Deep Learning Training in România

Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează profesioniștilor din domeniul financiar de nivel mediu, dezvoltatorilor fintech și specialiștilor în inteligență artificială care doresc să implementeze soluții Edge AI în serviciile financiare.La finalul acestui curs de formare, participanții vor fi capabili să:

• Înțeleagă rolul Edge AI în serviciile financiare.
• Să implementeze sisteme de detectare a fraudelor folosind Edge AI.
• Îmbunătățiți serviciile pentru clienți prin soluții bazate pe AI.
• Să aplice Edge AI pentru gestionarea riscurilor și luarea deciziilor.
• Să implementeze și să gestioneze soluții Edge AI în mediile financiare.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor industriali de nivel mediu, profesioniștilor din domeniul producției și dezvoltatorilor de inteligență artificială care doresc să implementeze soluții Edge AI în automatizarea industrială.La finalul acestui curs de formare, participanții vor fi capabili să:

• Înțeleagă rolul Edge AI în automatizarea industrială.
• Să implementeze soluții de mentenanță predictivă utilizând Edge AI.
• Să aplice tehnici AI pentru controlul calității în procesele de fabricație.
• Să optimizeze procesele industriale utilizând Edge AI.
• Să implementeze și să gestioneze soluții Edge AI în medii industriale.

Această formare live condusă de un instructor în România (online sau la fața locului) se adresează oamenilor de știință ai datelor de nivel mediu până la avansat, inginerilor de învățare automată, cercetătorilor în învățarea profundă și experților în viziunea computerizată care doresc să-și extindă cunoștințele și abilitățile în învățarea profundă. pentru generarea text-to-image.Până la sfârșitul acestui training, participanții vor fi capabili să:

Înțelegeți arhitecturile și tehnicile avansate de deep learning pentru generarea text-to-image. Implementați modele complexe și optimizări pentru sinteza imaginilor de înaltă calitate. Optimizați performanța și scalabilitatea pentru seturi de date mari și modele complexe. Reglați hiperparametrii pentru o performanță mai bună a modelului și o generalizare. Integrați Stable Diffusion cu alte cadre și instrumente de deep learning

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de AI de nivel mediu, inginerilor de învățare automată și arhitecților de sistem care doresc să optimizeze modelele de AI pentru implementarea la limită.La finalul acestui curs de formare, participanții vor fi capabili să:

• Să înțeleagă provocările și cerințele de implementare a modelelor AI pe dispozitive de margine.
• Să aplice tehnici de comprimare a modelelor pentru a reduce dimensiunea și complexitatea modelelor AI.
• Să utilizeze metode de cuantificare pentru a spori eficiența modelelor pe hardware de margine.
• Să implementeze tehnici de tăiere și alte tehnici de optimizare pentru a îmbunătăți performanța modelului.
• Implementarea modelelor optimizate de inteligență artificială pe diverse dispozitive de margine.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează oamenilor de știință de date și inginerilor de învățare automată de nivel începător și intermediar care doresc să îmbunătățească performanța modelelor lor de învățare profundă. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți principiile de învățare profundă distribuită.
• Instalați și configurați DeepSpeed.
.
• Scaleți modelele de învățare profundă pe hardware distribuit folosind DeepSpeed.
• Implementați și experimentați cu caracteristicile DeepSpeed pentru optimizare și eficiență a memoriei.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător și intermediar care doresc să utilizeze modele mari de limbaj pentru diverse sarcini de limbaj natural. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

Configurați un mediu de dezvoltare care să includă un LLM popular. Creați un LLM de bază și ajustați-l pe un set de date personalizat. Utilizați LLM-uri pentru diferite sarcini de limbaj natural, cum ar fi rezumarea textului, răspunsul la întrebări, generarea de text și altele. Depanarea și evaluarea LLM-urilor utilizând instrumente precum TensorBoard, PyTorch Lightning și seturile de date Hugging Face.

Această instruire live (online sau la fața locului), condusă de un instructor, se adresează oamenilor de știință, inginerilor de învățare automată și cercetătorilor în domeniul vederii computerizate care doresc să utilizeze Stable Diffusion pentru a genera imagini de înaltă calitate pentru o varietate de cazuri de utilizare. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

Înțelegerea principiilor Stable Diffusion și a modului în care funcționează pentru generarea de imagini. Să construiască și să antreneze modele Stable Diffusion pentru sarcini de generare de imagini. Să aplice Stable Diffusion în diverse scenarii de generare a imaginilor, cum ar fi inpainting, outpainting și translația imagine-imagine. Optimizarea performanțelor și a stabilității modelelor Stable Diffusion.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează biologilor care doresc să înțeleagă cum funcționează AlphaFold și să utilizeze modelele AlphaFold ca ghid în studiile lor experimentale. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți principiile de bază ale AlphaFold.
.
• Învățați cum funcționează AlphaFold.
.
• Învățați cum să interpretați predicțiile și rezultatele AlphaFold.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel intermediar, oamenilor de știință de date și practicienilor în domeniul IA care doresc să utilizeze TensorFlow Lite pentru aplicații Edge AI.La sfârșitul acestui curs de formare, participanții vor putea să:

• Înțeleagă elementele fundamentale ale TensorFlow Lite și rolul său în Edge AI.
• Să dezvolte și să optimizeze modelele de inteligență artificială utilizând TensorFlow Lite.
• Să implementeze modele TensorFlow Lite pe diverse dispozitive de margine.
• Să utilizeze instrumente și tehnici de conversie și optimizare a modelelor.
• Implementarea aplicațiilor practice Edge AI utilizând TensorFlow Lite.

În cadrul acestui curs de instruire live, condus de un instructor, participanții vor învăța cele mai relevante și de ultimă generație tehnici de învățare automată în Python pe măsură ce construiesc o serie de aplicații demonstrative care implică date de imagine, muzică, text și date financiare. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Implementați algoritmi și tehnici de învățare automată pentru rezolvarea problemelor complexe.
• Aplicați învățarea profundă și învățarea semisupravegheată la aplicații care implică imagini, muzică, text și date financiare.
.
• Să împingeți algoritmii Python la potențialul lor maxim.
.
• Utilizați biblioteci și pachete precum NumPy și Theano.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor și cercetătorilor de date care doresc să învețe elementele fundamentale ale Deep Reinforcement Learning pe măsură ce parcurg crearea unui agent de învățare profundă. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți conceptele cheie din spatele Deep Reinforcement Learning și fiți capabili să le deosebiți de Machine Learning.
• Aplicați algoritmi avansați Reinforcement Learning pentru a rezolva probleme din lumea reală.
• Construiți un agent de învățare profundă.
.

În cadrul acestui curs de instruire live, condus de un instructor în România, participanții vor învăța cum să implementeze modele de învățare profundă pentru telecomunicații folosind Python, pe măsură ce trec prin crearea unui model de învățare profundă a riscului de credit. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți conceptele fundamentale ale învățării profunde.
• Învățați aplicațiile și utilizările învățării profunde în telecomunicații.
.
• Utilizați Python, Keras și TensorFlow pentru a crea modele de învățare profundă pentru telecomunicații.
.
• Creați propriul model de predicție a ratei de dezabonare a clienților prin învățare profundă folosind Python.

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.

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.

Învățarea în mașină este o ramură a inteligenței artificiale în care computerele au capacitatea de a învăța fără a fi programate în mod explicit. Învățarea profundă este un subdomeniul de învățare a mașinilor care utilizează metode bazate pe reprezentări și structuri de date de învățare, cum ar fi rețele neuronale.

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

Public Acest curs este potrivit pentru cercetătorii de Deep Learning și ingineri interesați să utilizeze instrumentele disponibile (în majoritate open source) pentru analiza imaginilor computerizate Acest curs oferă exemple de lucru.

Acest curs acoperă AI (emphasizing Machine Learning și Deep Learning) în Automotive Industria. Ajută la determinarea tehnologiei care poate fi (potential) utilizată în mai multe situații într-un autovehicul: de la automatizare simplă, recunoaștere a imaginii la luarea de decizii autonome.

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

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

Tip: Pregătire teoretică cu aplicații stabilite în prealabil cu studenții pe Lasagne sau Keras în funcție de grupa de predare. Metoda de predare: prezentare, discuții și studii de caz Inteligența artificială a revoluționat numeroase domenii științifice și începe să revoluționeze un număr mare de sectoare economice (industrie, medicină, comunicare etc.). Cu toate acestea, modul în care este prezentată în mediile de informare de masă este adesea o fantezie, departe de realitățile din domeniile Machine Learning și Deep Learning. Scopul acestui curs este de a oferi inginerilor care stăpânesc deja instrumentele informatice (inclusiv cunoștințe de bază în domeniul programării software) o introducere în Deep Learning și în diferitele sale domenii de specialitate și, prin urmare, în principalele arhitecturi de rețea existente în prezent. Deși bazele matematice sunt reamintite în timpul cursului, se recomandă un nivel de matematică de tipul BAC+2 pentru un confort mai mare. Este absolut posibil să se renunțe la matematică pentru a reține doar o viziune "sistemică", dar această abordare va limita foarte mult înțelegerea subiectului.

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 .

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 .

În cadrul acestui curs de formare live, condus de un instructor, participanții vor învăța tehnici avansate pentru Machine Learning cu R, pe măsură ce vor crea o aplicație din lumea reală. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți și implementați tehnici de învățare nesupravegheată
• Aplicați gruparea și clasificarea pentru a face predicții bazate pe date din lumea reală.
• Vizualizați datele pentru a obține rapid informații, a lua decizii și a rafina în continuare analiza.
• Îmbunătățiți performanța unui model de învățare automată utilizând reglarea hiper-parametrilor.
.
• Puneți un model în producție pentru a-l utiliza într-o aplicație mai mare.
• Aplicați tehnici avansate de învățare automată pentru a răspunde la întrebări care implică date de rețele sociale, date mari și altele.
.

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

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

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

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

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

Introducere: Învățarea profundă devine o componentă principală a viitoarelor proiecte de produse care doresc să încorporeze inteligența artificială în centrul modelelor lor. În următorii 5-10 ani, instrumentele, bibliotecile și limbajele de dezvoltare a învățării profunde vor deveni componente standard ale fiecărui set de instrumente de dezvoltare software. Până în prezent Google, Sales Force, Facebook, Amazon au folosit cu succes inteligența artificială cu învățare profundă pentru a-și stimula afacerile. Aplicațiile au variat de la traducerea automată a mașinilor, analiza imaginilor, analiza video, analiza mișcării, generarea de reclame țintite și multe altele. Această lucrare de 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 schița cursului de învățare profundă pe care o putem personaliza pentru diferite niveluri de angajați/interesați dintr-o organizație. Publicul țintă: ( În funcție de publicul țintă, materialele de curs vor fi personalizate) Executivi O prezentare generală a inteligenței artificiale și a modului în care aceasta se integrează în strategia corporativă, cu sesiuni de discuții privind planificarea strategică, foi de parcurs tehnologice și alocarea resurselor pentru a asigura o valoare maximă. Manageri de proiect Cum să planificați un proiect de inteligență artificială, inclusiv colectarea și evaluarea datelor, curățarea și verificarea datelor, dezvoltarea unui model de dovadă a conceptului, integrarea în procesele de afaceri și livrarea în cadrul organizației. Dezvoltatorii Formări tehnice aprofundate, cu accent pe rețele neuronale și învățare profundă, analiza imaginilor și video (CNN), analiza sunetului și a textului (NLP) și introducerea inteligenței artificiale în aplicațiile existente. Vânzători O prezentare generală a inteligenței artificiale și a modului în care aceasta poate satisface nevoile clienților, propuneri de valoare pentru diverse produse și servicii, precum și modalități de a risipi temerile și de a promova beneficiile inteligenței artificiale.

Această sesiune de instruire bazată pe clasă va conține prezentări și exemple bazate pe computer și exerciții de studiu de caz pentru a le întreprinde cu biblioteci relevante de rețele neuronale și profunde.

Machine Learning este o ramură a inteligenței artificiale în care computerele au capacitatea de a învăța fără a fi programate în mod explicit. Deep Learning este un subcamp de Machine Learning care încearcă să imite acțiunile creierului uman în luarea deciziilor. Acesta este instruit cu date pentru a oferi în mod automat soluții la probleme. Deep Learning oferă o gamă largă de oportunități pentru industria medicală care se află pe o mină de date. În această instruire condusă de instructori, cursuri live, participanții vor participa la o serie de discuții, exerciții și analize de caz pentru a înțelege fundamentele Deep Learning. Cele mai importante Deep Learning instrumente și tehnici vor fi evaluate și exerciții vor fi efectuate pentru a pregăti participanții pentru a efectua propria lor evaluare și implementare a soluțiilor Deep Learning în cadrul organizațiilor lor. La sfârșitul cursului, participanții vor putea:

• Înțelegeți elementele fundamentale ale Deep Learning
• Aflați Deep Learning tehnicile și aplicațiile lor în industrie
• Examină problemele medicale care pot fi rezolvate prin tehnologii Deep Learning
• Explorează Deep Learning studii de caz în medicină
• Formularea unei strategii pentru adoptarea celor mai recente tehnologii în Deep Learning pentru rezolvarea problemelor în medicină

Audienţă

• Manageri
• Profesioniștii medicali în rolurile de conducere

Formatul cursului

• Lecții parțiale, discuții parțiale, exerciții și practici grele

Notă

• Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor de software care doresc să programeze în Python cu OpenCV 4 pentru învățare profundă. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Vizualizați, încărcați și clasificați imagini și videoclipuri folosind OpenCV 4.
.
• Implementați învățarea profundă în OpenCV 4 cu TensorFlow și Keras.
.
• Executați modele de învățare profundă și generați rapoarte de impact din imagini și videoclipuri.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să construiască modele de detectare și urmărire a obiectelor accelerate de hardware pentru a analiza datele video în flux. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați mediul de dezvoltare, software-ul și bibliotecile necesare pentru a începe dezvoltarea.
.
• Construiți, antrenați și implementați modele de învățare profundă pentru a analiza fluxurile video în direct.
.
• Identificați, urmăriți, segmentați și preziceți diferite obiecte în cadrul cadrelor video.
.
• Optimizați modelele de detectare și urmărire a obiectelor.
.
• Desfășurați o aplicație de analiză video inteligentă (IVA).
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor și cercetătorilor de date care doresc să aplice rețele neuronale convoluționale (CNN) la analiza scanărilor RMN. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați mediul de dezvoltare, software-ul și bibliotecile necesare pentru a începe dezvoltarea.
.
• Analizați imaginile RMN utilizând tehnici de învățare profundă, cum ar fi CNN.
.
• Detectați potențiale condiții de sănătate, cum ar fi bolile de inimă, prin analiza scanărilor RMN.
.
• Aplicați tehnici cum ar fi segmentarea imaginilor și formarea CNN pentru a identifica potențialele boli.
• Identificați genomica unei boli folosind radiomica.
• Construiți și implementați o aplicație de învățare profundă care vizează analiza imaginilor din domeniul sănătății.

Această formare live, cu instructor, în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor care doresc să instaleze, să configureze, să personalizeze și să utilizeze platforma DeepMind Lab pentru a dezvolta sisteme generale de inteligență artificială și învățare automată.La finalul acestei formări, participanții vor fi capabili să:

• Să personalizeze DeepMind Lab pentru a construi și rula un mediu care să corespundă nevoilor de învățare și formare.
• Să utilizeze mediul de simulare 3D al DeepMind Lab pentru a antrena agenți de învățare într-un punct de vedere la persoana întâi.
• Să faciliteze evaluarea agenților pentru a dezvolta inteligența într-o lume 3D asemănătoare unui joc.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează analiștilor de afaceri, oamenilor de știință de date și dezvoltatorilor care doresc să construiască și să implementeze modele de învățare profundă pentru a accelera creșterea veniturilor și pentru a rezolva problemele din lumea afacerilor. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți conceptele de bază ale învățării automate și ale învățării profunde.
• Obțineți informații despre viitorul afacerilor și al industriei cu ML și DL.
.
• Definați strategii de afaceri și soluții cu deep learning.
.
• Învățați cum să aplicați știința datelor și învățarea profundă în rezolvarea problemelor de afaceri.
• Construiți modele de învățare profundă folosind Python, Pandas, TensorFlow, CNTK, Torch, Keras, etc.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să utilizeze TensorFlow Lite pentru a implementa modele de învățare profundă pe dispozitive integrate. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Tensorflow Lite pe un dispozitiv încorporat.
• Înțelegeți conceptele și componentele care stau la baza TensorFlow Lite.
.
• Convertiți modelele existente în formatul TensorFlow Lite pentru a fi executate pe dispozitive încorporate.
• Lucrați în limitele dispozitivelor mici și ale TensorFlow Lite, învățând în același timp cum să extindeți domeniul de aplicare al operațiunilor care pot fi executate.
.
• Dezvoltați un model de învățare profundă pe un dispozitiv încorporat care rulează Linux.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să utilizeze TensorFlow Lite pentru a dezvolta aplicații mobile cu capacități de învățare profundă. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați TensorFlow Lite.
.
• Înțelegeți principiile din spatele TensorFlow, învățarea mașinilor și învățarea profundă.
.
• Încărcați modele TensorFlow pe un dispozitiv Android.
.
• Activați funcționalități de învățare profundă și de învățare automată, cum ar fi viziunea computerizată și recunoașterea limbajului natural într-o aplicație mobilă.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor care doresc să scrie, să încarce și să ruleze modele de învățare automată pe dispozitive integrate foarte mici. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați TensorFlow Lite.
• Încărcați modele de învățare automată pe un dispozitiv încorporat pentru a-i permite să detecteze vorbirea, să clasifice imagini etc.
.
• Adaugați inteligența artificială la dispozitivele hardware fără a vă baza pe conectivitatea de rețea.
.

Acest curs de formare live (online sau la fața locului), condus de un instructor, se adresează dezvoltatorilor care doresc să utilizeze TensorFlow Lite pentru a dezvolta aplicații mobile iOS cu capacități de învățare profundă. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați TensorFlow Lite.
.
• Înțelegeți principiile din spatele TensorFlow și învățarea mașinilor pe dispozitive mobile.
.
• Încărcați modele TensorFlow pe un dispozitiv iOS.
.
• Executați o aplicație iOS capabilă să detecteze și să clasifice un obiect capturat prin camera dispozitivului.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor care doresc să utilizeze Chainer pentru a construi și antrena rețele neuronale în Python, făcând în același timp codul ușor de depanat. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul de dezvoltare necesar pentru a începe să dezvoltați modele de rețele neuronale.
.
• Definiți și implementați modele de rețele neuronale utilizând un cod sursă inteligibil.
.
• Executați exemple și modificați algoritmii existenți pentru a optimiza modelele de formare a învățării profunde, utilizând în același timp GPUs pentru performanțe ridicate.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor sau oamenilor de știință care doresc să utilizeze Horovod pentru a rula instruiri distribuite de învățare profundă și să le extindă pentru a rula pe mai multe GPU în paralel. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul de dezvoltare necesar pentru a începe să rulați antrenamente de învățare profundă.
• Instalați și configurați Horovod pentru a antrena modele cu TensorFlow, Keras, PyTorch și Apache MXNet.
.
• Scaleți instruirea de învățare profundă cu Horovod pentru a rula pe mai multe GPU.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor de date care doresc să accelereze aplicațiile de învățare automată în timp real și să le implementeze la scară largă. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați setul de instrumente OpenVINO.
.
• Accelerați o aplicație de viziune computerizată folosind un FPGA.
.
• Executați diferite straturi CNN pe FPGA.
.
• Scaleți aplicația pe mai multe noduri într-un cluster Kubernetes.
.

Această instruire live (online sau la fața locului), condusă de un instructor, se adresează cercetătorilor de date care doresc să utilizeze Apache MXNet's pentru a construi și implementa un model de învățare profundă pentru recunoașterea imaginilor. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Apache MXNet și componentele sale.
.
• Înțelegeți arhitectura și structurile de date MXNet's.
.
• Utilizați Apache MXNet's low-level și high-level API-uri pentru a construi eficient rețele neuronale.
.
• Construiți o rețea neuronală convoluțională pentru clasificarea imaginilor.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează persoanelor tehnice care doresc să aplice modelul de învățare profundă la aplicațiile de recunoaștere a imaginilor. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Keras.
.
• Prototipul rapid al modelelor de învățare profundă.
.
• Implementați o rețea convoluțională.
.
• Implementați o rețea recurentă.
.
• Executați un model de învățare profundă atât pe un CPU cât și pe GPU.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să construiască o mașină care se conduce singură folosind tehnici de învățare profundă. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Utilizați Keras pentru a construi și antrena o rețea neuronală convoluțională.
• Utilizați tehnici de viziune pe calculator pentru a identifica benzile de circulație într-un proiect de conducere autonomă.
.
• Antrenați un model de învățare profundă pentru a diferenția semnele de circulație.
• Simulați o mașină complet autonomă.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor de software care doresc să dezvolte rețele neuronale avansate de învățare profundă și să modeleze folosind Keras și Python. La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Aplicați învățarea profundă cu metode de învățare supravegheată sau nesupravegheată.
• Dezvoltați, antrenați și implementați rețele neuronale concurente și rețele neuronale recurente.
• Utilizați Keras și Python pentru a construi modele de învățare profundă pentru a rezolva probleme care implică imagini, text, sunet și multe altele.
.

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

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

Deeplearning4j este o bibliotecă deschisă, distribuită în profunzime, scrisă pentru Java și Scala . Integrat cu Hadoop și Spark, DL4J este proiectat pentru a fi utilizat în medii de afaceri pe GPU uri și procesoare distribuite. Word 2Vec este o metodă de calcul a reprezentărilor vectoriale ale cuvintelor introduse de o echipă de cercetători la Go ogle condusă de Tomas Mikolov. Public Acest curs este adresat cercetătorilor, inginerilor și dezvoltatorilor care încearcă să utilizeze Deeplearning4J pentru a construi modele Word 2Vec.