Local, instructor-led live Deep Learning (DL) training courses demonstrate through hands-on practice the fundamentals and applications of Deep Learning and cover subjects such as deep machine learning, deep structured learning, and hierarchical learning. Deep Learning training is available as "onsite live training" or "remote live training". Onsite live Deep Learning 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
Marturii
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
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
Cunoașterea profundă a antrenorului cu privire la acest subiect.
Sebastian Görg
Curs: Introduction to Deep Learning
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
modul de conducere și exemplul oferit de formator
ORANGE POLSKA S.A.
Curs: Machine Learning and Deep Learning
Translated by
Posibilitatea de a discuta despre problemele propuse
ORANGE POLSKA S.A.
Curs: Machine Learning and Deep Learning
Translated by
Comunicarea cu lectori
文欣 张
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Îmi place
lisa xie
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
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
Cunoștințe mari și actuale despre exemple de aplicații practice și practice.
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Translated by
O mulțime de exerciții, o colaborare foarte bună cu grupul.
Janusz Chrobot - ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Translated by
lucrează pe colaboratori,
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Translated by
Era evident că entuziaștii subiecților prezentați au fost conducători. Folosite exemple interesante în timpul exercițiului.
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Translated by
O gamă largă de subiecte acoperite și o cunoaștere substanțială a liderilor.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
lipsă
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
Mari cunoștințe teoretice și practice ale lectorilor. Comunicativitatea formatorilor. În timpul cursului, puteți pune întrebări și puteți obține răspunsuri satisfăcătoare.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
Partea practică, în care am implementat algoritmi. Acest lucru a permis o mai bună înțelegere a subiectului.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
exerciții și exemple implementate asupra lor
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
Exemple și probleme discutate.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
Cunoștințe fundamentale, angajament, un pasionat mod de a transfera cunoștințe. Exemple practice după o prelegere teoretică.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
Exerciții practice pregătite de domnul Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
Subcategories
Schita de curs
| Cod | Nume | Durată | Rezumat |
|---|---|---|---|
| annmldt | Artificial Neural Networks, Machine Learning, Deep Thinking | 21 ore | Rețeaua neurală artificială este un model de date computational utilizat în dezvoltarea sistemelor de inteligență artificială (AI) capabile să realizeze sarcini "inteligente". Rețelele neuronale sunt utilizate în mod frecvent în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML. |
| 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 . |
| 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 . |
| 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 . |
| 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 . |
| 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 . |
| 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 . |
| 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 . |
| 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 . |
| 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 . |
| 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 . |
| PaddlePaddle | PaddlePaddle | 21 ore | PaddlePaddle (PArallel Distributed Deep LEarning) este o platformă de învățare scalabilă profundă dezvoltată de Baidu În acest training instruit, participanții vor învăța cum să folosească PaddlePaddle pentru a permite învățarea profundă în aplicațiile lor de produse și servicii Până la sfârșitul acestui curs, participanții vor putea: Configurați și configurați PaddlePaddle Creați o rețea neuronală convoluțională (CNN) pentru recunoașterea imaginilor și detectarea obiectelor Crearea unei rețele neuronale recurente (RNN) pentru analiza sentimentului Creați o învățare profundă pe sistemele de recomandare pentru a ajuta utilizatorii să găsească răspunsuri Preziceți ratele de clic (CTR), clasificați seturile de imagini largescale, efectuați recunoașterea optică a caracterelor (OCR), căutați în funcție de rang, detectați viruși de computer și implementați un sistem de recomandări Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| dlfinancewithr | Deep Learning for Finance (with R) | 28 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 Învățarea profundă este un subdomeniul de învățare a mașinilor care utilizează metode bazate pe reprezentări și structuri de date de învățare, cum ar fi rețele neuronale R este un limbaj popular de programare în industria financiară Acesta este utilizat în aplicații financiare variind de la programe de bază de tranzacționare la sisteme de management al riscului În cadrul acestei instruiri instruite, participanții vor învăța cum să implementeze modele de învățare profundă pentru finanțe utilizând R, deoarece acestea parcurg procesul de creare a unui model profund de predicție a prețului stocului de învățare Până la sfârșitul acestui curs, participanții vor putea: Înțelegerea conceptelor fundamentale ale învățării profunde Aflați aplicațiile și utilizările învățării profunde în domeniul finanțelor Utilizați R pentru a crea modele de învățare profundă pentru finanțe Construiți propriul model de predicție a prețului stocului de învățare folosind R Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| dlforbankingwithpython | Deep Learning for Banking (with Python) | 28 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 Învățarea profundă este un subdomeniul de învățare a mașinilor care utilizează metode bazate pe reprezentări și structuri de date de învățare, cum ar fi rețele neuronale Python este un limbaj de programare de nivel înalt renumit pentru sintaxa clară și lizibilitatea codului În acest training instruit, participanții vor învăța cum să implementeze modele de învățare profundă pentru sectorul bancar folosind Python, deoarece acestea parcurg procesul de creare a unui model de risc de credit de învățare profundă Până la sfârșitul acestui curs, participanții vor putea: Înțelegerea conceptelor fundamentale ale învățării profunde Aflați aplicațiile și utilizările învățării profunde în domeniul bancar Utilizați Python, Keras și TensorFlow pentru a crea modele de învățare profundă pentru sectorul bancar Construiți propriul model de risc de învățare profundă folosind Python Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| dlforbankingwithr | Deep Learning for Banking (with R) | 28 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 Învățarea profundă este un subdomeniul de învățare a mașinilor care utilizează metode bazate pe reprezentări și structuri de date de învățare, cum ar fi rețele neuronale R este un limbaj popular de programare în industria financiară Acesta este utilizat în aplicații financiare variind de la programe de bază de tranzacționare la sisteme de management al riscului În cadrul acestei instruiri instruite, participanții vor învăța cum să implementeze modele de învățare profundă pentru sectorul bancar folosind R, deoarece acestea parcurg crearea unui model de risc de credit de învățare profundă Până la sfârșitul acestui curs, participanții vor putea: Înțelegerea conceptelor fundamentale ale învățării profunde Aflați aplicațiile și utilizările învățării profunde în domeniul bancar Utilizați R pentru a crea modele de învățare profundă pentru sectorul bancar Construiți propriul model de risc de credit de învățare profundă folosind R Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| dlforfinancewithpython | Deep Learning for Finance (with Python) | 28 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 Învățarea profundă este un subdomeniul de învățare a mașinilor care utilizează metode bazate pe reprezentări și structuri de date de învățare, cum ar fi rețele neuronale Python este un limbaj de programare de nivel înalt renumit pentru sintaxa clară și lizibilitatea codului În cadrul acestei instruiri instruite, participanții vor învăța cum să implementeze modele de învățare profundă pentru finanțe folosind Python, deoarece aceștia trec prin crearea unui model profund de predicție a prețului stocului de învățare Până la sfârșitul acestui curs, participanții vor putea: Înțelegerea conceptelor fundamentale ale învățării profunde Aflați aplicațiile și utilizările învățării profunde în domeniul finanțelor Utilizați Python, Keras și TensorFlow pentru a crea modele de învățare profundă pentru finanțe Construiți propriul model de predicție a prețului stocului de învățare folosind Python Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| drlpython | Deep Reinforcement Learning with Python | 21 ore | Consolidarea în profunzime se referă la capacitatea unui "agent artificial" de a învăța prin încercări și recompense și impuneri Un agent artificial intenționează să emuleze capacitatea unui om de a obține și de a construi cunoștințe pe cont propriu, direct din intrări brute cum ar fi viziunea Pentru a realiza învățarea în materie de întărire, sunt utilizate rețele de învățare profundă și rețele neuronale Consolidarea învățării este diferită de învățarea în mașină și nu se bazează pe abordări de învățare supravegheate și nesupravegheate În cadrul acestei instruiri instruite, participanții vor învăța fundamentele învățării profunde pentru consolidarea armăturii, pe măsură ce vor trece prin crearea unui agent de învățare profundă Până la sfârșitul acestui curs, participanții vor putea: Înțelegeți conceptele-cheie din spatele Învățării profunde de întărire și o puteți deosebi de Machine Learning Aplicați algoritmi avansați de învățare a armării pentru a rezolva problemele din lumea reală Construiți un agent de învățare profundă Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| DLAITEDM | Deep Learning AI Techniques for Executives, Developers and Managers | 21 ore | Introducere : Învățarea profundă devine o componentă principală a designului de produs viitor care dorește să integreze inteligența artificială în centrul modelelor În următorii 5 până la 10 ani, instrumentele profunde de dezvoltare a învățării , bibliotecile și limbile vor deveni componente standard ale fiecărui set de instrumente de dezvoltare software Până în prezent, Google, Forța de vânzări, Facebook, Amazon au utilizat cu succes AI de învățare profundă pentru a-și intensifica afacerea Aplicațiile au variat de la traducerea automată a mașinilor, analiza imaginilor, analiza video, analiza mișcărilor, generarea de anunțuri direcționate și multe altele Acest curs este destinat pentru acele organizații care doresc să includă Deep Learning ca o parte foarte importantă a strategiei lor de produse sau servicii Mai jos este prezentarea cursului profund de învățare pe care îl putem personaliza pentru diferite niveluri de angajați / părțile interesate dintr-o organizație Public țintă: (În funcție de publicul țintă, materialele de curs vor fi personalizate) Directori O imagine de ansamblu generală a AI și modul în care aceasta se încadrează în strategia corporativă, cu sesiuni de breakout privind planificarea strategică, foile de parcurs tehnologice și alocarea resurselor pentru a asigura o valoare maximă Manageri de proiect Cum să planificați un proiect AI, inclusiv colectarea și evaluarea datelor, curățarea și verificarea datelor, elaborarea unui model de proofofconcept, integrarea în procesele de afaceri și livrarea în întreaga organizație Dezvoltatori Cursuri tehnice indelungate, cu accent pe rețelele neuronale și învățarea profundă, analiza imaginilor și video (CNN), analiza sunetului și textului (NLP) și aducerea AI în aplicațiile existente salespersons O privire generală asupra AI și a modului în care poate satisface nevoile clienților, propune valori pentru diverse produse și servicii și cum poate să atenueze temerile și să promoveze beneficiile AI . |
| Nue_LBG | Neural computing – Data science | 14 ore | Această sesiune de instruire bazată pe clasă va conține prezentări și exemple pe bază de computere și exerciții de studiu de caz care vor fi întreprinse cu bibliotecile relevante de rețele neuronale și profunde . |
| dlformedicine | Deep Learning for Medicine | 14 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 Învățarea profundă este un subdomeniu al Învățării Machine, care încearcă să imite funcționarea creierului uman în luarea deciziilor Este instruit cu date pentru a oferi automat soluții la probleme Deep Learning oferă oportunități vaste pentru industria medicală, care se află pe o mină de aur de date În această instruire instruită, participanții vor participați la o serie de discuții, exerciții și analize de caz pentru a înțelege fundamentele Deep Learning Cele mai importante instrumente și tehnici de învățare în profunzime vor fi evaluate și vor fi efectuate eforturi pentru pregătirea participanților pentru a-și realiza propriile evaluări și implementarea soluțiilor Deep Learning în cadrul organizațiilor lor Până la sfârșitul acestui curs, participanții vor putea: Înțelegeți fundamentele învățării profunde Învățați tehnicile de învățare profundă și aplicațiile lor în industrie Examinați problemele din medicină care pot fi rezolvate prin tehnologiile Deep Learning Explorați studiile de caz Deep Learning în medicină Formulează o strategie pentru adoptarea celor mai noi tehnologii în Deep Learning pentru rezolvarea problemelor din medicină Public Managerii Profesioniști medicali în roluri de conducere Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră Notă Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja . |
| dlfortelecomwithpython | Deep Learning for Telecom (with Python) | 28 ore | Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability. In this instructor-led, live training, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model. By the end of this training, participants will be able to: - Understand the fundamental concepts of deep learning - Learn the applications and uses of deep learning in telecom - Use Python, Keras, and TensorFlow to create deep learning models for telecom - Build their own deep learning customer churn prediction model using Python Audience - Developers - Data scientists Format of the course - Part lecture, part discussion, exercises and heavy hands-on practice |
| 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 . |
| 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 . |
| deeplearning1 | Introduction to Deep Learning | 21 ore | Acest curs este o prezentare generală pentru învățarea profundă, fără a fi prea adânc în orice metodă specifică. Este potrivit pentru persoanele care doresc să înceapă să utilizeze învățarea profundă pentru a-și spori acuratețea predicției. |
| dl4jir | DeepLearning4J for Image Recognition | 21 ore | Deeplearning4j este un software OpenSource DeepLearning pentru Java și Scala pe Hadoop și Spark Public Acest curs este destinat inginerilor și dezvoltatorilor care doresc să utilizeze DeepLearning4J în proiectele lor de recunoaștere a imaginilor . |
| bspkannmldt | Artificial Neural Networks, Machine Learning and Deep Thinking | 21 ore | Rețeaua neurală artificială este un model de date computational utilizat în dezvoltarea sistemelor de inteligență artificială (AI) capabile să realizeze sarcini "inteligente". Rețelele neuronale sunt utilizate în mod frecvent în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML. |
| dladv | Advanced Deep Learning | 28 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 Învățarea profundă este un subdomeniul de învățare a mașinilor care utilizează metode bazate pe reprezentări și structuri de date de învățare, cum ar fi rețele neuronale . |
| tf101 | Deep Learning with TensorFlow | 21 ore | TensorFlow este un API de generația a 2-a a bibliotecii de software open source a Google pentru Deep Learning Sistemul este conceput pentru a facilita cercetarea în domeniul învățării în mașină și pentru a facilita trecerea rapidă și ușoară de la prototipul de cercetare la sistemul de producție Public Acest curs este destinat inginerilor care caută să utilizeze TensorFlow pentru proiectele lor de învățare profundă După finalizarea acestui curs, delegații vor: 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 . |
| tfir | TensorFlow for Image Recognition | 28 ore | Acest curs explorează, cu exemple concrete, aplicarea Tensor Flow în scopul recunoașterii imaginilor Public Acest curs este destinat inginerilor care caută să utilizeze TensorFlow în scopul recunoașterii imaginilor După finalizarea acestui curs, delegații vor putea: înțeleg structura și mecanismele de implementare ale TensorFlow realizați sarcinile și configurația mediului de instalare / producție / arhitecturii evaluați calitatea codului, efectuați depanarea, monitorizarea să implementeze o producție avansată, cum ar fi modele de instruire, construirea de grafice și logare . |
| tsflw2v | Natural Language Processing with TensorFlow | 35 ore | TensorFlow ™ este o bibliotecă software open source pentru calcul numeric utilizând grafice de fluxuri de date SyntaxNet este un cadru de procesare a limbajului natural pentru TensorFlow Word2Vec este folosit pentru a învăța reprezentări vectoriale ale cuvintelor, numite "embeddings word" Word2vec este un model predictiv deosebit de computational de eficientizare a invatarii cuvintelor din textul brut Acesta vine în două arome, modelul Continuous BagofWords (CBOW) și modelul SkipGram (capitolul 31 și 32 în Mikolov și colab) Folosit în tandem, SyntaxNet și Word2Vec permit utilizatorilor să genereze modele de învățare încorporată de la introducerea limbajului natural Public Acest curs este destinat dezvoltatorilor și inginerilor care intenționează să lucreze cu modelele SyntaxNet și Word2Vec în graficul TensorFlow După finalizarea acestui curs, delegații vor: 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, încorporarea termenilor, construirea de grafice și logare . |
Upcoming Courses
| Curs | Data cursului | Pretul cursului [Tele - Clasa] |
|---|---|---|
| Deep Learning for Vision with Caffe - Bucuresti, Centru Nord | Lun, 2019-01-07 09:30 | 5250EUR / 6050EUR |
| Deep Learning for Vision with Caffe - Brasov, Strada Calea Bucuresti | Mie, 2019-01-16 09:30 | 5250EUR / 6050EUR |
| Deep Learning for Vision with Caffe - Timisoara, Boulevard Iosif Bulbuca | Mie, 2019-01-23 09:30 | 5250EUR / 6050EUR |
| Deep Learning for Vision with Caffe - Constanta, Str. Mircea cel Batran | Mar, 2019-01-29 09:30 | 5250EUR / 6050EUR |
| Deep Learning for Vision with Caffe - Cluj-Napoca, Strada Pitești | Mie, 2019-01-30 09:30 | 5250EUR / 6050EUR |
Other regions
Other countries
Consulting
Sfarsit de saptamana Deep Learning Cursuri, Seara Deep Learning Training, Deep Learning Camp, Deep Learning Cu instructor, Sfarsit de saptamana Deep Learning Training, Seara Deep Learning Cursuri, Deep Learning Coaching, Deep Learning Instructor, Deep Learning Trainer, Deep Learning Cursuri, Deep Learning Clase, Deep Learning Pe pagina, Deep Learning curs privat, Deep Learning one on one training
Discounts pentru curs
| Curs | Locul | Data cursului | Pretul cursului [Tele - Clasa] |
|---|---|---|---|
| IoT ( Internet of Things) for Entrepreneurs, Managers and Investors | Bucuresti, Centru Nord | Mar, 2019-02-05 09:30 | N/A / 5525EUR |
| Data analysis with Tableau | Constanta, Str. Mircea cel Batran | Mar, 2019-02-19 09:30 | 3150EUR / 3750EUR |
| 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 |
| Neural computing – Data science | Iasi, Piata Unirii | Mar, 2019-05-28 09:30 | 3500EUR / 4100EUR |
Unii din clientii nostri
.jpg "deutsche bank (db)")
.jpg "international road and transport union (iru)")
.png "e-health innovation systems (his)")
.jpg "lewisville independent school district (lisd)")
is growing fast!
We are looking to expand our presence in Romania!
As a Business Development Manager you will:
- expand business in Romania
- 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!