Cursurile de instruire la nivel local instruite de instructor (ML) demonstrează prin practica practică cum se aplică tehnici de învățare a mașinilor și instrumente pentru rezolvarea problemelor din lumea reală în diverse industrii. Cursurile NobleProg ML acoperă diferite limbi de programare și cadre, inclusiv Python, limba R și Matlab. Cursurile de învățare la mașină sunt oferite pentru o serie de aplicații din industrie, printre care se numără Finanțele, Banca și Asigurările și acoperă fundamentele Machine Learning, precum și abordări mai avansate, cum ar fi Deep Learning. Instruirea pentru instruirea în mașină este disponibilă ca "formare live la fața locului" sau "instruire 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 România . Instruirea live la distanță este realizată printr-un desktop interactiv, la distanță. NobleProg - Furnizorul dvs. de formare locală
Machine Translated
Mărturii
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
Mi-au plăcut cu adevărat exercițiile
L M ERICSSON LIMITED
Curs: Machine Learning
Machine Translated
Posibilitatea de a discuta despre problemele propuse
ORANGE POLSKA S.A.
Curs: Machine Learning and Deep Learning
Machine Translated
Comunicarea cu lectori
文欣 张
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Îmi place
lisa xie
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
exercițiile de laborator
Marcell Lorant - L M ERICSSON LIMITED
Curs: Machine Learning
Machine Translated
Forma notebook-ului Jupyter, în care sunt disponibile materialele de instruire
L M ERICSSON LIMITED
Curs: Machine Learning
Machine Translated
Au fost multe exerciții și subiecte interesante.
L M ERICSSON LIMITED
Curs: Machine Learning
Machine Translated
unele exerciții mari de laborator analizate și explicate de către antrenor în profunzime (de exemplu, covariante în regresie liniară, care se potrivesc cu funcția reală)
L M ERICSSON LIMITED
Curs: Machine Learning
Machine Translated
Este minunat ca tot materialul, inclusiv exercitiile, sa fie pe aceeasi pagina si apoi sa fie actualizat in zbor. Soluția este dezvăluită la sfârșit. Misto! De asemenea, apreciez faptul că Krzysztof a depus eforturi suplimentare pentru a înțelege problemele noastre și ne-a sugerat posibile tehnici.
Attila Nagy - L M ERICSSON LIMITED
Curs: Machine Learning
Machine Translated
Cunoștințe mari și actuale despre exemple de aplicații practice și practice.
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Machine Translated
O mulțime de exerciții, o colaborare foarte bună cu grupul.
Janusz Chrobot - ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Machine Translated
lucrează pe colaboratori,
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Machine Translated
Era evident că entuziaștii subiecților prezentați au fost conducători. Folosite exemple interesante în timpul exercițiului.
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Machine Translated
O gamă largă de subiecte acoperite și o cunoaștere substanțială a liderilor.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
lipsă
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
Mari cunoștințe teoretice și practice ale lectorilor. Comunicativitatea formatorilor. În timpul cursului, puteți pune întrebări și puteți obține răspunsuri satisfăcătoare.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
Partea practică, în care am implementat algoritmi. Acest lucru a permis o mai bună înțelegere a subiectului.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
exerciții și exemple implementate asupra lor
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
Exemple și probleme discutate.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
Cunoștințe fundamentale, angajament, un pasionat mod de a transfera cunoștințe. Exemple practice după o prelegere teoretică.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
Exerciții practice pregătite de domnul Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Machine Translated
Am beneficiat de pasiunea de a învăța și de a ne concentra pe a face lucrurile sensibile.
Zaher Sharifi - GOSI
Curs: Advanced Deep Learning
Machine Translated
Identificarea umană și circuitul de detectare a punctului de rău
王 春柱 - 中移物联网
Curs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Demonstra
中移物联网
Curs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Despre zona feței.
中移物联网
Curs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Schimburile informale am avut în timpul prelegeri într-adevăr ma ajutat să aprofundeze înțelegerea mea de subiect
Explore
Curs: Deep Reinforcement Learning with Python
Machine Translated
Acesta prezintă multe metode cu scripturi pre pregătite - materiale foarte pregătite și ușor de urmărit
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Curs: Machine Learning – Data science
Machine Translated
Îmi place că antrenamentul a fost axat pe exemple și codificare. Am crezut că este imposibil să împachetezi atât de mult conținut în trei zile de antrenament, dar m-am înșelat. Formarea a acoperit numeroase subiecte și totul a fost realizat într-o manieră foarte detaliată (în special tuningul parametrilor modelului - nu m-am așteptat ca va fi un timp pentru asta și am fost surprins).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Curs: Machine Learning – Data science
Machine Translated
Alternation theory / practice effective!
CIRAD
Curs: Introduction to Machine Learning with MATLAB
Machine Learning (ML) Subcategories
ML (Machine Learning) Course Outlines
Numele cursului
Durata
Sinoptic
Numele cursului
Durata
Sinoptic
35 hours
Sinoptic
Acest training, instruit în direct (la fața locului sau la distanță), este orientat către profesioniști care doresc să înceapă o carieră în Data Science .
Până la sfârșitul acestui antrenament, participanții vor putea:
- Instalați și configurați Python și MySql.
- Înțelegeți ce este Data Science și cum poate adăuga valoare practic oricărei afaceri.
- Aflați elementele fundamentale ale codării în Python
- Aflați tehnici de Machine Learning supravegheate și nesupervizate și cum să le implementați și să interpretați rezultatele.
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.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Instalați și configurați Python și MySql.
- Înțelegeți ce este Data Science și cum poate adăuga valoare practic oricărei afaceri.
- Aflați elementele fundamentale ale codării în Python
- Aflați tehnici de Machine Learning supravegheate și nesupervizate și cum să le implementați și să interpretați rezultatele.
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.
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
Această sesiune de instruire bazată pe clasă va explora tehnicile de învățare a mașinilor, cu ajutorul exemplelor bazate pe calculator și a exercițiilor de rezolvare a studiilor de caz folosind un limbaj de program relevant .
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 .
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 (onsite or remote) 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 (onsite or remote) 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.
21 hours
Sinoptic
Cursul este dedicat celor care doresc să cunoască un program alternativ la pachetul comercial MATLAB Instruirea în trei zile oferă informații complete privind deplasarea în mediul înconjurător și realizarea pachetului OCTAVE pentru analiza datelor și calculele de inginerie Beneficiarii cursului sunt începători, dar și cei care cunosc programul și care ar dori să-și sistematizeze cunoștințele și să-și îmbunătățească abilitățile Nu este necesară cunoașterea altor limbi de programare, dar va facilita în mare măsură însușirea cunoștințelor de către cursanți Cursul vă va arăta cum să utilizați programul în multe exemple practice .
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
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
Această sesiune de pregătire bazată pe clasă va explora instrumente de învățare automată cu Python (sugerat) Delegații vor avea exemple pe computer și exerciții de studiu de caz.
21 hours
Sinoptic
Acest curs introduce metode de învățare în robotică.
Este o prezentare generală a metodelor, motivațiilor și ideilor principale existente în contextul recunoașterii modelului.
După un scurt context teoretic, participanții vor efectua exerciții simple folosind open source (de obicei R) sau orice alt software popular.
Este o prezentare generală a metodelor, motivațiilor și ideilor principale existente în contextul recunoașterii modelului.
După un scurt context teoretic, participanții vor efectua exerciții simple folosind open source (de obicei R) sau orice alt software popular.
21 hours
Sinoptic
scopul acestui curs este de a oferi competență generală în aplicarea metodelor de învățare automată în practică. Prin utilizarea limbajului de programare Python și a diverselor sale biblioteci și pe baza unei multitudini de exemple practice, acest curs învață să folosească cele mai importante blocuri de mașini de învățare, să facă decizii de modelare a datelor, să interpreteze rezultatele algoritmilor și validarea rezultatelor.
scopul nostru este de a vă oferi abilitățile de a înțelege și de a folosi cele mai fundamentale instrumente de la machine learning Toolbox cu încredere și pentru a evita capcanele comune de date Științe aplicații.
scopul nostru este de a vă oferi abilitățile de a înțelege și de a folosi cele mai fundamentale instrumente de la machine learning Toolbox cu încredere și pentru a evita capcanele comune de date Științe aplicații.
14 hours
Sinoptic
MLOps (Machine Learning Operations) is the practice of integrating data science and operations to help manage the ML lifecycle. MLOps provides the ability to automate the reproduction of machine learning model development and training.
This instructor-led, live training (onsite or remote) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
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 (onsite or remote) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
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
Acest curs de formare este destinat persoanelor care ar dori să aplice tehnici de bază Machine Learning în Machine Learning în aplicații practice.
Public
Cercetătorii de date și statisticienii care au o anumită familiaritate cu învățarea în mașină și știu cum să programeze programul R. Accentul acestui curs este pus pe aspectele practice ale pregătirii datelor / modelului, execuției, analizei post-hoc și vizualizării. Scopul este de a oferi o introducere practică în învățarea mașinilor pentru participanții interesați de aplicarea metodelor la locul de muncă
Exemple specifice sectorului sunt folosite pentru a face formarea relevantă pentru public.
Public
Cercetătorii de date și statisticienii care au o anumită familiaritate cu învățarea în mașină și știu cum să programeze programul R. Accentul acestui curs este pus pe aspectele practice ale pregătirii datelor / modelului, execuției, analizei post-hoc și vizualizării. Scopul este de a oferi o introducere practică în învățarea mașinilor pentru participanții interesați de aplicarea metodelor la locul de muncă
Exemple specifice sectorului sunt folosite pentru a face formarea relevantă pentru public.
14 hours
Sinoptic
În acest training instruit, participanții vor învăța cum să utilizeze stiva tehnologiei iOS Machine Learning (ML), pe măsură ce parcurg crearea și implementarea unei aplicații mobile iOS Până la sfârșitul acestui curs, participanții vor putea: Creați o aplicație mobilă capabilă de procesarea imaginilor, analiza textului și recunoașterea vorbirii Accesați modele ML precomprimate pentru integrarea în aplicațiile iOS Creați un model ML personalizat Adăugați suport pentru Siri Voice aplicațiilor iOS Înțelegeți și utilizați cadre precum coreML, Vision, CoreGraphics și GamePlayKit Utilizați limbi și instrumente precum Python, Keras, Caffee, Tensorflow, Scikit learn, libsvm, Anaconda și Spyder Public Dezvoltatori 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
Scopul acestui curs este de a oferi o competență de bază în aplicarea metodelor de Machine Learning în practică. Prin utilizarea platformei de programare R și a diferitelor sale biblioteci, și pe baza unei multitudini de exemple practice, acest curs învață cum să folosești cele mai importante elemente de bază ale Machine Learning , cum să ia decizii de modelare a datelor, să interpretezi rezultatele algoritmilor și validarea rezultatelor.
Scopul nostru este să vă oferim abilitățile de a înțelege și utiliza instrumentele cele mai fundamentale din caseta de instrumente Machine Learning încredere și de a evita capcanele comune ale aplicațiilor Data Science .
Scopul nostru este să vă oferim abilitățile de a înțelege și utiliza instrumentele cele mai fundamentale din caseta de instrumente Machine Learning încredere și de a evita capcanele comune ale aplicațiilor Data Science .
14 hours
Sinoptic
Scopul acestui curs este de a oferi o competență de bază în aplicarea metodelor de Machine Learning în practică. Prin utilizarea Python programare Python și a diferitelor sale biblioteci și, pe baza unei multitudini de exemple practice, acest curs învață cum să folosești cele mai importante elemente de bază ale Machine Learning , cum să ia decizii de modelare a datelor, să interpretezi rezultatele algoritmilor și validarea rezultatelor.
Scopul nostru este să vă oferim abilitățile de a înțelege și utiliza instrumentele cele mai fundamentale din caseta de instrumente Machine Learning încredere și de a evita capcanele comune ale aplicațiilor Data Science .
Scopul nostru este să vă oferim abilitățile de a înțelege și utiliza instrumentele cele mai fundamentale din caseta de instrumente Machine Learning încredere și de a evita capcanele comune ale aplicațiilor Data Science .
14 hours
Sinoptic
Scopul acestui curs este de a oferi o competență de bază în aplicarea metodelor de Machine Learning în practică. Prin utilizarea limbajului de programare Scala și a diferitelor sale biblioteci, și pe baza unei multitudini de exemple practice, acest curs învață cum să folosești cele mai importante elemente de bază ale Machine Learning , cum să ia decizii de modelare a datelor, să interpretezi rezultatele algoritmilor și validarea rezultatelor.
Scopul nostru este să vă oferim abilitățile de a înțelege și utiliza instrumentele cele mai fundamentale din caseta de instrumente Machine Learning încredere și de a evita capcanele comune ale aplicațiilor Data Science .
Scopul nostru este să vă oferim abilitățile de a înțelege și utiliza instrumentele cele mai fundamentale din caseta de instrumente Machine Learning încredere și de a evita capcanele comune ale aplicațiilor Data Science .
28 hours
Sinoptic
Învățarea automată este o ramură a Inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. 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 acestui training, instruit în direct, participanții vor învăța cum să aplice tehnici și instrumente de învățare automată pentru rezolvarea problemelor din lumea reală în industria finanțelor. R va fi folosit ca limbaj de programare.
Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte ale echipei.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale în învățarea mașinii
- Aflați aplicațiile și utilizările învățării automate în finanțe
- Dezvolta propria strategie de tranzacționare algoritmică folosind învățarea automată cu R
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
În cadrul acestui training, instruit în direct, participanții vor învăța cum să aplice tehnici și instrumente de învățare automată pentru rezolvarea problemelor din lumea reală în industria finanțelor. R va fi folosit ca limbaj de programare.
Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte ale echipei.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale în învățarea mașinii
- Aflați aplicațiile și utilizările învățării automate în finanțe
- Dezvolta propria strategie de tranzacționare algoritmică folosind învățarea automată cu R
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
21 hours
Sinoptic
Învățarea automată este o ramură a Inteligenței artificiale în care calculatoarele au capacitatea de a învăța fără a fi programate explicit. Python este un limbaj de programare faimos pentru sintaxa și lizibilitatea clară. Oferă o colecție excelentă de biblioteci bine testate și tehnici pentru dezvoltarea aplicațiilor de învățare automată.
În cadrul acestui training, instruit în direct, participanții vor învăța cum să aplice tehnici și instrumente de învățare automată pentru rezolvarea problemelor din lumea reală în industria finanțelor.
Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte ale echipei.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale în învățarea mașinii
- Aflați aplicațiile și utilizările învățării automate în finanțe
- Dezvoltați propria strategie de tranzacționare algoritmică folosind învățarea automată cu Python
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
În cadrul acestui training, instruit în direct, participanții vor învăța cum să aplice tehnici și instrumente de învățare automată pentru rezolvarea problemelor din lumea reală în industria finanțelor.
Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte ale echipei.
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți conceptele fundamentale în învățarea mașinii
- Aflați aplicațiile și utilizările învățării automate în finanțe
- Dezvoltați propria strategie de tranzacționare algoritmică folosind învățarea automată cu Python
Public
- Dezvoltatori
- Cercetătorii de date
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
21 hours
Sinoptic
Acest curs de pregătire este destinat persoanelor care ar dori să aplice Machine Learning în aplicații practice pentru echipa lor. Pregătirea nu se va cufunda în tehnicități și nu se va învârti în jurul conceptelor de bază și aplicațiilor operaționale / de afaceri ale aceluiași.
Public țintă
- Investitori și antreprenori AI
- Manageri și Ingineri a căror companie se aventura în spațiul AI
- Analisti de Business și investitori
Public țintă
- Investitori și antreprenori AI
- Manageri și Ingineri a căror companie se aventura în spațiul AI
- Analisti de Business și investitori
21 hours
Sinoptic
Acest curs acoperă AI (sublinierea Machine Learning Deep Learning și a Deep Learning )
7 hours
Sinoptic
This instructor-led, live training (onsite or remote) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
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.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
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
În cadrul acestui training, instruit în direct, participanții vor învăța cum să aplice tehnici și instrumente de învățare automată pentru rezolvarea problemelor din lumea reală în industria bancară. R va fi folosit ca limbaj de programare.
Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte live.
Public
- Dezvoltatori
- Cercetătorii de date
- Profesioniștii din domeniul bancar cu o pregătire tehnică
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
Participanții învață mai întâi principiile cheie, apoi își pun cunoștințele în practică construindu-și propriile modele de învățare automată și folosindu-le pentru a finaliza o serie de proiecte live.
Public
- Dezvoltatori
- Cercetătorii de date
- Profesioniștii din domeniul bancar cu o pregătire tehnică
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
14 hours
Sinoptic
Biblioteca Apache OpenNLP este un set de instrumente bazate pe mașini pentru procesarea textului lingvistic natural Acesta susține cele mai comune sarcini NLP, cum ar fi detectarea limbajului, tokenizarea, segmentarea frazelor, etichetarea partofspeech, extragerea entității numită, fragmentarea, parsarea și rezoluția coreference În acest training instruit, participanții vor învăța cum să creeze modele pentru prelucrarea datelor bazate pe text folosind OpenNLP Datele de antrenament, precum și seturile personalizate de date vor fi folosite ca bază pentru exercițiile de laborator Până la sfârșitul acestui curs, participanții vor putea: Instalați și configurați OpenNLP Descărcați modelele existente, precum și creați-le Formarea modelelor pe diferite seturi de date de eșantion Integrați OpenNLP cu aplicațiile Java existente Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră .
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
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 .
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 .
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
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 .
Other regions
Other countries
Consultanță
Sfarsit de saptamana Machine Learning Cursuri, Seara Machine Learning Training, ML (Machine Learning) Camp, Machine Learning (ML) Cu instructor, Sfarsit de saptamana Machine Learning (ML) Training, Seara Machine Learning (ML) Cursuri, ML (Machine Learning) Coaching, Machine Learning (ML) Instructor, Machine Learning (ML) Trainer, Machine Learning Cursuri, ML (Machine Learning) Clase, Machine Learning (ML) Pe pagina, Machine Learning (ML) curs privat, Machine 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)")
