Cursurile de instruire a rețelelor neuronale, instruite live, demonstrează prin discuții interactive și practică despre cum să construiți rețele neuronale folosind un număr mare de instrumente și biblioteci opensource, precum și cum să utilizați puterea hardware-ului avansat (GPU) și tehnicile de optimizare care implică computerele distribuite și Date mare Cursurile noastre de rețea neuronală se bazează pe limbi de programare populare, cum ar fi Python, Java, limba R, și biblioteci puternice, inclusiv TensorFlow, Torch, Caffe, Theano și multe altele Cursurile noastre de retea neuronala acopera atat teoria, cat si implementarea, utilizand o serie de implementari ale retelei neuronale, cum ar fi retelele neuronale profunde (DNN), retele neuronale convolutionale (CNN) si retele neuronale recurente (RNN) Rețeaua de training neural 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 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
Ann a creat un mediu minunat de a pune întrebări și de a învăța. Am avut o mulțime de distracție și, de asemenea, am învățat multe în același timp.
Gudrun Bickelq
Curs: Introduction to the use of neural networks
Machine Translated
Partea interactivă, adaptată nevoilor noastre specifice.
Thomas Stocker
Curs: Introduction to the use of neural networks
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
Formatorul a explicat foarte ușor subiecte dificile și avansate.
Leszek K
Curs: Artificial Intelligence Overview
Machine Translated
Mi-au plăcut noile cunoștințe despre învățarea mașinilor adânci.
Josip Arneric
Curs: Neural Network in R
Machine Translated
Am câștigat câteva cunoștințe despre NN în general, și ceea ce a fost cel mai interesant pentru mine au fost noile tipuri de NN care sunt populare în zilele noastre.
Tea Poklepovic
Curs: Neural Network in R
Machine Translated
M-am bucurat cel mai mult de graficele din R :))).
Faculty of Economics and Business Zagreb
Curs: Neural Network in R
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
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
o mulțime de exerciții pe care le pot folosi direct în munca mea.
Alior Bank S.A.
Curs: Sieci Neuronowe w R
Machine Translated
Exemple privind date reale.
Alior Bank S.A.
Curs: Sieci Neuronowe w R
Machine Translated
neuralnet, pROC într-o buclă.
Alior Bank S.A.
Curs: Sieci Neuronowe w R
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
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
Instructorul a fost un profesionist în domeniul subiectului și teorie înrudită cu aplicație excelent
Fahad Malalla - Tatweer Petroleum
Curs: Applied AI from Scratch in Python
Machine Translated
teme, atitudinea prietenoasă a prezentatorului
Fujitsu Technology Solutions Sp. z o.o.
Curs: Artificial Intelligence Overview
Machine Translated
Neural Networks Subcategories
Neural Networks Course Outlines
Numele cursului
Durata
Sinoptic
Numele cursului
Durata
Sinoptic
28 hours
Acesta este un curs de 4 zile care introduce AI și aplicația sa folosind Python limba de programare. Există o opțiune de a avea o zi suplimentară pentru a începe un proiect AI la finalizarea acestui curs.
21 hours
Profundă Reinforcement Learning se referă la capacitatea unui agent artificial " de a învăţa prin procesul şi error şi pedepsiuni. Un agent artificial obiectiv să emuleze un om ' capacitățile de a obține și construi cunoştinţele pe propriu, direct din inputuri crude, cum ar fi viziune. Pentru a realiza învăţării de înţelegere, se utilizează rețele de învăţare profund și neurală. Învăţarea reforţării este diferit de învăţarea machinelor și nu se află pe abordele de învăţare supraveghere și nesupervizuate.În această instructoră, întrenare viu, participanţii vor învăţa fundamentale ale Profundului Reinforcement Learning, în timp ce acestea se întâmplă prin crearea unui agent Deep Learning.Până la sfârșitul acestei formaţii, parteneri vor putea:
- Înţeleg conceptele cheie în spatele Profundului Reinforcement Learning și pot fi capabil să-l distingueze de Machine Learning Aplică algoritmele avansate Reinforcement Learning pentru a rezolva problemele din lumi reale Construge un Deep Learning Agent
- Dezvoltatorii știinci de date
- Lecția de parte, discuție de parte, exerciți şi practica grea
7 hours
Acest curs a fost creat pentru manageri, arhitecți de soluții, ofițeri de inovare, CTO-uri, arhitecți de software și oricine este interesat de o imagine de ansamblu a inteligenței artificiale aplicate și cea mai apropiată previziune pentru dezvoltarea sa.
7 hours
Instruirea se adresează persoanelor care doresc să învețe elementele de bază ale rețelelor neuronale și aplicațiile lor.
14 hours
Acest curs este o introducere în aplicarea rețelelor neuronale în problemele din lumea reală folosind software-ul R-project.
14 hours
Acest curs de formare este pentru persoanele care ar dori să aplice Machine Learning în aplicații practice. Public Acest curs este destinat cercetătorilor de date și statisticienilor care au o anumită familiaritate cu statisticile și știu cum să programeze R (sau Python sau altă limbă aleasă). Accentul pe acest curs se referă la aspectele practice ale pregătirii datelor / modelului, execuției, analizei post-hoc și vizualizării. Scopul este de a oferi aplicații practice Machine Learning participanților interesați de aplicarea metodelor la locul de muncă. Exemple specifice sectorului sunt folosite pentru a face formarea relevantă pentru public.
21 hours
Rețeaua neurală artificială este un model de date computational utilizat în dezvoltarea sistemelor de Artificial Intelligence (AI) capabile să realizeze sarcini "inteligente". Neural Networks sunt utilizate în mod obișnuit în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML.
21 hours
Rețeaua neurală artificială este un model de date computational utilizat în dezvoltarea sistemelor de Artificial Intelligence (AI) capabile să realizeze sarcini "inteligente". Neural Networks sunt utilizate în mod obișnuit în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML.
35 hours
Acest curs este creat pentru persoanele care nu au experiență anterioară în ceea ce privește probabilitățile și statisticile .
14 hours
Acest curs acoperă AI (emphasizing Machine Learning și Deep Learning) în Automotive Industria. Ajută la determinarea tehnologiei care poate fi (potential) utilizată în mai multe situații într-un autovehicul: de la automatizare simplă, recunoaștere a imaginii la luarea de decizii autonome.
28 hours
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 .
21 hours
Acest curs live, condus de instructor, oferă o introducere în domeniul recunoașterii modelelor și învățării automate. Acesta atinge aplicații practice în statistici, informatică, procesare de semnal, viziune computerizată, extragere de date și bioinformatică. Cursul este interactiv și include o mulțime de exerciții practice, feedback-ul instructorului și testarea cunoștințelor și abilităților dobândite.
21 hours
Tip: Pregătire teoretică cu aplicații decise în amonte cu elevii de la Lasagne sau Keras funcție de grupul pedagogic Metoda de predare: prezentare, schimburi și studii de caz Inteligența artificială, după ce a perturbat multe domenii științifice, a început să revoluționeze un număr mare de sectoare economice (industrie, medicină, comunicare etc.). Cu toate acestea, prezentarea sa în marile mass-media este adesea fantezie, foarte departe de ceea ce sunt cu adevărat domeniile de Machine Learning sau Deep Learning . Scopul acestei instruiri este de a oferi inginerilor care au deja o stăpânire a instrumentelor informatice (inclusiv o bază de programare software) o introducere în Deep Learning și diferitele sale domenii de specializare și, prin urmare, în principalele arhitecturi de rețea existente. astăzi. Dacă bazele matematice sunt amintite în timpul cursului, se recomandă un nivel de matematică de tip BAC + 2 pentru mai mult confort. Este absolut posibil să sări peste axa matematică pentru a păstra doar o viziune „sistem”, dar această abordare îți va limita enorm înțelegerea subiectului.
7 hours
Unitatea de procesare Tensor (TPU) este arhitectura pe care Google a folosit-o intern pe parcursul mai multor ani și este acum disponibilă pentru utilizare de către publicul larg Acesta include mai multe optimizări pentru utilizare în rețele neuronale, inclusiv multiplicarea matricei raționalizate și numere întregi de 8 biți în loc de 16 biți pentru a putea reveni la niveluri adecvate de precizie În acest training instruit, participanții vor învăța cum să profite de inovațiile procesoarelor TPU pentru a maximiza performanța propriilor aplicații AI Până la sfârșitul instruirii, participanții vor putea: Antrenează diferite tipuri de rețele neuronale pe cantități mari de date Utilizați TPU-uri pentru a accelera procesul de inferență cu până la două ordine de mărime Utilizați unitățile TPU pentru a procesa aplicații intensive, cum ar fi căutarea de imagini, viziunea în cloud și fotografiile Public Dezvoltatori Cercetătorii Ingineri Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră .
21 hours
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 .
21 hours
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 .
7 hours
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 .
14 hours
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 .
14 hours
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 .
14 hours
In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition.
By the end of this training, participants will be able to:
- Build a deep learning model
- Automate data labeling
- Work with models from Caffe and TensorFlow-Keras
- Train data using multiple GPUs, the cloud, or clusters
- Developers
- Engineers
- Domain experts
- Part lecture, part discussion, exercises and heavy hands-on practice
35 hours
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
14 hours
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
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.
21 hours
Mechatronica (inginerie mechatronică) este o combinație de mecanică, electronică și informatică. Această instruire desfășurată de instructor (live sau la distanță) este destinată inginerilor care doresc să învețe despre aplicabilitatea inteligenței artificiale în sistemele mecatronice. Până la sfârșitul acestui curs, participanții vor putea:
- Obțineți o imagine de ansamblu a inteligenței artificiale, a învățării mașinilor și a inteligenței computaționale.
- Înțelegeți conceptele rețelelor neuronale și diferitele metode de învățare.
- Alegeți inteligent abordările inteligente în mod eficient pentru problemele din viața reală.
- Implementarea aplicațiilor AI în ingineria mecatronică.
- Prelegere interactivă și discuții.
- Multe exerciții și practici.
- Implementarea manuală într-un mediu live-lab.
- Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja.
14 hours
Un sistem de recomandare este un proces de filtrare a informațiilor care prezice preferințele utilizatorului. Python poate fi folosit pentru programarea sistemelor de învățare profundă, de învățare automată și de recomandare a rețelelor neurale pentru a ajuta utilizatorii să descopere noi produse și conținut.
Această formare directă de instructor (online sau on-site) este destinată cercetătorilor de date care doresc să utilizeze Python pentru a construi sisteme de recomandare.
La sfârșitul cursului, participanții vor putea:
-
Creați sisteme de recomandare la scară.
Aplicați filtrarea colaborativă pentru a construi sisteme de recomandare.
Utilizați Apache Spark pentru a calcula sistemele de recomandare pe cluster.
Creați un cadru pentru a testa algoritmele de recomandare cu Python.
-
Lecții și discuții interactive.
Multe exerciții și practici.
Implementarea pe mâini într-un mediu live-lab.
-
Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.
14 hours
This instructor-led, live training in România (online or onsite) is aimed at researchers and developers who wish to use Chainer to build and train neural networks in Python while making the code easy to debug.
By the end of this training, participants will be able to:
- Set up the necessary development environment to start developing neural network models.
- Define and implement neural network models using a comprehensible source code.
- Execute examples and modify existing algorithms to optimize deep learning training models while leveraging GPUs for high performance.
14 hours
În această instruire condusă de instructor, antrenament live, vom trece prin principiile rețelelor neurale și folosim OpenNN pentru a implementa o aplicație de eșantionare.
Formatul cursului
-
Lecție și dezbatere însoțită de exerciții practice.
Last Updated:
Consultanță
Sfarsit de saptamana Neural Networks Cursuri, Seara Neural Networks Training, Neural Networks Camp, Neural Networks Cu instructor, Sfarsit de saptamana Neural Networks Training, Seara Neural Networks Cursuri, Neural Networks Coaching, Neural Networks Instructor, Neural Networks Trainer, Neural Networks Cursuri, Neural Networks Clase, Neural Networks Pe pagina, Neural Networks curs privat, Neural Networks one on one training
