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
A fost foarte interactiv și mai relaxat și mai informal decât se aștepta. Am abordat o mulțime de subiecte în timp și antrenorul a fost întotdeauna receptiv să vorbească în detaliu sau mai general despre subiectele și despre modul în care erau legate. Mă simt că instruirea mi-a dat instrumentele necesare pentru a continua învățarea, spre deosebire de o sesiune în care învățarea se oprește odată ce ați terminat ceea ce este foarte important având în vedere amploarea și complexitatea subiectului.
Jonathan Blease
Curs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Formatorul a fost atât de informat și a inclus zonele în care mă interesează.
Mohamed Salama
Curs: Data Mining & Machine Learning with R
Machine Translated
Subiectul este foarte interesant.
Wojciech Baranowski
Curs: Introduction to Deep Learning
Machine Translated
Formatorii cunoștințele teoretice și disponibilitatea de a rezolva problemele cu participanții după formare.
Grzegorz Mianowski
Curs: Introduction to Deep Learning
Machine Translated
Subiect. Foarte interesant!.
Piotr
Curs: Introduction to Deep Learning
Machine Translated
Exercițiile după fiecare subiect au fost cu adevărat utile, în ciuda faptului că au fost prea complicate la sfârșit. În general, materialul prezentat a fost foarte interesant și implicat! Exercițiile cu recunoașterea imaginii au fost minunate.
Dolby Poland Sp. z o.o.
Curs: Introduction to Deep Learning
Machine Translated
Cred că dacă instruirea ar fi făcută în poloneză, ar permite instructorului să-și împărtășească cunoștințele mai eficient.
Radek
Curs: Introduction to Deep Learning
Machine Translated
Prezentarea globală a învățării profunde.
Bruno Charbonnier
Curs: Advanced Deep Learning
Machine Translated
Exercițiile sunt suficient de practice și nu au nevoie de cunoștințe ridicate în Python pentru a fi efectuate.
Alexandre GIRARD
Curs: Advanced Deep Learning
Machine Translated
Făcând exerciții pe exemple reale folosind Eras. Italia a înțeles total așteptările noastre despre acest antrenament.
Paul Kassis
Curs: Advanced Deep Learning
Machine Translated
Am apreciat cu adevărat răspunsurile clare ale lui Chris la întrebările noastre.
Léo Dubus
Curs: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
În general, m-am bucurat de antrenorul informat.
Sridhar Voorakkara
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Am fost uimit la standardul acestei clase - aș spune că era un standard universitar.
David Relihan
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Foarte bine, o privire de ansamblu. Go - Go de fundal od în ce Tensorflow funcționează așa cum o face.
Kieran Conboy
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Mi-au plăcut oportunitățile de a pune întrebări și de a explica mai detaliat teoria.
Sharon Ruane
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Am obținut o mai bună înțelegere a subiectului. S-au făcut niște discuții frumoase cu niște subiecte reale din cadrul companiei noastre.
Sebastiaan Holman
Curs: Machine Learning and Deep Learning
Machine Translated
Instruirea a oferit fundamentul potrivit care ne permite să extindem în continuare, arătând modul în care teoria și practica merg mână în mână. De fapt m-a interesat mai mult subiectul decât eram înainte.
Jean-Paul van Tillo
Curs: Machine Learning and Deep Learning
Machine Translated
Mi-a plăcut foarte mult acoperirea și profunzimea subiectelor.
Anirban Basu
Curs: Machine Learning and Deep Learning
Machine Translated
Formatorul a explicat foarte ușor subiecte dificile și avansate.
Leszek K
Curs: Artificial Intelligence Overview
Machine Translated
Cunoașterea profundă a antrenorului cu privire la acest subiect.
Sebastian Görg
Curs: Introduction to Deep Learning
Machine Translated
Abordare foarte actualizată sau CPI (debit tensor, epoca, învățare) pentru a face învățarea în mașină.
Paul Lee
Curs: TensorFlow for Image Recognition
Machine Translated
Foarte flexibil.
Frank Ueltzhöffer
Curs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
M-am bucurat, în general, de flexibilitate.
Werner Philipp
Curs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Având în vedere perspectivele tehnologiei: ce tehnologie / proces ar putea deveni mai important în viitor; vedeți ce poate fi folosit tehnologia.
Commerzbank AG
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Am beneficiat de selecția subiectului. Stilul de antrenament. Practică orientare.
Commerzbank AG
Curs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Toți îi plac
蒙 李
Curs: Machine Learning Fundamentals with Python
Machine Translated
modul de conducere și exemplul oferit de formator
ORANGE POLSKA S.A.
Curs: Machine Learning and Deep 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
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
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
Machine Learning (ML) Subcategories
ML (Machine Learning) Course Outlines
Numele cursului
Durata
Sinoptic
Numele cursului
Durata
Sinoptic
14 hours
Sinoptic
Acest curs acoperă AI (accentuând Machine Learning și Deep Learning ) în industria Automotive . Ajută la determinarea tehnologiei care poate fi utilizată (potențial) în situații multiple într-o mașină: de la o simplă automatizare, recunoașterea imaginii până la luarea deciziilor autonome.
14 hours
Sinoptic
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 (online or onsite) 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 (online or onsite) 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.
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.
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
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
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 (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 hours
Sinoptic
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.
35 hours
Sinoptic
MLOps is a set of tools and methodologies for combining Machine Learning and DevOps practices. The goal of MLOps is to automate and optimize the deployment and maintenance of ML systems in production.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 hours
Sinoptic
Model Matching este o tehnică folosită pentru a localiza tiparele specificate în cadrul unei imagini. Poate fi utilizat pentru a determina existența unor caracteristici specificate în cadrul unei imagini capturate, de exemplu eticheta așteptată pe un produs defect într-o linie de fabrică sau dimensiunile specificate ale unei componente. Este diferit de „ Pattern Recognition ” (care recunoaște tiparele generale bazate pe colecții mai mari de eșantioane asociate) prin faptul că dictează în mod specific ceea ce căutăm, apoi ne spune dacă modelul așteptat există sau nu.
Formatul cursului
- Acest curs introduce abordările, tehnologiile și algoritmii folosiți în câmpul de potrivire a modelelor, așa cum se aplică la Machine Vision .
Formatul cursului
- Acest curs introduce abordările, tehnologiile și algoritmii folosiți în câmpul de potrivire a modelelor, așa cum se aplică la Machine Vision .
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
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
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
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 .
21 hours
Sinoptic
MLflow is an open source platform for streamlining and managing the machine learning lifecycle. It supports any ML (machine learning) library, algorithm, deployment tool or language. Simply add MLflow to your existing ML code to share the code across any ML library being used within your organization.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
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
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 )
21 hours
Sinoptic
ML.NET is a framework for machine learning applications built upon the .NET development platform by Microsoft. It is extensible to multiple operating systems and can perform various machine learning prediction tasks. The central ML.NET tools are the ML.NET CLI and Model Builder which allow .NET developers to generate, train, and deploy machine learning models based on the objectives of an enterprise.
This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use ML.NET machine learning models to automatically derive projections from executed data analysis for enterprise applications.
By the end of this training, participants will be able to:
- Install ML.NET and integrate it into the application development environment.
- Understand the machine learning principles behind ML.NET tools and algorithms.
- Build and train machine learning models to perform predictions with the provided data smartly.
- Evaluate the performance of a machine learning model using the ML.NET metrics.
- Optimize the accuracy of the existing machine learning models based on the ML.NET framework.
- Apply the machine learning concepts of ML.NET to other data science applications.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use ML.NET machine learning models to automatically derive projections from executed data analysis for enterprise applications.
By the end of this training, participants will be able to:
- Install ML.NET and integrate it into the application development environment.
- Understand the machine learning principles behind ML.NET tools and algorithms.
- Build and train machine learning models to perform predictions with the provided data smartly.
- Evaluate the performance of a machine learning model using the ML.NET metrics.
- Optimize the accuracy of the existing machine learning models based on the ML.NET framework.
- Apply the machine learning concepts of ML.NET to other data science applications.
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
PaddlePaddle (PArallel Distributed Deep LEarning) este o platformă de învățare scalabilă profundă dezvoltată de Baidu În acest training instruit, participanții vor învăța cum să folosească PaddlePaddle pentru a permite învățarea profundă în aplicațiile lor de produse și servicii Până la sfârșitul acestui curs, participanții vor putea: Configurați și configurați PaddlePaddle Creați o rețea neuronală convoluțională (CNN) pentru recunoașterea imaginilor și detectarea obiectelor Crearea unei rețele neuronale recurente (RNN) pentru analiza sentimentului Creați o învățare profundă pe sistemele de recomandare pentru a ajuta utilizatorii să găsească răspunsuri Preziceți ratele de clic (CTR), clasificați seturile de imagini largescale, efectuați recunoașterea optică a caracterelor (OCR), căutați în funcție de rang, detectați viruși de computer și implementați un sistem de recomandări Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră .
21 hours
Sinoptic
PredictionIO este un server de Machine Learning platformă open-source, construit pe partea superioară a stack-ului open-source de ultimă oră.
Public
Acest curs este adresat dezvoltatorilor și oamenilor de știință care doresc să creeze motoare predictive pentru orice sarcină de învățare a mașinilor.
Public
Acest curs este adresat dezvoltatorilor și oamenilor de știință care doresc să creeze motoare predictive pentru orice sarcină de învățare a mașinilor.
Upcoming Machine Learning Courses
2021-02-09 09:30:00
14 ore
2021-02-24 09:30:00
7 ore
2021-03-03 09:30:00
14 ore
2021-03-17 09:30:00
7 ore
2021-03-17 09:30:00
14 ore
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)"){kind=small}
