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

Subiectul. Părea interesant, dar am plecat fără să știu mai mult decât înainte.

Radoslaw Labedzki

Curs: Introduction to Deep Learning

Machine Translated

Mi-a plăcut că acest curs avea un subiect foarte interesant.

Wojciech Wilk

Curs: Introduction to Deep Learning

Machine Translated

Am apreciat cu adevărat răspunsurile clare ale lui Chris la întrebările noastre.

Léo Dubus

Curs: Neural Networks Fundamentals using TensorFlow as Example

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

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

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

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

Deep Learning (DL) Subcategories

DL (Deep Learning) Course Outlines

Numele cursului

Durata

Sinoptic

Numele cursului

Durata

Sinoptic

Artificial Intelligence in Automotive

14 hours

Sinoptic

Acest curs acoperă AI (accentuând Machine Learning și Deep Learning ) în industria Automotive . Ajută la determinarea tehnologiei care poate fi utilizată (potențial) în situații multiple într-o mașină: de la o simplă automatizare, recunoașterea imaginii până la luarea deciziilor autonome.

Deep Learning for Self Driving Cars

21 hours

Sinoptic

Deep learning is a subfield of machine learning. It uses methods based on learning data representations and structures such as neural networks.

Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.

This instructor-led, live training (onsite or remote) 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 computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.

Format of the Course

- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.

Course Customization Options

- To request a customized training for this course, please contact us to arrange.

Machine Learning and Deep Learning

21 hours

Sinoptic

Acest curs acoperă AI (sublinierea Machine Learning Deep Learning și a Deep Learning )

Neural Networks Fundamentals using TensorFlow as Example

28 hours

Sinoptic

Acest curs vă va oferi cunoștințe în rețelele neuronale și, în general, în algoritmul de învățare automată, învățare profundă (algoritmi și aplicații).

Această instruire se concentrează mai mult asupra elementelor fundamentale, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow , Caffe , Teano, DeepDrive, Keras , etc. Exemplele sunt făcute în TensorFlow .

Neural computing – Data science

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

OpenFace: Creating Facial Recognition Systems

14 hours

Sinoptic

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 .

OpenNMT: Setting Up a Neural Machine Translation System

7 hours

Sinoptic

În cadrul acestei instruiri, instruite în direct, participanții vor învăța cum să configureze și să folosească OpenNMT pentru a efectua traducerea diferitelor seturi de date. Cursul începe cu o imagine de ansamblu a rețelelor neuronale, deoarece acestea se aplică la traducerea automată. Participanții vor efectua exerciții live pe tot parcursul cursului pentru a demonstra înțelegerea conceptelor învățate și pentru a primi feedback de la instructor.

Până la sfârșitul acestui training, participanții vor avea cunoștințele și practicile necesare pentru a implementa o soluție live OpenNMT .

Probele de limbă sursă și țintă vor fi pre-aranjate conform cerințelor audienței.

Formatul cursului

- Part de conferință, parte discuție, practică practică grea

OpenNN: Implementing Neural Networks

14 hours

Sinoptic

În acest training, instruit live, condus de instructor, trecem peste principiile rețelelor neuronale și folosim OpenNN pentru a implementa o aplicație de probă.

Formatul cursului

- Prelegeri și discuții însoțite de exerciții practice.

PaddlePaddle

21 hours

Sinoptic

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 .

Python for Advanced Machine Learning

21 hours

Sinoptic

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 .

Advanced Machine Learning with R

21 hours

Sinoptic

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 .

Mastering Apache SINGA

21 hours

Sinoptic

SINGA este o platformă generalizată de distribuire profundă pentru instruirea modelelor mari de învățare profundă pe seturi de date mari. Este proiectat cu un model de programare intuitiv bazat pe abstractizarea stratului. Se susțin o varietate de modele populare de învățare profundă, și anume modele de tip feed-forward, inclusiv rețele neuronale convoluționale (CNN), modele de energie cum ar fi mașinile Boltzmann restricționate (RBM) și rețele neuronale recurente (RNN). Multe straturi integrate sunt oferite utilizatorilor. Arhitectura SINGA este suficient de flexibilă pentru a rula cadre de antrenament sincrone, asincrone și hibride. SINGA sprijină, de asemenea, diferite scheme de partiționare neuronale pentru a paraleliza formarea modelelor mari, și anume partiționarea pe dimensiunea lotului, dimensiunea caracteristică sau partiționarea hibridă.

Public

Acest curs este adresat cercetătorilor, inginerilor și dezvoltatorilor care încearcă să utilizeze Apache SINGA ca cadru de învățare profundă.

După finalizarea acestui curs, delegații vor:

- să înțeleagă structura și mecanismele de implementare ale SINGA
- 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

Matlab for Deep Learning

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

T2T: Creating Sequence to Sequence Models for Generalized Learning

7 hours

Sinoptic

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 .

Deep Learning with TensorFlow 2.0

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/

TensorFlow Serving

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 .

Deep Learning with TensorFlow

21 hours

Sinoptic

TensorFlow este un API de generația a 2-a a bibliotecii software open source a Go ogle pentru Deep Learning . Sistemul este conceput pentru a facilita cercetarea în învățarea mașinilor 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 Deep Learning

După finalizarea acestui curs, delegații vor:

- să înțeleagă 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 poată implementa o producție avansată, cum ar fi modele de instruire, construirea de grafice și logare

TensorFlow for Image Recognition

28 hours

Sinoptic

Acest curs explorează, cu exemple specifice, aplicarea Tensor Flow în scopul recunoașterii imaginii

Public

Acest curs este destinat inginerilor care caută să utilizeze TensorFlow în scopul recunoașterii imaginilor

După finalizarea acestui curs, delegații vor putea:

- să înțeleagă structura și mecanismele de implementare ale TensorFlow
- efectuați sarcinile și configurația mediului de instalare / producție / arhitecturii
- evaluarea calității codului, efectuarea depanării, monitorizarea
- să implementeze o producție avansată, cum ar fi modele de instruire, construirea de grafice și logare

Torch for Machine and Deep Learning

21 hours

Sinoptic

Torch este o bibliotecă de învățare a mașinilor open source și un cadru de calcul științific bazat pe Lua programare Lua . Oferă un mediu de dezvoltare pentru numerică, învățare automată și viziune pe calculator, cu un accent deosebit pe învățarea profundă și rețelele revoluționare. Este unul dintre cele mai rapide și mai flexibile cadre pentru mașini și Deep Learning și este utilizat de companii precum Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel și multe altele.

În această instruire live, condusă de instructor, acoperim principiile Torch , caracteristicile sale unice și modul în care poate fi aplicat în aplicațiile din lumea reală. Parcurgem numeroase exerciții practice, demonstrând și practicând conceptele învățate.

Până la sfârșitul cursului, participanții vor înțelege în detaliu caracteristicile și capacitățile care stau la baza lui Torch , precum și rolul și contribuția acesteia în spațiul AI în comparație cu alte cadre și biblioteci. Participanții vor fi, de asemenea, primiți practica necesară pentru a implementa Torch în propriile proiecte.

Formatul cursului

- Prezentare generală a mașinilor și Deep Learning
- Exerciții de codificare și integrare în clasă
- Întrebările de test presărate pe parcursul verificării înțelegerii

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 hours

Sinoptic

Unitatea de procesare Tensor (TPU) este arhitectura pe care Google a folosit-o intern pe parcursul mai multor ani și este acum disponibilă pentru utilizare de către publicul larg Acesta include mai multe optimizări pentru utilizare în rețele neuronale, inclusiv multiplicarea matricei raționalizate și numere întregi de 8 biți în loc de 16 biți pentru a putea reveni la niveluri adecvate de precizie În acest training instruit, participanții vor învăța cum să profite de inovațiile procesoarelor TPU pentru a maximiza performanța propriilor aplicații AI Până la sfârșitul instruirii, participanții vor putea: Antrenează diferite tipuri de rețele neuronale pe cantități mari de date Utilizați TPU-uri pentru a accelera procesul de inferență cu până la două ordine de mărime Utilizați unitățile TPU pentru a procesa aplicații intensive, cum ar fi căutarea de imagini, viziunea în cloud și fotografiile Public Dezvoltatori Cercetătorii Ingineri Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră .

Natural Language Processing with TensorFlow

35 hours

Sinoptic

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 .

Understanding Deep Neural Networks

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

Microsoft Cognitive Toolkit 2.x

21 hours

Sinoptic

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 .

Deep Learning with Keras

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/

Artificial Neural Networks, Machine Learning, Deep Thinking

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.

Deep Learning for Banking (with Python)

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

Applied AI from Scratch

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.

Artificial Neural Networks, Machine Learning and Deep Thinking

21 hours

Sinoptic

Deep Learning for Vision with Caffe

21 hours

Sinoptic

Caffe este un cadru de învățare profund făcut în expresie, viteză și modularitate în minte.

Acest curs explorează aplicarea Caffe ca cadru de învățare profundă pentru recunoașterea imaginii folosind MNIST ca exemplu

Public

Acest curs este potrivit pentru cercetătorii de la Deep Learning și pentru inginerii interesați să utilizeze Caffe ca cadru.

După finalizarea acestui curs, delegații vor putea:

- să înțeleagă structura și mecanismele de implementare a lui Caffe
- efectuați sarcinile și configurația mediului de instalare / producție / arhitecturii
- evaluarea calității codului, efectuarea depanării, monitorizarea
- să implementeze producția avansată, cum ar fi modelele de formare, punerea în aplicare a straturilor și logarea

Introduction to Deep Learning

21 hours

Sinoptic

Acest curs este o imagine de ansamblu generală pentru Deep Learning fără a fi prea adânc în orice metodă specifică. Este potrivit pentru persoanele care doresc să înceapă să utilizeze învățarea profundă pentru a spori acuratețea predicției.

Other regions

;Transilvania Banat & Crisana Muntenia Moldova Dobrogea

Other countries

Aceste cursuri sunt disponibile si in alte tari. ››

Consultanță

Consultanță Deep Learning

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