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
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 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
Ali Kattan - TWPI
Curs: Natural Language Processing with TensorFlow
Machine Translated
Ibrahim Mohammedameen - TWPI
Curs: Natural Language Processing with TensorFlow
Machine Translated
Usama Adam - TWPI
Curs: Natural Language Processing with TensorFlow
Machine Translated
Nercia Utbildning AB
Curs: Deep Learning with TensorFlow 2.0
Machine Translated
Tomasz știu cu adevărat de informații bine și cursul a fost bine ritm.
Raju Krishnamurthy - Google
Curs: TensorFlow Extended (TFX)
Machine Translated
Deep Learning (DL) Subcategories
DL (Deep Learning) Course Outlines
Numele cursului
Durata
Sinoptic
Numele cursului
Durata
Sinoptic
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.
14 hours
Sinoptic
TensorFlow.js is a JavaScript framework for machine learning. TensorFlow.js enables users to build and train machine learning models directly in JavaScript.
This instructor-led, live training (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 machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
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.
This instructor-led, live training (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 machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
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.
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
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (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.
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.
This instructor-led, live training (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.
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.
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 .
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
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
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.
Formatul cursului
- Prelegeri și discuții însoțite de exerciții practice.
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 .
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 .
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 .
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 (online or onsite) is aimed at developers who wish to build a self-driving car (autonomous vehicle) 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.
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 (online or onsite) is aimed at developers who wish to build a self-driving car (autonomous vehicle) 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.
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
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
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 .
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
TensorFlow Lite is an open source deep learning framework for executing models on mobile and embedded devices with limited compute and memory resources.
This instructor-led, live training (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 machine learning 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 their default capabilities.
- Deploy deep learning models on embedded devices running Linux to solve physical world problems such as recognizing images and voice, predicting patterns, and initiating movements and responses from robots and other embedded systems in the field.
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.
This instructor-led, live training (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 machine learning 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 their default capabilities.
- Deploy deep learning models on embedded devices running Linux to solve physical world problems such as recognizing images and voice, predicting patterns, and initiating movements and responses from robots and other embedded systems in the field.
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.
21 hours
Sinoptic
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet 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.
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.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet 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.
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.
21 hours
Sinoptic
TensorFlow Lite is an open source deep learning framework for mobile devices and embedded systems.
This instructor-led, live training (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.
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.
- To learn more about TensorFlow, please visit: https://www.tensorflow.org/lite/
This instructor-led, live training (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.
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.
- To learn more about TensorFlow, please visit: https://www.tensorflow.org/lite/
21 hours
Sinoptic
TensorFlow Lite is an open source deep learning framework for mobile devices and embedded systems.
This instructor-led, live training (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.
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.
This instructor-led, live training (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.
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.
21 hours
Sinoptic
TensorFlow Lite for Microcontrollers is a port of TensorFlow Lite designed to run machine learning models on microcontrollers and other devices with limited memory.
This instructor-led, live training (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.
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.
This instructor-led, live training (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.
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.
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 .
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
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
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
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
21 hours
Sinoptic
TensorFlow Extended (TFX) is an end-to-end platform for deploying production ML pipelines.
This instructor-led, live training (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.
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.
This instructor-led, live training (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.
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.
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
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
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 .
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 .
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
14 hours
Sinoptic
Video analytics refers to the technology and techniques used to process a video stream. A common application would be capturing and identifying live video events through motion detection, facial recognition, crowd and vehicle counting, etc.
This instructor-led, live training (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.
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.
This instructor-led, live training (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.
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.
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 .
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 .
21 hours
Sinoptic
Acest curs acoperă AI (sublinierea Machine Learning Deep Learning și a Deep Learning )
Upcoming Deep Learning Courses
2021-02-17 09:30:00
14 hours
2021-02-18 09:30:00
7 hours
2021-02-24 09:30:00
21 hours
2021-03-18 09:30:00
14 hours
2021-03-22 09:30:00
21 hours
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}
