Local, instructor-led live Machine Learning training courses demonstrate through hands-on practice how to apply machine learning techniques and tools for solving real-world problems in various industries. NobleProg ML courses cover different programming languages and frameworks, including Python, R language and Matlab. Machine Learning courses are offered for a number of industry applications, including Finance, Banking and Insurance and cover the fundamentals of Machine Learning as well as more advanced approaches such as Deep Learning.
Machine Learning training is available as "onsite live training" or "remote live training". România onsite live Machine Learning trainings can be carried out locally on customer premises or in NobleProg corporate training centers. Remote live training is carried out by way of an interactive, remote desktop.
NobleProg -- Your Local Training Provider
Ref materiale pentru a utiliza mai târziu a fost foarte bun.
PAUL BEALES- Seagate Technology.
Curs: Applied Machine Learning
Translated by
Ce ti-a placut cel mai mult despre antrenament ?: Mi-a dat o buna practica in utilizarea lui R pentru a construi sisteme de invatare mecanica pentru situatii reale. Pot să folosesc acest lucru în munca mea imediat. Acesta a fost un curs excelent. Unul dintre cele mai bune am avut.
Matthew Thomas - British Telecom
Curs: Applied Machine Learning
Translated by
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
Translated by
Formatorul a fost atât de informat și a inclus zonele în care mă interesează.
Mohamed Salama
Curs: Data Mining & Machine Learning with R
Translated by
Subiectul este foarte interesant.
Wojciech Baranowski
Curs: Introduction to Deep Learning
Translated by
Formatorii cunoștințele teoretice și disponibilitatea de a rezolva problemele cu participanții după formare.
Grzegorz Mianowski
Curs: Introduction to Deep Learning
Translated by
Subiect. Foarte interesant!.
Piotr
Curs: Introduction to Deep Learning
Translated by
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
Translated by
Cred că dacă instruirea ar fi făcută în poloneză, ar permite instructorului să-și împărtășească cunoștințele mai eficient.
Radek
Curs: Introduction to Deep Learning
Translated by
Prezentarea globală a învățării profunde.
Bruno Charbonnier
Curs: Advanced Deep Learning
Translated by
Exercițiile sunt suficient de practice și nu necesită cunoștințe înalte în Python.
Alexandre GIRARD
Curs: Advanced Deep Learning
Translated by
Făcând exerciții pe exemple reale folosind Eras. Italia a înțeles total așteptările noastre despre acest antrenament.
Paul Kassis
Curs: Advanced Deep Learning
Translated by
Subiectul. Părea interesant, dar am plecat fără să știu mai mult decât înainte.
Radoslaw Labedzki
Curs: Introduction to Deep Learning
Translated by
Mi-a plăcut că acest curs avea un subiect foarte interesant.
Wojciech Wilk
Curs: Introduction to Deep Learning
Translated by
Am apreciat cu adevărat răspunsurile clare ale lui Chris la întrebările noastre.
Léo Dubus
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
În general, m-am bucurat de antrenorul informat.
Sridhar Voorakkara
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Am fost uimit la standardul acestei clase - aș spune că era un standard universitar.
David Relihan
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Foarte bună imagine de ansamblu. Un fundal bun în ce funcționează Tensorflow așa cum se întâmplă.
Kieran Conboy
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
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
Translated by
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
Translated by
Instruirea a oferit fundația potrivită care ne permite să extindem în continuare, arătând cum teoria și practica merg mână în mână. De fapt, m-au interesat mai mult de subiect decât înainte.
Jean-Paul van Tillo
Curs: Machine Learning and Deep Learning
Translated by
Mi-a plăcut foarte mult acoperirea și profunzimea subiectelor.
Anirban Basu
Curs: Machine Learning and Deep Learning
Translated by
Formatorul a explicat foarte ușor subiecte dificile și avansate.
Leszek K
Curs: Artificial Intelligence Overview
Translated by
Cunoașterea profundă a antrenorului cu privire la acest subiect.
Sebastian Görg
Curs: Introduction to Deep Learning
Translated by
Abordare foarte actualizată sau CPI (debit tensor, epoca, învățare) pentru a face învățarea în mașină.
Paul Lee
Curs: TensorFlow for Image Recognition
Translated by
Foarte flexibil.
Frank Ueltzhöffer
Curs: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
M-am bucurat, în general, de flexibilitate.
Werner Philipp
Curs: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
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
Translated by
Am beneficiat de selecția subiectului. Stilul de antrenament. Practică orientare.
Commerzbank AG
Curs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Toți îi plac
蒙 李
Curs: Machine Learning Fundamentals with Python
Translated by
modul de conducere și exemplul oferit de formator
ORANGE POLSKA S.A.
Curs: Machine Learning and Deep Learning
Translated by
Posibilitatea de a discuta despre problemele propuse
ORANGE POLSKA S.A.
Curs: Machine Learning and Deep Learning
Translated by
Comunicarea cu lectori
文欣 张
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Îmi place
lisa xie
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
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
Translated by
excercises
L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
exercițiile de laborator
Marcell Lorant - L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
Forma notebook-ului Jupyter, în care sunt disponibile materialele de instruire
L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
Au fost multe exerciții și subiecte interesante.
L M ERICSSON LIMITED
Curs: Machine Learning
Translated by
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
Translated by
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
Translated by
Cunoștințe mari și actuale despre exemple de aplicații practice și practice.
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Translated by
O mulțime de exerciții, o colaborare foarte bună cu grupul.
Janusz Chrobot - ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Translated by
lucrează pe colaboratori,
ING Bank Śląski S.A.
Curs: Introduction to Deep Learning
Translated by
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
Translated by
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
Translated by
lipsă
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
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
Translated by
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
Translated by
exerciții și exemple implementate asupra lor
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
Exemple și probleme discutate.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
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
Translated by
Exerciții practice pregătite de domnul Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curs: Understanding Deep Neural Networks
Translated by
Am beneficiat de pasiunea de a învăța și de a ne concentra pe a face lucrurile sensibile.
Zaher Sharifi - GOSI
Curs: Advanced Deep Learning
Translated by
| Cod | Nume | Durată | Rezumat |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 ore | Acest curs a fost creat pentru manageri, arhitecți de soluții, ofițeri de inovare, CTO-uri, arhitecți de software și oricine este interesat de o privire de ansamblu asupra inteligenței artificiale aplicate și cea mai apropiată previziune pentru dezvoltarea sa. |
| mlios | Machine Learning on iOS | 14 ore | 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 . |
| textsum | Text Summarization with Python | 14 ore | În procesul de învățare a mașinilor Python, caracteristica Sumarizare text poate citi textul de intrare și poate realiza un rezumat al textului Această capacitate este disponibilă de la linia de comandă sau ca Python API / Library O aplicație interesantă este crearea rapidă a rezumatelor executive; acest lucru este util în special pentru organizațiile care au nevoie să revizuiască organisme mari de date text înainte de a genera rapoarte și prezentări În acest training instruit, participanții vor învăța să utilizeze Python pentru a crea o aplicație simplă care generează automat un rezumat al textului de intrare Până la sfârșitul acestui curs, participanții vor putea: Utilizați un instrument de linie de comandă care rezumă textul Proiectați și creați codul de sumare a textului utilizând librăriile Python Evaluați trei biblioteci de sumare Python: suma 070, pysummarizarea 104, readless 1017 Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| undnn | Understanding Deep Neural Networks | 35 ore | Acest curs începe cu a vă oferi cunoștințe conceptuale în rețele neuronale și, în general, în algoritmul de învățare în mașină, învățare profundă (algoritmi și aplicații) Partea 1 (40%) din acest training se concentrează mai mult pe fundamentale, dar vă va ajuta să alegeți tehnologia potrivită: TensorFlow, Caffe, Theano, DeepDrive, Keras etc Partea 2 (20%) a acestui training introduce Theano o bibliotecă python care face ușor de scris modele de învățare profundă Partea a treia (40%) din formare se bazează în mare măsură pe API-ul Tensorflow 2nd Generation din biblioteca de software open source a Google pentru Deep Learning Exemplele și manuscrisele vor fi făcute în TensorFlow Public Acest curs este destinat inginerilor care caută să utilizeze TensorFlow pentru proiectele lor de învățare profundă După finalizarea acestui curs, delegații vor: au o bună înțelegere pe rețele neuronale profunde (DNN), CNN și RNN 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, construirea de grafice și logare Nu toate subiectele vor fi acoperite într-o sală de clasă publică cu o durată de 35 de ore datorită vastității subiectului Durata cursului complet va fi de aproximativ 70 de ore și nu de 35 de ore . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 ore | 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 . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 ore | Învățarea în mașină este o ramură a inteligenței artificiale în care computerele au capacitatea de a învăța fără a fi programate în mod explicit Python este un limbaj de programare renumit pentru sintaxa clară și lizibilitatea sa Acesta oferă o colecție excelentă de biblioteci bine pregătite și tehnici pentru dezvoltarea aplicațiilor de învățare automată În acest training instruit, participanții vor învăța cum să aplice tehnici de învățare a mașinilor și instrumente pentru rezolvarea problemelor din lumea reală din industria bancară 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 de echipă Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| mlbankingr | Machine Learning for Banking (with R) | 28 ore | În acest training instruit, participanții vor învăța cum să aplice tehnici de învățare a mașinilor și instrumente pentru rezolvarea problemelor din lumea reală din 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 vii Public Dezvoltatori Cercetătorii de date Specialiști bancari cu experiență tehnică Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| matlabdl | Matlab for Deep Learning | 14 ore | În această instruire instruită, participanții vor învăța cum să utilizeze Matlab pentru a proiecta, construi și vizualiza o rețea neuronală convoluțională pentru recunoașterea imaginii Până la sfârșitul acestui curs, participanții vor putea: Construiți un model profund de învățare Automatizează etichetarea datelor Lucrați cu modele de la Caffe și TensorFlowKeras Datele de tren folosesc GPU-uri multiple, nor sau clustere Public Dezvoltatori Ingineri Experți în domeniu Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| tensorflowserving | TensorFlow Serving | 7 ore | 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 . |
| pythontextml | Python: Machine Learning with Text | 21 ore | În acest training instruit, participanții vor învăța cum să folosească tehnicile corecte de învățare a mașinilor și tehnicile NLP (Processing Language Natural) pentru a extrage valoarea din datele bazate pe text Până la sfârșitul acestui curs, participanții vor putea: Rezolva problemele legate de știința datelor bazate pe text, cu un cod de reutilizare de înaltă calitate Aplicați diferite aspecte ale scikitlearn (clasificarea, gruparea, regresia, reducerea dimensiunilor) pentru a rezolva problemele Construiți modele eficiente de învățare automată folosind date bazate pe text Creați un set de date și extrageți caracteristici din text nestructurat Vizualizați date cu Matplotlib Construiți și evaluați modele pentru a obține o perspectivă Remediați erorile de codificare a textului Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 ore | Învățarea în mașină este o ramură a inteligenței artificiale, în care computerele au capacitatea de a învăța fără a fi programate în mod explicit Python este un limbaj de programare renumit pentru sintaxa clară și lizibilitatea sa Acesta oferă o colecție excelentă de biblioteci bine pregătite și tehnici pentru dezvoltarea aplicațiilor de învățare automată În acest training instruit, participanții vor învăța cum să aplice tehnici de învățare a mașinilor și instrumente pentru rezolvarea problemelor din lumea reală în industria financiară 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 de echipă Până la sfârșitul acestui curs, participanții vor putea: Înțelegerea conceptelor fundamentale ale învățării în mașină Aflați aplicațiile și utilizările învățării mașinilor în domeniul finanțelor Dezvoltați propria strategie de tranzacționare algoritmică utilizând învățarea prin mașină cu Python Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| encogintro | Encog: Introduction to Machine Learning | 14 ore | Encog este un cadru de învățare a mașinilor opensource pentru Java șiNet În acest training instruit, participanții vor învăța cum să creeze diferite componente ale rețelei neuronale folosind ENCOG Studiile de caz în domeniul Realworld vor fi discutate și vor fi explorate soluții bazate pe limbaj mașină pentru aceste probleme Până la sfârșitul acestui curs, participanții vor putea: Pregătește datele pentru rețelele neuronale utilizând procesul de normalizare Implementarea metodologiilor de formare a rețelelor de feed-back și a metodelor de formare a propagării Implementarea sarcinilor de clasificare și regresie Model și rețele de rețele neuronale folosind baza de date bazată pe interfață grafică Encog Integrați suportul rețelei neuronale în aplicații din lumea reală Public Dezvoltatori Analistii Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| encogadv | Encog: Advanced Machine Learning | 14 ore | Encog este un cadru de învățare a mașinilor opensource pentru Java șiNet În acest training instruit, participanții vor învăța tehnici avansate de învățare în mașină pentru a construi modele predictive de rețea neuronale exacte Până la sfârșitul acestui curs, participanții vor putea: Implementați diferite tehnici de optimizare a rețelelor neuronale pentru a rezolva problema de submăsurare și suprasolicitare Înțelegeți și alegeți dintr-un număr de arhitecturi de rețele neuronale Implementați feed-uri supravegheate înainte și rețele de feedback Public Dezvoltatori Analistii Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| radvml | Advanced Machine Learning with R | 21 ore | 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 . |
| pythonadvml | Python for Advanced Machine Learning | 21 ore | 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 . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 ore | 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 . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 ore | Embedding Projector este o aplicație web open source pentru vizualizarea datelor utilizate pentru instruirea sistemelor de învățare a mașinilor Creat de Google, face parte din TensorFlow Această instruire instruită live introduce conceptele din spatele Proiectoarelor Embedding și umblă participanții prin configurarea unui proiect demo Până la sfârșitul acestui curs, participanții vor putea: Explorați modul în care datele sunt interpretate de modelele de învățare automată Navigați prin vizualizările 3D și 2D ale datelor pentru a înțelege modul în care algoritmul de învățare a mașinilor îl interpretează Înțelegeți conceptele din spatele embeddings și rolul lor în reprezentarea vectorilor matematici pentru imagini, cuvinte și cifre Explorați proprietățile unei încorporări specifice pentru a înțelege comportamentul unui model Aplicați proiectul de încorporare în cazuri de utilizare realworld, cum ar fi construirea unui sistem de recomandări pentru melodii pentru iubitorii de muzică Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 ore | 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 . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 ore | Deep Learning pentru NLP permite unei mașini să învețe procesarea limbajului simplu și complex Printre sarcinile posibile în prezent sunt generarea de traduceri și generare de subtitrări pentru fotografii DL (Deep Learning) este un subset de ML (Machine Learning) Python este un limbaj de programare popular care conține biblioteci pentru Deep Learning for NLP În acest training instruit, participanții vor învăța să folosească librăriile Python pentru NLP (Natural Language Processing), deoarece creează o aplicație care procesează un set de imagini și generează legende Până la sfârșitul acestui curs, participanții vor putea: Proiectați și codați DL pentru NLP utilizând librăriile Python Creați codul Python care citește o colecție substanțială de imagini și generează cuvinte cheie Creați codul Python care generează subtitrări din cuvintele cheie detectate Public Programatori cu interes în lingvistică Programatorii care caută o înțelegere a NLP (Processing Language Natural) Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| mlfinancer | Machine Learning for Finance (with R) | 28 ore | Învățarea în mașină este o ramură a inteligenței artificiale, în care computerele au capacitatea de a învăța fără a fi programate în mod explicit R este un limbaj popular de programare în industria financiară Acesta este utilizat în aplicații financiare variind de la programe de bază de tranzacționare la sisteme de management al riscului În acest training instruit, participanții vor învăța cum să aplice tehnici de învățare a mașinilor și instrumente pentru rezolvarea problemelor din lumea reală în industria financiară 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 de echipă Până la sfârșitul acestui curs, participanții vor putea: Înțelegerea conceptelor fundamentale ale învățării în mașină Aflați aplicațiile și utilizările învățării mașinilor în domeniul finanțelor Dezvoltați propriile strategii de tranzacționare algoritmice utilizând învățarea de mașină cu R Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 ore | Snorkel este un sistem pentru crearea rapidă, modelarea și gestionarea datelor de antrenament Se axează pe accelerarea dezvoltării aplicațiilor de extragere a datelor structurate sau "întunecate" pentru domenii în care seturile de antrenament etichetate mari nu sunt disponibile sau ușor de obținut În acest training instruit, participanții vor învăța tehnici de extragere a valorii din date nestructurate, cum ar fi text, tabele, figuri și imagini, prin modelarea datelor de antrenament cu Snorkel Până la sfârșitul acestui curs, participanții vor putea: Creați programatic programe de formare pentru a permite etichetarea seturilor masive de antrenament Antrenează modele de calitate superioară, prin modelarea în primul rând a seturilor de antrenament zgomotoase Utilizați Snorkel pentru a implementa tehnici de supraveghere slabă și a aplica programarea datelor pentru sistemele de învățare automată slabă Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră . |
| ML_LBG | Machine Learning – Data science | 21 ore | Această sesiune de instruire bazată pe clasă va explora unelte de învățare a mașinilor cu Python (sugerat) Delegatii vor avea exemple pe baza de calculatoare si exercitii de studiu de caz pe care sa le urmeze . |
| appai | Applied AI from Scratch | 28 ore | This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course. |
| dlfortelecomwithpython | Deep Learning for Telecom (with Python) | 28 ore | Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability. In this instructor-led, live training, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model. By the end of this training, participants will be able to: - Understand the fundamental concepts of deep learning. - Learn the applications and uses of deep learning in telecom. - Use Python, Keras, and TensorFlow to create deep learning models for telecom. - Build their own deep learning customer churn prediction model using Python. Format of the course - Part lecture, part discussion, exercises and heavy hands-on practice |
| rapidminer | RapidMiner for Machine Learning and Predictive Analytics | 14 ore | RapidMiner is an open source data science software platform for rapid application prototyping and development. It includes an integrated environment for data preparation, machine learning, deep learning, text mining, and predictive analytics. In this instructor-led, live training, participants will learn how to use RapidMiner Studio for data preparation, machine learning, and predictive model deployment. By the end of this training, participants will be able to: - Install and configure RapidMiner - Prepare and visualize data with RapidMiner - Validate machine learning models - Mashup data and create predictive models - Operationalize predictive analytics within a business process - Troubleshoot and optimize RapidMiner Audience - Data scientists - Engineers - Developers Format of the Course - Part lecture, part discussion, exercises and heavy hands-on practice Note - To request a customized training for this course, please contact us to arrange. |
| aicityplanning | Artificial Intelligence for City Planning | 14 ore | Cum vor arăta orașele în viitor? Cum poate fi utilizată inteligența artificială (AI) pentru a îmbunătăți planificarea urbană? Cum poate fi utilizat AI pentru a face orașele mai eficiente, viabile, mai sigure și mai ecologice? În acest training instruit (la fața locului sau la distanță), examinăm diferitele tehnologii care alcătuiesc AI, precum și seturile de competențe și cadrul mental necesar pentru a le folosi pentru planificarea urbană De asemenea, acoperim instrumentele și abordările pentru colectarea și organizarea datelor relevante pentru utilizarea în AI, inclusiv pentru exploatarea datelor Public Planificatorii orașului Arhitecti Dezvoltatori Transportatori Formatul cursului Prelegere parte, discuții parțiale și o serie de exerciții interactive Notă Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja . |
| dlformedicine | Deep Learning for Medicine | 14 ore | 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 subdomeniu al Învățării Machine, care încearcă să imite funcționarea creierului uman în luarea deciziilor Este instruit cu date pentru a oferi automat soluții la probleme Deep Learning oferă oportunități vaste pentru industria medicală, care se află pe o mină de aur de date În această instruire instruită, participanții vor participați la o serie de discuții, exerciții și analize de caz pentru a înțelege fundamentele Deep Learning Cele mai importante instrumente și tehnici de învățare în profunzime vor fi evaluate și vor fi efectuate eforturi pentru pregătirea participanților pentru a-și realiza propriile evaluări și implementarea soluțiilor Deep Learning în cadrul organizațiilor lor Până la sfârșitul acestui curs, participanții vor putea: Înțelegeți fundamentele învățării profunde Învățați tehnicile de învățare profundă și aplicațiile lor în industrie Examinați problemele din medicină care pot fi rezolvate prin tehnologiile Deep Learning Explorați studiile de caz Deep Learning în medicină Formulează o strategie pentru adoptarea celor mai noi tehnologii în Deep Learning pentru rezolvarea problemelor din medicină Public Managerii Profesioniști medicali în roluri de conducere Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră Notă Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja . |
| algebraforml | Algebra for Machine Learning | 14 ore | Algebra liniară este o ramură a matematicii care se ocupă cu vectori, matrice și transformări liniare Cunoașterea algebrei liniare îi ajută pe ingineri și dezvoltatori să-și îmbunătățească capabilitățile de învățare a mașinilor Înțelegerea conceptelor de algebră liniară le permite să înțeleagă mai bine principiile care stau la baza tehnicilor de învățare a mașinilor și astfel să rezolve problemele mai repede În această instruire instruită, participanții vor învăța fundamentele algebrei liniare, pe măsură ce vor trece prin rezolvarea unei probleme de învățare a mașinilor utilizând metode de algebră liniară Până la sfârșitul acestui curs, participanții vor putea: Înțelege concepte fundamentale de algebră liniară Aflați abilitățile liniare de algebră necesare pentru învățarea mașinilor Folosiți structuri și concepte de algebră liniară atunci când lucrați cu date, imagini, algoritmi etc Rezolvați o problemă de învățare a mașinii folosind algebra liniară Public Dezvoltatori Ingineri Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră Notă Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja . |
| Nue_LBG | Neural computing – Data science | 14 ore | Această sesiune de instruire bazată pe clasă va conține prezentări și exemple pe bază de computere și exerciții de studiu de caz care vor fi întreprinse cu bibliotecile relevante de rețele neuronale și profunde . |
| mllbg | Machine Learning in business – AI/Robotics | 14 ore | 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 . |
| Curs | Data cursului | Pretul cursului [Tele - Clasa] |
|---|---|---|
| Artificial Intelligence Overview - Timisoara, Boulevard Iosif Bulbuca | Mie, 2019-03-13 09:30 | 1750EUR / 2150EUR |
| Artificial Intelligence Overview - Bucuresti, Centru Nord | Joi, 2019-03-14 09:30 | 1750EUR / 2150EUR |
| Artificial Intelligence Overview - Constanta, Str. Mircea cel Batran | Vin, 2019-03-15 09:30 | 1750EUR / 2150EUR |
| Artificial Intelligence Overview - Brasov, Strada Calea Bucuresti | Mie, 2019-03-27 09:30 | 1750EUR / 2150EUR |
| Artificial Intelligence Overview - Cluj-Napoca, Strada Pitești | Joi, 2019-03-28 09:30 | 1750EUR / 2150EUR |
| Curs | Locul | Data cursului | Pretul cursului [Tele - Clasa] |
|---|---|---|---|
| QT Programming | Timisoara, Boulevard Iosif Bulbuca | Lun, 2019-03-25 09:30 | 4725EUR / 5525EUR |
| Algebra for Machine Learning | Constanta, Str. Mircea cel Batran | Joi, 2019-04-11 09:30 | 3150EUR / 3750EUR |
| Signavio Process Manager | Iasi, Piata Unirii | Mar, 2019-04-30 09:30 | 1575EUR / 1975EUR |
| Using C++ in Embedded Systems - Applying C++11/C++14 | Bucuresti, Centru Nord | Mie, 2019-05-22 09:30 | 4725EUR / 5525EUR |
| Neural computing – Data science | Iasi, Piata Unirii | Mar, 2019-05-28 09:30 | 3500EUR / 4100EUR |
.jpg "food and drug administration (fda)")
.jpg "american international group (aig)")
.jpg "european southern observatory (eso)")
.png "procter & gamble (p&g)")
We are looking to expand our presence in Romania!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!
