ajutat la conducerea conceptelor acasă.
Jamie Martin-Royle - NBrown Group
Curs: From Data to Decision with Big Data and Predictive Analytics
Translated by
Conținutul, așa cum mi sa părut foarte interesant și cred că mă va ajuta în ultimul an la Universitatea.
Krishan Mistry - NBrown Group
Curs: From Data to Decision with Big Data and Predictive Analytics
Translated by
excercises
L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
exercițiile de laborator
Marcell Lorant - L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
Forma notebook-ului Jupyter, în care sunt disponibile materialele de instruire
L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
Au fost multe exerciții și subiecte interesante.
L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
unele exerciții mari de laborator analizate și explicate de către antrenor în profunzime (de exemplu, covariante în regresie liniară, care se potrivesc cu funcția reală)
L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
Este minunat ca tot materialul, inclusiv exercitiile, sa fie pe aceeasi pagina si apoi sa fie actualizat in zbor. Soluția este dezvăluită la sfârșit. Misto! De asemenea, apreciez faptul că Krzysztof a depus eforturi suplimentare pentru a înțelege problemele noastre și ne-a sugerat posibile tehnici.
Attila Nagy - L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
Folosirea ușoară a funcționalității VideoCapture pentru achiziționarea imaginilor video de pe camera de laptop.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Curs: Computer Vision with OpenCV
Translated by
Mi-a plăcut sfaturile oferite de formator cu privire la modul de utilizare a instrumentelor. Acesta este ceva ce nu poate fi primit de pe internet și este foarte util.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Curs: Computer Vision with OpenCV
Translated by
Mi-a plăcut sfaturile oferite de formator cu privire la modul de utilizare a instrumentelor. Acesta este ceva ce nu poate fi primit de pe internet și este foarte util.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Curs: Computer Vision with OpenCV
Translated by
Era ușor de urmărit.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Curs: Computer Vision with OpenCV
Translated by
problema a fost bine prezentată și într-o manieră ordonată.
Marylin Houle - Ivanhoe Cambridge
Curs: Introduction to R with Time Series Analysis
Translated by
Am beneficiat de pasiunea de a învăța și de a ne concentra pe a face lucrurile sensibile.
Zaher Sharifi - GOSI
Curs: Advanced Deep Learning
Translated by
Aceasta este una dintre cele mai bune calificări online de calitate pe care le-am făcut vreodată în cariera mea de 13 ani. Păstrați marea lucrare !.
Curs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
| Cod | Nume | Durată | Rezumat |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 ore | Acest curs a fost creat pentru manageri, arhitecți de soluții, ofițeri de inovare, CTO-uri, arhitecți de software și oricine este interesat de o privire de ansamblu asupra inteligenței artificiale aplicate și cea mai apropiată previziune pentru dezvoltarea sa. |
| pythontextml | Python: Machine Learning with Text | 21 ore | În acest training instruit, participanții vor învăța cum să folosească tehnicile corecte de învățare a mașinilor și tehnicile NLP (Processing Language Natural) pentru a extrage valoarea din datele bazate pe text Până la sfârșitul acestui curs, participanții vor putea: Rezolva problemele legate de știința datelor bazate pe text, cu un cod de reutilizare de înaltă calitate Aplicați diferite aspecte ale scikitlearn (clasificarea, gruparea, regresia, reducerea dimensiunilor) pentru a rezolva problemele Construiți modele eficiente de învățare automată folosind date bazate pe text Creați un set de date și extrageți caracteristici din text nestructurat Vizualizați date cu Matplotlib Construiți și evaluați modele pentru a obține o perspectivă Remediați erorile de codificare a textului Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| textsum | Text Summarization with Python | 14 ore | În procesul de învățare a mașinilor Python, caracteristica Sumarizare text poate citi textul de intrare și poate realiza un rezumat al textului Această capacitate este disponibilă de la linia de comandă sau ca Python API / Library O aplicație interesantă este crearea rapidă a rezumatelor executive; acest lucru este util în special pentru organizațiile care au nevoie să revizuiască organisme mari de date text înainte de a genera rapoarte și prezentări În acest training instruit, participanții vor învăța să utilizeze Python pentru a crea o aplicație simplă care generează automat un rezumat al textului de intrare Până la sfârșitul acestui curs, participanții vor putea: Utilizați un instrument de linie de comandă care rezumă textul Proiectați și creați codul de sumare a textului utilizând librăriile Python Evaluați trei biblioteci de sumare Python: suma 070, pysummarizarea 104, readless 1017 Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| undnn | Understanding Deep Neural Networks | 35 ore | Acest curs începe cu a vă oferi cunoștințe conceptuale în rețele neuronale și, în general, în algoritmul de învățare în mașină, învățare profundă (algoritmi și aplicații) Partea 1 (40%) din acest training se concentrează mai mult pe fundamentale, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow, Caffe, Theano, DeepDrive, Keras etc Partea 2 (20%) a acestui training introduce Theano o bibliotecă python care face ușor de scris modele de învățare profundă Partea a treia (40%) din formare se bazează în mare măsură pe API-ul Tensorflow 2nd Generation din biblioteca de software open source a Google pentru Deep Learning Exemplele și manuscrisele vor fi făcute în TensorFlow Public Acest curs este destinat inginerilor care caută să utilizeze TensorFlow pentru proiectele lor de învățare profundă După finalizarea acestui curs, delegații vor: au o bună înțelegere pe rețele neuronale profunde (DNN), CNN și RNN înțeleg structura și mecanismele de implementare ale TensorFlow să fie capabil să efectueze sarcini de instalare / producție / arhitectură și configurație să poată evalua calitatea codului, să efectueze depanare, să monitorizeze să fie capabil să implementeze o producție avansată, cum ar fi modele de instruire, construirea de grafice și logare Nu toate subiectele vor fi acoperite într-o sală de clasă publică cu o durată de 35 de ore datorită vastității subiectului Durata cursului complet va fi de aproximativ 70 de ore și nu de 35 de ore . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 ore | Biblioteca Apache OpenNLP este un set de instrumente bazate pe mașini pentru procesarea textului lingvistic natural Acesta susține cele mai comune sarcini NLP, cum ar fi detectarea limbajului, tokenizarea, segmentarea frazelor, etichetarea partofspeech, extragerea entității numită, fragmentarea, parsarea și rezoluția coreference În acest training instruit, participanții vor învăța cum să creeze modele pentru prelucrarea datelor bazate pe text folosind OpenNLP Datele de antrenament, precum și seturile personalizate de date vor fi folosite ca bază pentru exercițiile de laborator Până la sfârșitul acestui curs, participanții vor putea: Instalați și configurați OpenNLP Descărcați modelele existente, precum și creați-le Formarea modelelor pe diferite seturi de date de eșantion Integrați OpenNLP cu aplicațiile Java existente Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 ore | Învățarea în mașină este o ramură a inteligenței artificiale în care computerele au capacitatea de a învăța fără a fi programate în mod explicit Python este un limbaj de programare renumit pentru sintaxa clară și lizibilitatea sa Acesta oferă o colecție excelentă de biblioteci bine pregătite și tehnici pentru dezvoltarea aplicațiilor de învățare automată În acest training instruit, participanții vor învăța cum să aplice tehnici de învățare a mașinilor și instrumente pentru rezolvarea problemelor din lumea reală din industria bancară Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică, construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte de echipă Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| mlbankingr | Machine Learning for Banking (with R) | 28 ore | În acest training instruit, participanții vor învăța cum să aplice tehnici de învățare a mașinilor și instrumente pentru rezolvarea problemelor din lumea reală din industria bancară R va fi folosit ca limbaj de programare Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică, construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte vii Public Dezvoltatori Cercetătorii de date Specialiști bancari cu experiență tehnică Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| python_nlp | Natural Language Processing with Deep Dive in Python and NLTK | 35 ore | Până la sfârșitul instruirii se așteaptă ca delegații să fie suficient de echipați cu conceptele python esențiale și să fie capabili să utilizeze în mod suficient NLTK pentru a implementa majoritatea operațiunilor bazate pe NLP și ML Formarea are scopul de a oferi nu numai cunoștințe de execuție ci și cunoștințele logice și operaționale ale tehnologiei respective . |
| matlabdl | Matlab for Deep Learning | 14 ore | În această instruire instruită, participanții vor învăța cum să utilizeze Matlab pentru a proiecta, construi și vizualiza o rețea neuronală convoluțională pentru recunoașterea imaginii Până la sfârșitul acestui curs, participanții vor putea: Construiți un model profund de învățare Automatizează etichetarea datelor Lucrați cu modele de la Caffe și TensorFlowKeras Datele de tren folosesc GPU-uri multiple, nor sau clustere Public Dezvoltatori Ingineri Experți în domeniu Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| matlabpredanalytics | Matlab for Predictive Analytics | 21 ore | Analiza predictivă este procesul de utilizare a analizelor de date pentru a face predicții despre viitor Acest proces utilizează date împreună cu tehnicile de extragere a datelor, statistici și tehnici de învățare a mașinilor pentru a crea un model predictiv pentru prognoza evenimentelor viitoare În acest training instruit, participanții vor învăța cum să utilizeze Matlab pentru a construi modele predictive și pentru a le aplica seturilor mari de date pentru a prezice evenimentele viitoare pe baza datelor Până la sfârșitul acestui curs, participanții vor putea: Creați modele predictive pentru a analiza modelele din datele istorice și tranzacționale Utilizați modelarea predictivă pentru a identifica riscurile și oportunitățile Construiți modele matematice care captează tendințe importante Utilizați datele de la dispozitive și sisteme de afaceri pentru a reduce deșeurile, a economisi timp sau a reduce costurile Public Dezvoltatori Ingineri Experți în domeniu Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| tensorflowserving | TensorFlow Serving | 7 ore | TensorFlow Serving este un sistem de servire a modelelor de învățare a mașinilor (ML) în producție În acest training instruit, participanții vor învăța cum să configureze și să utilizeze serviciul TensorFlow Serving pentru a implementa și administra modelele ML într-un mediu de producție Până la sfârșitul acestui curs, participanții vor putea: Tren, exportați și serviți diverse modele TensorFlow Testați și implementați algoritmi utilizând o singură arhitectură și un set de API-uri Extindeți TensorFlow Serving pentru a servi alte tipuri de modele dincolo de modelele TensorFlow Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| mlios | Machine Learning on iOS | 14 ore | În acest training instruit, participanții vor învăța cum să utilizeze stiva tehnologiei iOS Machine Learning (ML), pe măsură ce parcurg crearea și implementarea unei aplicații mobile iOS Până la sfârșitul acestui curs, participanții vor putea: Creați o aplicație mobilă capabilă de procesarea imaginilor, analiza textului și recunoașterea vorbirii Accesați modele ML precomprimate pentru integrarea în aplicațiile iOS Creați un model ML personalizat Adăugați suport pentru Siri Voice aplicațiilor iOS Înțelegeți și utilizați cadre precum coreML, Vision, CoreGraphics și GamePlayKit Utilizați limbi și instrumente precum Python, Keras, Caffee, Tensorflow, Scikit learn, libsvm, Anaconda și Spyder Public Dezvoltatori Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| nlg | Python for Natural Language Generation | 21 ore | Generarea limbajului natural (NLG) se referă la producerea de text sau de vorbire în limba naturală de către un calculator În acest training instruit, participanții vor învăța cum să folosească Python pentru a produce text de limbă naturală de înaltă calitate prin construirea propriului sistem NLG de la zero Studiile de caz vor fi, de asemenea, examinate, iar conceptele relevante vor fi aplicate proiectelor de laborator live pentru generarea conținutului Până la sfârșitul acestui curs, participanții vor putea: Utilizați NLG pentru a genera automat conținut pentru diverse industrii, de la jurnalism, până la imobiliare, la rapoarte meteorologice și sportive Selectați și organizați conținutul sursă, planificați propozițiile și pregătiți un sistem pentru generarea automată a conținutului original Înțelegeți conducta NLG și aplicați tehnicile corecte în fiecare etapă Înțelegerea arhitecturii unui sistem de generare a limbajului natural (NLG) Implementați algoritmii și modelele cele mai potrivite pentru analiză și ordonare Trageți datele din sursele de date disponibile publicului, precum și bazele de date cuantificate pentru a le utiliza ca material pentru textul generat Înlocuiți procesele de scriere manuale și laborioase cu crearea de conținut automatizat, generat de calculator Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| encogintro | Encog: Introduction to Machine Learning | 14 ore | Encog este un cadru de învățare a mașinilor opensource pentru Java șiNet În acest training instruit, participanții vor învăța cum să creeze diferite componente ale rețelei neuronale folosind ENCOG Studiile de caz în domeniul Realworld vor fi discutate și vor fi explorate soluții bazate pe limbaj mașină pentru aceste probleme Până la sfârșitul acestui curs, participanții vor putea: Pregătește datele pentru rețelele neuronale utilizând procesul de normalizare Implementarea metodologiilor de formare a rețelelor de feed-back și a metodelor de formare a propagării Implementarea sarcinilor de clasificare și regresie Model și rețele de rețele neuronale folosind baza de date bazată pe interfață grafică Encog Integrați suportul rețelei neuronale în aplicații din lumea reală Public Dezvoltatori Analistii Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| bigdatabicriminal | Big Data Business Intelligence for Criminal Intelligence Analysis | 35 ore | Avansurile în tehnologii și creșterea cantității de informații transformă modul în care se realizează aplicarea legii Provocările date de Big Data sunt aproape la fel de deranjante ca promisiunea Big Data Stocarea eficientă a datelor este una dintre aceste provocări; analizând în mod eficient aceasta este o alta În acest training instruit, participanții vor învăța mentalitatea cu care să se apropie de tehnologiile Big Data, să evalueze impactul acestora asupra proceselor și politicilor existente și să implementeze aceste tehnologii în scopul identificării activității criminale și prevenirii criminalității Studiile de caz de la organismele de aplicare a legii din întreaga lume vor fi examinate pentru a obține o perspectivă asupra adoptării abordărilor, provocărilor și rezultatelor Până la sfârșitul acestui curs, participanții vor putea: Combinați tehnologia Big Data cu procesele tradiționale de colectare a datelor pentru a crea o poveste în timpul unei investigații Implementați soluții industriale de stocare și prelucrare a datelor pentru analiza datelor Pregătirea unei propuneri pentru adoptarea celor mai adecvate instrumente și procese pentru a permite o abordare cu caracter dat a investigației penale Public Specialiști în aplicarea legii cu un background tehnic Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| encogadv | Encog: Advanced Machine Learning | 14 ore | Encog este un cadru de învățare a mașinilor opensource pentru Java șiNet În acest training instruit, participanții vor învăța tehnici avansate de învățare în mașină pentru a construi modele predictive de rețea neuronale exacte Până la sfârșitul acestui curs, participanții vor putea: Implementați diferite tehnici de optimizare a rețelelor neuronale pentru a rezolva problema de submăsurare și suprasolicitare Înțelegeți și alegeți dintr-un număr de arhitecturi de rețele neuronale Implementați feed-uri supravegheate înainte și rețele de feedback Public Dezvoltatori Analistii Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| radvml | Advanced Machine Learning with R | 21 ore | În această instruire instruită, participanții vor învăța tehnici avansate pentru Machine Learning cu R, pe măsură ce parcurg crearea unei aplicații în lumea reală Până la sfârșitul acestui curs, participanții vor putea: Utilizați tehnici ca tuning hiperparametru și învățare profundă Înțelegerea și implementarea tehnicilor de învățare nesupravegheate Puneți un model în producție pentru a fi utilizat într-o aplicație mai mare Public Dezvoltatori Analistii Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| pythonadvml | Python for Advanced Machine Learning | 21 ore | În cadrul acestei instruiri instruite, participanții vor învăța tehnicile cele mai relevante și de tăiere a mașinilor în Python, deoarece construiesc o serie de aplicații demo care implică imagini, muzică, text și date financiare Până la sfârșitul acestui curs, participanții vor putea: Implementarea algoritmilor de învățare a mașinilor și a tehnicilor de rezolvare a problemelor complexe Aplicați învățarea profundă și învățarea semisupervizată a aplicațiilor care implică imagini, muzică, text și date financiare Împingeți algoritmii Python la potențialul lor maxim Utilizați biblioteci și pachete, cum ar fi NumPy și Theano Public Dezvoltatori Analistii Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| fiji | Fiji: Introduction to Scientific Image Processing | 21 ore | Fiji este un pachet de procesare a imaginilor opensource care îmbină ImageJ (un program de procesare a imaginilor pentru imagini științifice multidimensionale) și un număr de pluginuri pentru analiza științifică a imaginilor În acest training instruit, participanții vor învăța cum să folosească distribuția Fiji și programul său ImageJ, pentru a crea o aplicație de analiză a imaginii Până la sfârșitul acestui curs, participanții vor putea: Utilizați caracteristicile programabile avansate ale Fiji și componentele software pentru a extinde ImageJ Stitch imagini mari 3d de la placi care se suprapun Actualizați automat o instalare Fiji la pornire utilizând sistemul de actualizare integrat Selectați dintr-o gamă largă de limbi de scripting pentru a crea soluții personalizate de analiză a imaginilor Folosiți bibliotecile puternice din Fiji, cum ar fi ImgLib, pe seturile de date bioimagice mari Implementați aplicația și colaborați cu alți oameni de știință pe proiecte similare Public Oamenii de știință Cercetătorii Dezvoltatori Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| rasberrypiopencv | Raspberry Pi + OpenCV: Build a Facial Recognition System | 21 ore | Această instruire instruită live introduce programul software, hardware și pasul treptei necesare pentru a construi un sistem de recunoaștere facială de la zero Recunoașterea facială este cunoscută și ca Recunoașterea feței Hardware-ul folosit în acest laborator include Rasberry Pi, un modul de cameră, servo (opțional), etc Participanții sunt responsabili pentru achiziționarea acestor componente Software-ul folosit include OpenCV, Linux, Python, etc Până la sfârșitul acestui curs, participanții vor putea: Instalați Linux, OpenCV și alte utilitare de software și biblioteci pe un Rasberry Pi Configurați OpenCV pentru captarea și detectarea imaginilor faciale Înțelegeți diferitele opțiuni pentru ambalarea unui sistem Rasberry Pi pentru utilizarea în medii reale Adaptați sistemul pentru o varietate de cazuri de utilizare, inclusiv supravegherea, verificarea identității etc Public Dezvoltatori Tehnicieni de hardware / software Persoane fizice din toate industriile hobbyists Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră Notă Alte opțiuni hardware și software includ: Arduino, OpenFace, Windows etc Dacă doriți să utilizați oricare dintre acestea, vă rugăm să ne contactați pentru a aranja . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 ore | OpenFace este un software bazat pe Python și Torch, bazat pe cercetare FaceNet a Google, bazată pe tehnologia opensource, în timp real În acest training instruit, participanții vor învăța cum să folosească componentele OpenFace pentru a crea și implementa o aplicație de recunoaștere facială Până la sfârșitul acestui curs, participanții vor putea: Lucrați cu componentele OpenFace, inclusiv dlib, OpenVC, Torch, și nn4 pentru a implementa detectarea feței, alinierea și transformarea Aplicați OpenFace aplicațiilor din lumea reală, cum ar fi supravegherea, verificarea identității, realitatea virtuală, jocurile și identificarea clienților repetate etc Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 ore | Embedding Projector este o aplicație web open source pentru vizualizarea datelor utilizate pentru instruirea sistemelor de învățare a mașinilor Creat de Google, face parte din TensorFlow Această instruire instruită live introduce conceptele din spatele Proiectoarelor Embedding și umblă participanții prin configurarea unui proiect demo Până la sfârșitul acestui curs, participanții vor putea: Explorați modul în care datele sunt interpretate de modelele de învățare automată Navigați prin vizualizările 3D și 2D ale datelor pentru a înțelege modul în care algoritmul de învățare a mașinilor îl interpretează Înțelegeți conceptele din spatele embeddings și rolul lor în reprezentarea vectorilor matematici pentru imagini, cuvinte și cifre Explorați proprietățile unei încorporări specifice pentru a înțelege comportamentul unui model Aplicați proiectul de încorporare în cazuri de utilizare realworld, cum ar fi construirea unui sistem de recomandări pentru melodii pentru iubitorii de muzică Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 ore | Tensor2Tensor (T2T) este o bibliotecă modulară și extensibilă pentru instruirea modelelor AI în diverse sarcini, utilizând diferite tipuri de date de antrenament, de exemplu: recunoașterea imaginii, traducerea, parsarea, captarea imaginilor și recunoașterea vorbirii Este menținută de echipa Google Brain În acest training instruit, participanții vor învăța cum să pregătească un model de deplerare pentru a rezolva mai multe sarcini Până la sfârșitul acestui curs, participanții vor putea: Instalați tensor2tensor, selectați un set de date și instruiți și evaluați un model AI Personalizați un mediu de dezvoltare utilizând instrumentele și componentele incluse în Tensor2Tensor Creați și utilizați un singur model pentru a afla simultan mai multe sarcini din mai multe domenii Utilizați modelul pentru a învăța din sarcini cu o cantitate mare de date de instruire și pentru a aplica acele cunoștințe în sarcini în care datele sunt limitate Obțineți rezultate satisfăcătoare de procesare utilizând o singură GPU Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| cognitivecomputing | Cognitive Computing: An Introduction for Business Managers | 7 ore | Calculul cognitiv se referă la sisteme care includ învățarea în mașină, raționamentul, prelucrarea limbajului natural, recunoașterea vorbirii și viziunea (recunoașterea obiectului), interacțiunea om-calculator, dialogul și generarea narativă, pentru a numi câteva Un sistem de calcul cognitiv este adesea alcătuit din mai multe tehnologii care lucrează împreună pentru a procesa datele contextuale "fierbinți", precum și seturi mari de date istorice "reci" în lot Exemple de astfel de tehnologii includ Kafka, Spark, Elasticsearch, Cassandra și Hadoop În acest training instruit, participanții vor învăța cum Cognitive Computing complimentează AI și Big Data și cum sistemele cu scop constructiv pot fi folosite pentru a realiza comportamente umane care îmbunătățesc performanța interacțiunilor om-mașină în afaceri Până la sfârșitul acestui curs, participanții vor înțelege: Relația dintre calculul cognitiv și inteligența artificială (AI) Caracterul inerent probabilist al computerelor cognitive și modul de utilizare a acestora ca avantaj de afaceri Cum să gestionați sisteme informatice cognitive care se comportă în moduri neașteptate Ce companii și sisteme software oferă cele mai convingătoare soluții cognitive de calcul Public Directori de afaceri Formatul cursului Conferință, discuții de caz și exerciții . |
| dsstne | Amazon DSSTNE: Build a Recommendation System | 7 ore | Amazon DSSTNE este o bibliotecă open source pentru instruirea și implementarea modelelor de recomandare Permite modelelor cu matrice de greutate care sunt prea mari pentru ca un singur GPU să fie instruit pe o singură gazdă În acest training instruit, participanții vor învăța cum să utilizeze DSSTNE pentru a construi o aplicație de recomandare Până la sfârșitul acestui curs, participanții vor putea: Formați un model de recomandare cu seturi de date rar ca intrări Modele de formare și predicție a scalei pe mai multe GPU-uri Răspândiți calculul și stocarea într-un mod paralel Generează recomandări de produse personalizate Amazonlike Implementați o aplicație de producție care poate fi scalată la încărcări de lucru grele Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 ore | Snorkel este un sistem pentru crearea rapidă, modelarea și gestionarea datelor de antrenament Se axează pe accelerarea dezvoltării aplicațiilor de extragere a datelor structurate sau "întunecate" pentru domenii în care seturile de antrenament etichetate mari nu sunt disponibile sau ușor de obținut În acest training instruit, participanții vor învăța tehnici de extragere a valorii din date nestructurate, cum ar fi text, tabele, figuri și imagini, prin modelarea datelor de antrenament cu Snorkel Până la sfârșitul acestui curs, participanții vor putea: Creați programatic programe de formare pentru a permite etichetarea seturilor masive de antrenament Antrenează modele de calitate superioară, prin modelarea în primul rând a seturilor de antrenament zgomotoase Utilizați Snorkel pentru a implementa tehnici de supraveghere slabă și a aplica programarea datelor pentru sistemele de învățare automată slabă Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 ore | Deep Learning pentru NLP permite unei mașini să învețe procesarea limbajului simplu și complex Printre sarcinile posibile în prezent sunt generarea de traduceri și generare de subtitrări pentru fotografii DL (Deep Learning) este un subset de ML (Machine Learning) Python este un limbaj de programare popular care conține biblioteci pentru Deep Learning for NLP În acest training instruit, participanții vor învăța să folosească librăriile Python pentru NLP (Natural Language Processing), deoarece creează o aplicație care procesează un set de imagini și generează legende Până la sfârșitul acestui curs, participanții vor putea: Proiectați și codați DL pentru NLP utilizând librăriile Python Creați codul Python care citește o colecție substanțială de imagini și generează cuvinte cheie Creați codul Python care generează subtitrări din cuvintele cheie detectate Public Programatori cu interes în lingvistică Programatorii care caută o înțelegere a NLP (Processing Language Natural) Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 ore | Învățarea în mașină este o ramură a inteligenței artificiale, în care computerele au capacitatea de a învăța fără a fi programate în mod explicit Python este un limbaj de programare renumit pentru sintaxa clară și lizibilitatea sa Acesta oferă o colecție excelentă de biblioteci bine pregătite și tehnici pentru dezvoltarea aplicațiilor de învățare automată În acest training instruit, participanții vor învăța cum să aplice tehnici de învățare a mașinilor și instrumente pentru rezolvarea problemelor din lumea reală în industria financiară Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică, construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte de echipă Până la sfârșitul acestui curs, participanții vor putea: Înțelegerea conceptelor fundamentale ale învățării în mașină Aflați aplicațiile și utilizările învățării mașinilor în domeniul finanțelor Dezvoltați propria strategie de tranzacționare algoritmică utilizând învățarea prin mașină cu Python Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| MicrosoftCognitiveToolkit | Microsoft Cognitive Toolkit 2.x | 21 ore | Microsoft Cognitive Toolkit 2x (anterior CNTK) este un kit de instrumente opencast, care permite instruirea algoritmilor de învățare profundă ca și creierul uman Potrivit Microsoft, CNTK poate fi de 510x mai rapid decat TensorFlow pe retele recurente si de 2 pana la 3 ori mai rapid decat TensorFlow pentru sarcinile legate de imagini În această instruire live, participanții vor învăța cum să folosească Microsoft Cognitive Toolkit pentru a crea, instrui și evalua algoritmi de învățare profundă pentru a fi utilizați în aplicații AI comerciale care implică mai multe tipuri de date, cum ar fi date, vorbire, text și imagini Până la sfârșitul acestui curs, participanții vor putea: Accesați CNTK ca o bibliotecă dintr-un program Python, C # sau C ++ Utilizați CNTK ca instrument independent de învățare a mașinii prin propriul limbaj de descriere a modelului (BrainScript) Utilizați funcția de evaluare a modelului CNTK dintr-un program Java Se combină DNN-urile feedforward, plasele convoluționale (CNN) și rețelele recurente (RNNs / LSTMs) Scalarea capacității de calcul pe procesoare, unități de procesare grafică și mai multe mașini Accesați seturi de date masive folosind limbile de programare existente și algoritmi Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră Notă Dacă doriți să personalizați orice parte a acestui training, inclusiv limba de programare de care aveți nevoie, vă rugăm să ne contactați pentru a aranja . |
| ML_LBG | Machine Learning – Data science | 21 ore | Această sesiune de instruire bazată pe clasă va explora unelte de învățare a mașinilor cu Python (sugerat) Delegatii vor avea exemple pe baza de calculatoare si exercitii de studiu de caz pe care sa le urmeze . |
| Curs | Data cursului | Pretul cursului [Tele - Clasa] |
|---|---|---|
| Deep Reinforcement Learning with Python - Iasi, Piata Unirii | Mar, 2019-03-26 09:30 | 5250EUR / 6050EUR |
| Deep Reinforcement Learning with Python - Brasov, Strada Calea Bucuresti | Mie, 2019-03-27 09:30 | 5250EUR / 6050EUR |
| Deep Reinforcement Learning with Python - Constanta, Str. Mircea cel Batran | Mar, 2019-04-16 09:30 | 5250EUR / 6050EUR |
| Deep Reinforcement Learning with Python - Timisoara, Boulevard Iosif Bulbuca | Mie, 2019-04-17 09:30 | 5250EUR / 6050EUR |
| Deep Reinforcement Learning with Python - Bucuresti, Centru Nord | Mar, 2019-04-23 09:30 | 5250EUR / 6050EUR |
| Curs | Locul | Data cursului | Pretul cursului [Tele - Clasa] |
|---|---|---|---|
| QT Programming | Timisoara, Boulevard Iosif Bulbuca | Lun, 2019-03-25 09:30 | 4725EUR / 5525EUR |
| Algebra for Machine Learning | Constanta, Str. Mircea cel Batran | Joi, 2019-04-11 09:30 | 3150EUR / 3750EUR |
| Signavio Process Manager | Iasi, Piata Unirii | Mar, 2019-04-30 09:30 | 1575EUR / 1975EUR |
| Using C++ in Embedded Systems - Applying C++11/C++14 | Bucuresti, Centru Nord | Mie, 2019-05-22 09:30 | 4725EUR / 5525EUR |
| Neural computing – Data science | Iasi, Piata Unirii | Mar, 2019-05-28 09:30 | 3500EUR / 4100EUR |
.jpg "food and drug administration (fda)")
.jpg "american international group (aig)")
.jpg "european southern observatory (eso)")
.png "procter & gamble (p&g)")
We are looking to expand our presence in Romania!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!
