Cursurile de instruire la nivel local, instruite live Deep Learning (DL) demonstrează prin practica manuală fundamentele și aplicațiile Deep Learning și acoperă subiecte cum ar fi învățarea profundă a mașinilor, învățarea profund structurată și învățarea ierarhică Învățarea pentru formarea în profunzime este disponibilă ca "formare live la fața locului" sau "formare live la distanță" Training-ul live la fața locului poate fi efectuat la fața locului la sediul clientului România sau în centrele de formare corporativa NobleProg din România Instruirea live la distanță este realizată printr-un desktop interactiv, la distanță NobleProg Furnizorul dvs de formare locală.
Machine Translated
Mărturii
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
Machine Translated
Subiectul este foarte interesant.
Wojciech Baranowski
Curs: Introduction to Deep Learning
Machine Translated
Formatorii cunoștințele teoretice și disponibilitatea de a rezolva problemele cu participanții după formare.
Grzegorz Mianowski
Curs: Introduction to Deep Learning
Machine Translated
Subiect. Foarte interesant!.
Piotr
Curs: Introduction to Deep Learning
Machine Translated
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
Machine Translated
Cred că dacă instruirea ar fi făcută în poloneză, ar permite instructorului să-și împărtășească cunoștințele mai eficient.
Radek
Curs: Introduction to Deep Learning
Machine Translated
Prezentarea globală a învățării profunde.
Bruno Charbonnier
Curs: Advanced Deep Learning
Machine Translated
Exercițiile sunt suficient de practice și nu au nevoie de cunoștințe ridicate în Python pentru a fi efectuate.
Alexandre GIRARD
Curs: Advanced Deep Learning
Machine Translated
Făcând exerciții pe exemple reale folosind Eras. Italia a înțeles total așteptările noastre despre acest antrenament.
Paul Kassis
Curs: Advanced Deep Learning
Machine Translated
Am apreciat cu adevărat răspunsurile clare ale lui Chris la întrebările noastre.
Léo Dubus
Curs: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
În general, m-am bucurat de antrenorul informat.
Sridhar Voorakkara
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Am fost uimit la standardul acestei clase - aș spune că era un standard universitar.
David Relihan
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Foarte bine, o privire de ansamblu. Go - Go de fundal od în ce Tensorflow funcționează așa cum o face.
Kieran Conboy
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
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
Machine Translated
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
Machine Translated
Instruirea a oferit fundamentul potrivit care ne permite să extindem în continuare, arătând modul în care teoria și practica merg mână în mână. De fapt m-a interesat mai mult subiectul decât eram înainte.
Jean-Paul van Tillo
Curs: Machine Learning and Deep Learning
Machine Translated
Mi-a plăcut foarte mult acoperirea și profunzimea subiectelor.
Anirban Basu
Curs: Machine Learning and Deep Learning
Machine Translated
Cunoașterea profundă a antrenorului cu privire la acest subiect.
Sebastian Görg
Curs: Introduction to Deep Learning
Machine Translated
Abordare foarte actualizată sau CPI (debit tensor, epoca, învățare) pentru a face învățarea în mașină.
Paul Lee
Curs: TensorFlow for Image Recognition
Machine Translated
Foarte flexibil.
Frank Ueltzhöffer
Curs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
M-am bucurat, în general, de flexibilitate.
Werner Philipp
Curs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
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
Machine Translated
Am beneficiat de selecția subiectului. Stilul de antrenament. Practică orientare.
Commerzbank AG
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
modul de conducere și exemplul oferit de formator
ORANGE POLSKA S.A.
Curs: Machine Learning and Deep Learning
Machine Translated
Posibilitatea de a discuta despre problemele propuse
ORANGE POLSKA S.A.
Curs: Machine Learning and Deep Learning
Machine Translated
Comunicarea cu lectori
文欣 张
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Îmi place
lisa xie
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
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
Machine Translated
Cunoștințe mari și actuale despre exemple de aplicații practice și practice.
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Machine Translated
O mulțime de exerciții, o colaborare foarte bună cu grupul.
Janusz Chrobot - ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Machine Translated
lucrează pe colaboratori,
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Machine Translated
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
Machine Translated
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
Machine Translated
lipsă
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
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
Machine Translated
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
Machine Translated
exerciții și exemple implementate asupra lor
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
Exemple și probleme discutate.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
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
Machine Translated
Exerciții practice pregătite de domnul Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
Am beneficiat de pasiunea de a învăța și de a ne concentra pe a face lucrurile sensibile.
Zaher Sharifi - GOSI
Curs: Advanced Deep Learning
Machine Translated
Identificarea umană și circuitul de detectare a punctului de rău
王 春柱 - 中移物联网
Curs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Demonstra
中移物联网
Curs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Despre zona feței.
中移物联网
Curs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Schimburile informale am avut în timpul prelegeri într-adevăr ma ajutat să aprofundeze înțelegerea mea de subiect
Explore
Curs: Deep Reinforcement Learning with Python
Machine Translated
Multe sfaturi practice
Pawel Dawidowski - ABB Sp. z o.o.
Curs: Deep Learning with TensorFlow
Machine Translated
Multe informații legate de implementarea soluțiilor
Michał Smolana - ABB Sp. z o.o.
Curs: Deep Learning with TensorFlow
Machine Translated
O multitudine de sfaturi practice și cunoștințe de lector de la o gamă largă de probleme AI / IT / SQL / IoT.
ABB Sp. z o.o.
Curs: Deep Learning with TensorFlow
Machine Translated
multe informații, toate întrebările nelinistite, exemple interesante
A1 Telekom Austria AG
Curs: Deep Learning for Telecom (with Python)
Machine Translated
Am început cu cunoștințe aproape de zero și până la sfârșit am putut să-mi construiesc și să-mi instruiesc propriile rețele.
Huawei Technologies Duesseldorf GmbH
Curs: TensorFlow for Image Recognition
Machine Translated
Deep Learning (DL) Subcategories
DL (Deep Learning) Course Outlines
Numele cursului
Durata
Sinoptic
Numele cursului
Durata
Sinoptic
21 hours
Sinoptic
Rețeaua neurală artificială este un model de date computational utilizat în dezvoltarea sistemelor de Artificial Intelligence (AI) capabile să realizeze sarcini "inteligente". Neural Networks sunt utilizate în mod obișnuit în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML.
21 hours
Sinoptic
keras este un nivel înalt de rețele neuronale API pentru dezvoltare rapidă și experimentare. Acesta ruleaza pe partea de sus a TensorFlow, CNTK, sau Theano.
acest instructor-condus, de formare Live (la fața locului sau la distanță) este destinat persoanelor tehnice care doresc să aplice modelul de învățare profundă a aplicațiilor de recunoaștere a imaginilor.
până la sfârșitul acestei instruiri, participanții vor putea:
- Instalați și configurați keras.
- rapid prototip modele de învățare profundă.
- implementați o rețea de convolutional.
- implementați o rețea recurentă.
- executa un model de învățare profundă pe ambele un procesor și GPU.
format al cursului
- interactive prelegere și discuții.
- o mulțime de exerciții și practică.
- hands-on punerea în aplicare într-un mediu de laborator live.
curs opțiuni de personalizare
- pentru a solicita un training personalizat pentru acest curs, va rugam sa ne contactati pentru a aranja.
- pentru a afla mai multe despre keras, vă rugăm să vizitați: https://keras.io/
acest instructor-condus, de formare Live (la fața locului sau la distanță) este destinat persoanelor tehnice care doresc să aplice modelul de învățare profundă a aplicațiilor de recunoaștere a imaginilor.
până la sfârșitul acestei instruiri, participanții vor putea:
- Instalați și configurați keras.
- rapid prototip modele de învățare profundă.
- implementați o rețea de convolutional.
- implementați o rețea recurentă.
- executa un model de învățare profundă pe ambele un procesor și GPU.
format al cursului
- interactive prelegere și discuții.
- o mulțime de exerciții și practică.
- hands-on punerea în aplicare într-un mediu de laborator live.
curs opțiuni de personalizare
- pentru a solicita un training personalizat pentru acest curs, va rugam sa ne contactati pentru a aranja.
- pentru a afla mai multe despre keras, vă rugăm să vizitați: https://keras.io/
28 hours
Sinoptic
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 .
28 hours
Sinoptic
Învățarea automată este o ramură a Inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. Învățarea profundă este un sub-câmp al învățării automate care folosește metode bazate pe reprezentări de date de învățare și structuri, cum ar fi rețelele neuronale. R este un limbaj de programare popular în industria financiară. Este utilizat în aplicații financiare, de la programe de tranzacționare de bază până la sisteme de gestionare a riscurilor.
În cadrul acestei instruiri, instruite în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru finanțe folosind R în timp ce trec prin crearea unui model de predicție a prețurilor stocurilor de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale ale învățării profunde
- Aflați aplicațiile și utilizările învățării profunde în finanțe
- Utilizați R pentru a crea modele de învățare profundă pentru finanțe
- Construiți propriul model de predicție a prețurilor stocurilor de învățare profundă folosind R
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
În cadrul acestei instruiri, instruite în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru finanțe folosind R în timp ce trec prin crearea unui model de predicție a prețurilor stocurilor de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale ale învățării profunde
- Aflați aplicațiile și utilizările învățării profunde în finanțe
- Utilizați R pentru a crea modele de învățare profundă pentru finanțe
- Construiți propriul model de predicție a prețurilor stocurilor de învățare profundă folosind R
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
28 hours
Sinoptic
Învățarea automată este o ramură a Inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. Învățarea profundă este un sub-câmp al învățării automate care folosește metode bazate pe reprezentări de date de învățare și structuri, cum ar fi rețelele neuronale. Python este un limbaj de programare la nivel înalt, renumit pentru sintaxa și lizibilitatea codurilor sale.
În cadrul acestui training, instruit în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru activități bancare folosind Python timp ce pășesc prin crearea unui model de risc de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele 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 activități bancare
- Construiți propriul model de risc de învățare profundă folosind Python
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
În cadrul acestui training, instruit în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru activități bancare folosind Python timp ce pășesc prin crearea unui model de risc de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele 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 activități bancare
- Construiți propriul model de risc de învățare profundă folosind Python
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
28 hours
Sinoptic
Învățarea automată este o ramură a Inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. Învățarea profundă este un sub-câmp al învățării automate care folosește metode bazate pe reprezentări de date de învățare și structuri, cum ar fi rețelele neuronale. R este un limbaj de programare popular în industria financiară. Este utilizat în aplicații financiare, de la programe de tranzacționare de bază până la sisteme de gestionare a riscurilor.
În cadrul acestei instruiri, instruită în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru activități bancare folosind R, în timp ce trec prin crearea unui model de risc de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale ale învățării profunde
- Aflați aplicațiile și utilizările învățării profunde în domeniul bancar
- Utilizați R pentru a crea modele de învățare profundă pentru activități bancare
- Construiți propriul model de risc de învățare profundă folosind R
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
În cadrul acestei instruiri, instruită în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru activități bancare folosind R, în timp ce trec prin crearea unui model de risc de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale ale învățării profunde
- Aflați aplicațiile și utilizările învățării profunde în domeniul bancar
- Utilizați R pentru a crea modele de învățare profundă pentru activități bancare
- Construiți propriul model de risc de învățare profundă folosind R
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
28 hours
Sinoptic
Învățarea automată este o ramură a Inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. Învățarea profundă este un sub-câmp al învățării automate care folosește metode bazate pe reprezentări de date de învățare și structuri, cum ar fi rețelele neuronale. Python este un limbaj de programare la nivel înalt, renumit pentru sintaxa și lizibilitatea codului.
În cadrul acestei instruiri, instruite în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru finanțare, folosind Python timp ce pășesc prin crearea unui model de predicție a prețurilor stocurilor de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale ale învățării profunde
- Aflați aplicațiile și utilizările învățării profunde în finanțe
- Utilizați Python , Keras și TensorFlow pentru a crea modele de învățare profundă pentru finanțe
- Construiți propriul model de predicție a prețurilor stocurilor de învățare profundă folosind Python
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
În cadrul acestei instruiri, instruite în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru finanțare, folosind Python timp ce pășesc prin crearea unui model de predicție a prețurilor stocurilor de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale ale învățării profunde
- Aflați aplicațiile și utilizările învățării profunde în finanțe
- Utilizați Python , Keras și TensorFlow pentru a crea modele de învățare profundă pentru finanțe
- Construiți propriul model de predicție a prețurilor stocurilor de învățare profundă folosind Python
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
21 hours
Sinoptic
Învățarea profundă de consolidare se referă la capacitatea unui „agent artificial” de a învăța prin încercare și eroare și recompense și pedepse. Un agent artificial își propune să imite capacitatea unui om de a obține și de a construi cunoștințe pe cont propriu, direct din inputuri brute, cum ar fi vederea. Pentru realizarea învățării prin întărire, se utilizează învățare profundă și rețele neurale. Învățarea de consolidare este diferită de învățarea automată și nu se bazează pe abordări de învățare supravegheate și nesupravegheate.
În cadrul acestei instruiri live, condusă de instructor, participanții vor învăța fundamentele învățării profunde de consolidare în timp ce trec prin crearea unui agent de Deep Learning .
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele cheie din spatele învățării cu consolidare profundă și puteți să o distingeți de Machine Learning
- Aplicați algoritmi avansați de învățare la armare pentru a rezolva problemele din lumea reală
- Construiți un agent de Deep Learning
Public
- Dezvoltatori
- Oamenii de știință de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
În cadrul acestei instruiri live, condusă de instructor, participanții vor învăța fundamentele învățării profunde de consolidare în timp ce trec prin crearea unui agent de Deep Learning .
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele cheie din spatele învățării cu consolidare profundă și puteți să o distingeți de Machine Learning
- Aplicați algoritmi avansați de învățare la armare pentru a rezolva problemele din lumea reală
- Construiți un agent de Deep Learning
Public
- Dezvoltatori
- Oamenii de știință de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
21 hours
Sinoptic
Introducere :
Învățarea profundă devine o componentă principală a proiectării viitoare a produselor care dorește să încorporeze inteligența artificială în centrul modelelor lor. În următorii 5-10 ani, instrumentele de dezvoltare profundă , bibliotecile și limbile vor deveni componente standard ale fiecărui set de instrumente de dezvoltare software. Până acum Go ogle, Sales Force, Facebook , Amazon folosesc cu succes AI-ul de învățare profundă pentru a-și stimula afacerile. Aplicațiile variau de la traduceri automate automate, analize de imagini, analitice video, analitice de mișcare, generarea de reclame vizate și multe altele.
Acest curs se adresează acelor organizații care doresc să includă Deep Learning ca parte foarte importantă a strategiei lor de produs sau serviciu. Mai jos este prezentat prezentarea cursului de învățare profundă pe care îl putem personaliza pentru diferite niveluri de angajați / părți interesate dintr-o organizație.
Public țintă:
(În funcție de publicul țintă, materialele de curs vor fi personalizate)
Directori
O imagine de ansamblu generală asupra AI și modul în care aceasta se încadrează în strategia corporativă, cu sesiuni de dezvăluire privind planificarea strategică, foile de parcurs tehnologice și alocarea resurselor pentru a asigura valoarea maximă.
Manageri de proiect
Cum să planificați un proiect AI, incluzând colectarea și evaluarea datelor, curățarea și verificarea datelor, dezvoltarea unui model de dovadă a conceptului, integrarea în procesele de afaceri și livrarea în întreaga organizație.
Dezvoltatori
Instruiri tehnice aprofundate, cu accent pe rețelele neuronale și învățare profundă, analize de imagini și video (CNN), analize de sunet și text (NLP) și aducerea AI în aplicațiile existente.
salespersons
O imagine de ansamblu generală asupra AI și modul în care poate satisface nevoile clienților, propuneri de valoare pentru diverse produse și servicii și cum să potolezi temerile și să promovezi beneficiile AI.
Învățarea profundă devine o componentă principală a proiectării viitoare a produselor care dorește să încorporeze inteligența artificială în centrul modelelor lor. În următorii 5-10 ani, instrumentele de dezvoltare profundă , bibliotecile și limbile vor deveni componente standard ale fiecărui set de instrumente de dezvoltare software. Până acum Go ogle, Sales Force, Facebook , Amazon folosesc cu succes AI-ul de învățare profundă pentru a-și stimula afacerile. Aplicațiile variau de la traduceri automate automate, analize de imagini, analitice video, analitice de mișcare, generarea de reclame vizate și multe altele.
Acest curs se adresează acelor organizații care doresc să includă Deep Learning ca parte foarte importantă a strategiei lor de produs sau serviciu. Mai jos este prezentat prezentarea cursului de învățare profundă pe care îl putem personaliza pentru diferite niveluri de angajați / părți interesate dintr-o organizație.
Public țintă:
(În funcție de publicul țintă, materialele de curs vor fi personalizate)
Directori
O imagine de ansamblu generală asupra AI și modul în care aceasta se încadrează în strategia corporativă, cu sesiuni de dezvăluire privind planificarea strategică, foile de parcurs tehnologice și alocarea resurselor pentru a asigura valoarea maximă.
Manageri de proiect
Cum să planificați un proiect AI, incluzând colectarea și evaluarea datelor, curățarea și verificarea datelor, dezvoltarea unui model de dovadă a conceptului, integrarea în procesele de afaceri și livrarea în întreaga organizație.
Dezvoltatori
Instruiri tehnice aprofundate, cu accent pe rețelele neuronale și învățare profundă, analize de imagini și video (CNN), analize de sunet și text (NLP) și aducerea AI în aplicațiile existente.
salespersons
O imagine de ansamblu generală asupra AI și modul în care poate satisface nevoile clienților, propuneri de valoare pentru diverse produse și servicii și cum să potolezi temerile și să promovezi beneficiile AI.
14 hours
Sinoptic
Această sesiune de instruire bazată pe clasă va conține prezentări și exemple pe computer și exerciții de studiu de caz pentru a fi întreprinse cu biblioteci relevante neuronale și profunde
14 hours
Sinoptic
Machine Learning este o ramură a inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. Deep Learning este un sub-câmp al Machine Learning 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 cu date.
În cadrul acestui antrenament, instruit în direct, participanții vor participa la o serie de discuții, exerciții și analize de studiu de caz pentru a înțelege fundamentele Deep Learning . Cele mai importante instrumente și tehnici de Deep Learning vor fi evaluate și vor fi efectuate exerciții pentru pregătirea participanților pentru realizarea propriei evaluări și implementarea soluțiilor de Deep Learning în cadrul organizațiilor lor.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți fundamentele Deep Learning
- Aflați tehnici de Deep Learning și aplicațiile lor în industrie
- Examinați problemele din medicină care pot fi rezolvate prin tehnologiile de Deep Learning
- Explorați studiile de caz Deep Learning în medicină
- Formulați o strategie pentru adoptarea celor mai noi tehnologii în Deep Learning pentru rezolvarea problemelor în medicină
Public
- Managerii
- Profesioniștii din domeniul medical în rolurile de conducere
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
Notă
- Pentru a solicita un antrenament personalizat pentru acest curs, vă rugăm să ne contactați pentru a vă organiza.
În cadrul acestui antrenament, instruit în direct, participanții vor participa la o serie de discuții, exerciții și analize de studiu de caz pentru a înțelege fundamentele Deep Learning . Cele mai importante instrumente și tehnici de Deep Learning vor fi evaluate și vor fi efectuate exerciții pentru pregătirea participanților pentru realizarea propriei evaluări și implementarea soluțiilor de Deep Learning în cadrul organizațiilor lor.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți fundamentele Deep Learning
- Aflați tehnici de Deep Learning și aplicațiile lor în industrie
- Examinați problemele din medicină care pot fi rezolvate prin tehnologiile de Deep Learning
- Explorați studiile de caz Deep Learning în medicină
- Formulați o strategie pentru adoptarea celor mai noi tehnologii în Deep Learning pentru rezolvarea problemelor în medicină
Public
- Managerii
- Profesioniștii din domeniul medical în rolurile de conducere
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
Notă
- Pentru a solicita un antrenament personalizat pentru acest curs, vă rugăm să ne contactați pentru a vă organiza.
28 hours
Sinoptic
Învățarea automată este o ramură a Inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit.
Învățarea profundă este un sub-câmp al învățării automate care folosește metode bazate pe reprezentări de date de învățare și structuri, cum ar fi rețelele neuronale.
Python este un limbaj de programare la nivel înalt, renumit pentru sintaxa și lizibilitatea codului.
În cadrul acestei instruiri, instruite în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru telecomunicații folosind Python timp ce pășesc prin crearea unui model de risc de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale ale învățării profunde.
- Aflați aplicațiile și utilizările învățării profunde în telecomunicații.
- Utilizați Python , Keras și TensorFlow pentru a crea modele de învățare profundă pentru telecomunicații.
- Construiți-vă propriul model de predicție a clienților care utilizează Python .
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
Învățarea profundă este un sub-câmp al învățării automate care folosește metode bazate pe reprezentări de date de învățare și structuri, cum ar fi rețelele neuronale.
Python este un limbaj de programare la nivel înalt, renumit pentru sintaxa și lizibilitatea codului.
În cadrul acestei instruiri, instruite în direct, participanții vor învăța cum să implementeze modele de învățare profundă pentru telecomunicații folosind Python timp ce pășesc prin crearea unui model de risc de învățare profundă.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale ale învățării profunde.
- Aflați aplicațiile și utilizările învățării profunde în telecomunicații.
- Utilizați Python , Keras și TensorFlow pentru a crea modele de învățare profundă pentru telecomunicații.
- Construiți-vă propriul model de predicție a clienților care utilizează Python .
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
28 hours
Sinoptic
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
21 hours
Sinoptic
TensorFlow este o bibliotecă populară și de învățare automată dezvoltată de Go ogle pentru învățare profundă, calculare numerică și învățare automată la scară largă. TensorFlow 2.0, lansat în ianuarie 2019, este cea mai nouă versiune a TensorFlow și include îmbunătățiri în execuția dornică, compatibilitatea și coerența API.
Acest antrenament în direct, instruit în direct (la fața locului sau la distanță) se adresează dezvoltatorilor și oamenilor de știință de date care doresc să utilizeze Tensorflow 2.0 pentru a construi predictori, clasificatori, modele generative, rețele neuronale etc.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Instalați și configurați TensorFlow 2.0.
- Înțelegeți avantajele TensorFlow 2.0 față de versiunile anterioare.
- Construiți modele de învățare profundă.
- Implementați un clasificator avansat de imagini.
- Implementați un model de învățare profundă pe dispozitivele cloud, mobile și IoT.
Formatul cursului
- Prelegeri și discuții interactive.
- O mulțime de exerciții și practică.
- Implementarea practică într-un mediu de laborator live.
Opțiuni de personalizare a cursului
- Pentru a solicita un antrenament personalizat pentru acest curs, vă rugăm să ne contactați pentru a vă organiza.
- Pentru a afla mai multe despre TensorFlow , vizitați: https://www.tensorflow.org/
Acest antrenament în direct, instruit în direct (la fața locului sau la distanță) se adresează dezvoltatorilor și oamenilor de știință de date care doresc să utilizeze Tensorflow 2.0 pentru a construi predictori, clasificatori, modele generative, rețele neuronale etc.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Instalați și configurați TensorFlow 2.0.
- Înțelegeți avantajele TensorFlow 2.0 față de versiunile anterioare.
- Construiți modele de învățare profundă.
- Implementați un clasificator avansat de imagini.
- Implementați un model de învățare profundă pe dispozitivele cloud, mobile și IoT.
Formatul cursului
- Prelegeri și discuții interactive.
- O mulțime de exerciții și practică.
- Implementarea practică într-un mediu de laborator live.
Opțiuni de personalizare a cursului
- Pentru a solicita un antrenament personalizat pentru acest curs, vă rugăm să ne contactați pentru a vă organiza.
- Pentru a afla mai multe despre TensorFlow , vizitați: https://www.tensorflow.org/
21 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at developers who wish to build a self-driving car using deep learning techniques.
By the end of this training, participants will be able to:
- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
By the end of this training, participants will be able to:
- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
14 hours
Sinoptic
În cadrul acestui training, instruit în direct, participanții vor învăța cum să folosească Matlab pentru a proiecta, construi și vizualiza o rețea neuronală convolutivă pentru recunoașterea imaginii.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Construiți un model de învățare profundă
- Automatizarea etichetării datelor
- Lucrați cu modele de la Caffe și TensorFlow - Keras
- Antrenează date folosind mai multe GPU uri, cloud sau clustere
Public
- Dezvoltatori
- Ingineri
- Experți în domeniu
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
Până la sfârșitul acestui antrenament, participanții vor putea:
- Construiți un model de învățare profundă
- Automatizarea etichetării datelor
- Lucrați cu modele de la Caffe și TensorFlow - Keras
- Antrenează date folosind mai multe GPU uri, cloud sau clustere
Public
- Dezvoltatori
- Ingineri
- Experți în domeniu
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
14 hours
Sinoptic
Keras este o sursă deschisă Python bibliotecă neuronale de rețea pentru crearea de profunde de învățare neuronale-rețele. Keras oferă un set intuitiv de abstracțiuni, simplificând dezvoltarea rețelelor neuronale de învățare profundă și a modelelor.
Acest instructor-condus, de formare Live (la fața locului sau la distanță) este destinat inginerilor de software care doresc să dezvolte avansate de învățare profundă a rețelelor neuronale și model folosind Keras și Python.
Până la sfârșitul acestei instruiri, participanții vor putea:
- Aplicați învățarea profundă cu metode de învățare supravegheate sau nesupravegheate.
- Dezvoltați, antrenați și implementați rețele neuronale concurente și rețele neuronale recurente.
- Utilizați Keras și Python pentru a construi modele profunde de învățare pentru a rezolva problemele care implică imagini, text, sunet și multe altele.
Formatul cursului
- Prelegere interactivă și discuții.
- O mulțime de exerciții și practică.
- Punerea în aplicare hands-on într-un mediu de laborator live.
Opțiuni de personalizare curs
- Pentru a solicita un training personalizat pentru acest curs, va rugam sa ne contactati pentru a aranja.
Acest instructor-condus, de formare Live (la fața locului sau la distanță) este destinat inginerilor de software care doresc să dezvolte avansate de învățare profundă a rețelelor neuronale și model folosind Keras și Python.
Până la sfârșitul acestei instruiri, participanții vor putea:
- Aplicați învățarea profundă cu metode de învățare supravegheate sau nesupravegheate.
- Dezvoltați, antrenați și implementați rețele neuronale concurente și rețele neuronale recurente.
- Utilizați Keras și Python pentru a construi modele profunde de învățare pentru a rezolva problemele care implică imagini, text, sunet și multe altele.
Formatul cursului
- Prelegere interactivă și discuții.
- O mulțime de exerciții și practică.
- Punerea în aplicare hands-on într-un mediu de laborator live.
Opțiuni de personalizare curs
- Pentru a solicita un training personalizat pentru acest curs, va rugam sa ne contactati pentru a aranja.
14 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
14 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run existing machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning using custom data.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run existing machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning using custom data.
14 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at data scientists who wish to use TensorFlow to analyze potential fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
21 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
21 hours
Sinoptic
This instructor-led, live training in (online or onsite) is aimed at data scientists who wish to use Apache MXNet's to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
35 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at data scientists who wish to accelerate real-time machine learning applications and deploy them at scale.
By the end of this training, participants will be able to:
- Install the OpenVINO toolkit.
- Accelerate a computer vision application using an FPGA.
- Execute different CNN layers on the FPGA.
- Scale the application across multiple nodes in a Kubernetes cluster.
By the end of this training, participants will be able to:
- Install the OpenVINO toolkit.
- Accelerate a computer vision application using an FPGA.
- Execute different CNN layers on the FPGA.
- Scale the application across multiple nodes in a Kubernetes cluster.
21 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand the scope of operations that can be run.
- Deploy a deep learning model on an embedded device running Linux.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand the scope of operations that can be run.
- Deploy a deep learning model on an embedded device running Linux.
21 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
21 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
21 hours
Sinoptic
This instructor-led, live training in (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
14 hours
Sinoptic
This instructor-led, live training in România (online or onsite) is aimed at developers who wish to build hardware-accelerated object detection and tracking models to analyze streaming video data.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
35 hours
Sinoptic
Acest curs începe cu oferirea de cunoștințe conceptuale în rețelele neuronale și, în general, în algoritmul de învățare automată, învățare profundă (algoritmi și aplicații).
Partea 1 (40%) a acestui antrenament se concentrează mai mult asupra elementelor fundamentale, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow , Caffe , Theano, DeepDrive, Keras etc.
Partea a 2-a (20%) a acestei instruiri introduce Theano - o bibliotecă piton care ușurează scrierea modelelor de învățare profundă.
Partea a 3-a (40%) a instruirii ar fi bazată pe baza Tensorflow - API-ul a 2-a generație a bibliotecii software open source pentru Deep Learning lui Go ogle. Exemplele și handson-ul vor fi făcute în TensorFlow .
Public
Acest curs este destinat inginerilor care doresc să folosească TensorFlow pentru proiectele lor de Deep Learning
După finalizarea acestui curs, delegații vor:
-
au o bună înțelegere pe rețelele neuronale profunde (DNN), CNN și RNN
-
înțelegeți structura și mecanismele de implementare ale TensorFlow
-
să poată efectua activități de instalare / mediu de producție / arhitectură și configurare
-
să poată evalua calitatea codului, să efectueze depanarea, să monitorizeze
-
să fie capabil să implementeze producție avansată, cum ar fi modele de instruire, grafice de construcție și jurnal
Partea 1 (40%) a acestui antrenament se concentrează mai mult asupra elementelor fundamentale, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow , Caffe , Theano, DeepDrive, Keras etc.
Partea a 2-a (20%) a acestei instruiri introduce Theano - o bibliotecă piton care ușurează scrierea modelelor de învățare profundă.
Partea a 3-a (40%) a instruirii ar fi bazată pe baza Tensorflow - API-ul a 2-a generație a bibliotecii software open source pentru Deep Learning lui Go ogle. Exemplele și handson-ul vor fi făcute în TensorFlow .
Public
Acest curs este destinat inginerilor care doresc să folosească TensorFlow pentru proiectele lor de Deep Learning
După finalizarea acestui curs, delegații vor:
-
au o bună înțelegere pe rețelele neuronale profunde (DNN), CNN și RNN
-
înțelegeți structura și mecanismele de implementare ale TensorFlow
-
să poată efectua activități de instalare / mediu de producție / arhitectură și configurare
-
să poată evalua calitatea codului, să efectueze depanarea, să monitorizeze
-
să fie capabil să implementeze producție avansată, cum ar fi modele de instruire, grafice de construcție și jurnal
7 hours
Sinoptic
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 .
Upcoming Deep Learning Courses
2021-05-10 09:30:00
14 ore
2021-05-12 09:30:00
21 ore
2021-06-01 09:30:00
14 ore
2021-06-03 09:30:00
7 ore
2021-06-09 09:30:00
21 ore
Consultanță
Sfarsit de saptamana Deep Learning Cursuri, Seara Deep Learning Training, DL (Deep Learning) Camp, Deep Learning (DL) Cu instructor, Sfarsit de saptamana Deep Learning (DL) Training, Seara Deep Learning (DL) Cursuri, DL (Deep Learning) Coaching, Deep Learning (DL) Instructor, Deep Learning (DL) Trainer, Deep Learning Cursuri, DL (Deep Learning) Clase, Deep Learning (DL) Pe pagina, Deep Learning (DL) curs privat, Deep Learning one on one training
.jpg "european organization for nuclear research (cern)")
.jpg "american international group (aig)")
.jpg "european southern observatory (eso)")
.png "aeronautical radio, incorporated (arinc)"){kind=small}
