Курсы Deep Learning

Курсы Deep Learning

Местные учебные курсы с глубоким обучением (DL), организованные преподавателями, демонстрируют посредством практических практик основы и применения Deep Learning и охватывают такие темы, как глубокое машинное обучение, глубокое структурированное обучение и иерархическое обучение Обучение глубокому обучению доступно как «живое обучение на месте» или «дистанционное живое обучение» На месте живое обучение может проводиться локально в помещениях клиента в Russia или в корпоративных учебных центрах NobleProg Russia , Дистанционное обучение в реальном времени осуществляется с помощью интерактивного удаленного рабочего стола NobleProg Ваш местный провайдер обучения.

Machine Translated

Отзывы

★★★★★
★★★★★

Deep Learning Подкатегории

Deep Learning Course Outlines

Название курса
Продолжительность
Обзор
Название курса
Продолжительность
Обзор
14 часов
Обзор
Этот курс охватывает ИИ (подчеркивание машинного обучения и глубокого обучения) в автомобильной промышленности Это помогает определить, какая технология может (потенциально) использоваться во множестве ситуаций в автомобиле: от простой автоматизации, распознавания образов до автономного принятия решений ,.
21 часов
Обзор
Deep learning is a subfield of machine learning. It uses methods based on learning data representations and structures such as neural networks.

Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.

This instructor-led, live training (onsite or remote) is aimed at developers who wish to build a self-driving car using deep learning techniques.

By the end of this training, participants will be able to:

- Use computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.

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 часов
Обзор
Этот курс охватывает ИИ (с акцентом на машинное обучение и глубокое обучение) ,.
28 часов
Обзор
Этот курс даст вам знания в нейронных сетях и, как правило, в алгоритме машинного обучения, глубоком изучении (алгоритмах и приложениях) Этот тренинг больше ориентируется на фундаментальные принципы, но поможет вам выбрать правильную технологию: TensorFlow, Caffe, Teano, DeepDrive, Keras и т Д Примеры сделаны в TensorFlow ,.
14 часов
Обзор
Эта учебная сессия, основанная на классе, будет содержать презентации и компьютерные примеры и упражнения для изучения конкретных ситуаций с соответствующими нейронными и глубокими сетевыми библиотеками ,.
14 часов
Обзор
OpenFace - это основанный на Python и Torch open-source, программное обеспечение для распознавания лиц в реальном времени на основе исследования FaceNet компании Google В этом обученном, живом обучении участники узнают, как использовать компоненты OpenFace для создания и развертывания образца приложения распознавания лиц К концу этого тренинга участники смогут: Работа с компонентами OpenFace, включая dlib, OpenVC, Torch и nn4 для реализации распознавания лиц, выравнивания и преобразования Применяйте OpenFace к приложениям реального мира, таким как наблюдение, проверка подлинности, виртуальная реальность, игры и идентификация постоянных клиентов и т Д Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
7 часов
Обзор
OpenNMT - полнофункциональная, с открытым исходным кодом (MIT) система нейронного перевода, которая использует математический инструментарий Torch В этом упражнении участники узнают, как настроить и использовать OpenNMT для перевода различных наборов данных выборки Курс начинается с обзора нейронных сетей применительно к машинным переводам Участники будут проводить живые упражнения на протяжении всего курса, чтобы продемонстрировать свое понимание понятий и получить отзывы от инструктора К концу этого обучения участники получат знания и практику, необходимые для реализации живого решения OpenNMT Исходные и целевые языковые образцы будут заранее согласованы с требованиями аудитории Аудитория Специалисты по локализации с технической базой Глобальные менеджеры контента Инженеры по локализации Разработчики программного обеспечения, отвечающие за внедрение глобальных решений для контента Формат курса Лекция по части, часть обсуждения, тяжелая практика handson ,.
14 часов
Обзор
OpenNN - это библиотека классов openource, написанная на C ++, которая реализует нейронные сети, для использования в машинных процессах В этом курсе мы рассмотрим принципы нейронных сетей и используем OpenNN для реализации примера приложения Аудитория Разработчики программного обеспечения и программисты, желающие создавать приложения Deep Learning Формат курса Лекция и обсуждение в сочетании с упражнениями handson ,.
21 часов
Обзор
PaddlePaddle (PArallel Distributed Deep LEarning) - это масштабируемая платформа глубокого обучения, разработанная Baidu В этом обученном, живом обучении участники узнают, как использовать PaddlePaddle, чтобы обеспечить глубокое обучение в своих продуктах и ​​приложениях К концу этого тренинга участники смогут: Настройка и настройка PaddlePaddle Настройте сверточную нейронную сеть (CNN) для распознавания изображений и обнаружения объектов Настройте повторяющуюся нейронную сеть (RNN) для анализа настроений Настройте глубокое обучение в системах рекомендаций, чтобы помочь пользователям найти ответы Прогнозировать рейтинг кликов (CTR), классифицировать наборы изображений большого масштаба, выполнять оптическое распознавание символов (OCR), поиск рангов, обнаруживать компьютерные вирусы и внедрять систему рекомендаций Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
21 часов
Обзор
В этом обученном, живом обучении участники будут изучать наиболее актуальные и передовые методы машинного обучения в Python, поскольку они создают серию демонстрационных приложений, включающих изображения, музыку, текст и финансовые данные К концу этого тренинга участники смогут: Реализация алгоритмов машинного обучения и методов решения сложных задач Применять глубокое обучение и полунаблюдение в приложениях, включающих изображения, музыку, текст и финансовые данные Push Python алгоритмы с максимальным потенциалом Используйте библиотеки и пакеты, такие как NumPy и Theano Аудитория Разработчики Аналитики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
21 часов
Обзор
В этом обученном, живом обучении участники будут изучать передовые методы машинного обучения с помощью R, поскольку они проходят через создание приложения realworld К концу этого тренинга участники смогут: Использовать методы в качестве настройки гиперпараметра и глубокого обучения Понимать и внедрять неконтролируемые методы обучения Поместите модель в производство для использования в более крупном приложении Аудитория Разработчики Аналитики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
21 часов
Обзор
SINGA - это общая распределенная платформа глубокого обучения для обучения большим глубоким учебным моделям по большим наборам данных Он разработан с интуитивно понятной моделью программирования, основанной на абстракции слоя Поддерживаются разнообразные популярные модели глубокого обучения, а именно модели с форсированием, включая сверточные нейронные сети (CNN), энергетические модели, такие как ограниченная машина Больцмана (RBM) и рекуррентные нейронные сети (RNN) Множество встроенных слоев предоставляется пользователям Архитектура SINGA достаточно гибкая, чтобы запускать синхронные, асинхронные и гибридные схемы обучения SINGA также поддерживает различные схемы разделения нейронной сети для параллелизации обучения крупным моделям, а именно разбиения на размер партии, размерность элемента или гибридное разбиение Аудитория Этот курс направлен на исследователей, инженеров и разработчиков, стремящихся использовать Apache SINGA в качестве основы глубокого обучения По завершении этого курса делегаты: понять структуру и механизмы развертывания SINGA иметь возможность выполнять задачи установки и производства / архитектуры и конфигурации иметь возможность оценивать качество кода, выполнять отладку, мониторинг иметь возможность внедрять передовые технологии производства, такие как модели обучения, условия внедрения, построения графиков и ведения журнала ,.
14 часов
Обзор
В этом обученном, живом обучении участники узнают, как использовать Matlab для проектирования, сборки и визуализации сверточной нейронной сети для распознавания образов К концу этого тренинга участники смогут: Построение модели глубокого обучения Автоматизация маркировки данных Работа с моделями от Caffe и TensorFlowKeras Данные поезда с использованием нескольких графических процессоров, облака или кластеров Аудитория Разработчики Инженеры Эксперты домена Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
7 часов
Обзор
Tensor2Tensor (T2T) - это модульная расширяемая библиотека для обучения AI-моделям в разных задачах с использованием разных типов данных обучения, например: распознавание изображений, перевод, разбор, субтитры изображений и распознавание речи Он поддерживается командой Google Brain В этом обученном, живом обучении участники узнают, как подготовить модель deeplayning для решения нескольких задач К концу этого тренинга участники смогут: Установите тензор2 тензор, выберите набор данных и поезда и оцените модель ИИ Настроить среду разработки с помощью инструментов и компонентов, включенных в Tensor2Tensor Создайте и используйте одну модель для одновременного изучения ряда задач из нескольких доменов Используйте модель, чтобы учиться на задачах с большим количеством данных обучения и применять эти знания к задачам, где данные ограничены Получите удовлетворительные результаты обработки с использованием одного графического процессора Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
21 часов
Обзор
TensorFlow is a popular and machine learning library developed by Google for deep learning, numeric computation, and large-scale machine learning. TensorFlow 2.0, released in Jan 2019, is the newest version of TensorFlow and includes improvements in eager execution, compatibility and API consistency.

This instructor-led, live training (onsite or remote) is aimed at developers and data scientists who wish to use Tensorflow 2.0 to build predictors, classifiers, generative models, neural networks and so on.

By the end of this training, participants will be able to:

- Install and configure TensorFlow 2.0.
- Understand the benefits of TensorFlow 2.0 over previous versions.
- Build deep learning models.
- Implement an advanced image classifier.
- Deploy a deep learning model to the cloud, mobile and IoT devices.

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.
- To learn more about TensorFlow, please visit: https://www.tensorflow.org/
7 часов
Обзор
TensorFlow Serving - это система для обслуживания моделей машинного обучения (ML) для производства В этом обученном, живом обучении участники узнают, как настроить и использовать службу TensorFlow для развертывания и управления моделями ML в производственной среде К концу этого тренинга участники смогут: Обучать, экспортировать и обслуживать различные модели TensorFlow Тестирование и развертывание алгоритмов с использованием единой архитектуры и набора API Расширение TensorFlow Обслуживание для обслуживания других типов моделей за пределами моделей TensorFlow Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
21 часов
Обзор
TensorFlow - это API второго поколения библиотеки программного обеспечения с открытым исходным кодом Google для глубокого обучения Система предназначена для содействия исследованиям в машинном обучении и позволяет быстро и легко перейти от прототипа исследования к производственной системе Аудитория Этот курс предназначен для инженеров, которые хотят использовать TensorFlow для своих проектов Deep Learning По завершении этого курса делегаты: понимать структуру и механизмы развертывания TensorFlow иметь возможность выполнять задачи установки и производства / архитектуры и конфигурации иметь возможность оценивать качество кода, выполнять отладку, мониторинг иметь возможность внедрять современное производство, например, модели обучения, строить графики и вести журнал ,.
28 часов
Обзор
Этот курс исследует, с конкретными примерами, применение Tensor Flow для целей распознавания изображений Аудитория Этот курс предназначен для инженеров, стремящихся использовать TensorFlow для целей распознавания изображений По завершении этого курса делегаты смогут: понимать структуру и механизмы развертывания TensorFlow выполнять задачи установки и производства / архитектуры и конфигурации оценивать качество кода, выполнять отладку, мониторинг внедрять передовое производство, например, модели обучения, строить графики и вести журнал ,.
21 часов
Обзор
Факел - это библиотека обучения с открытым исходным кодом и научная вычислительная среда, основанная на языке программирования Lua Он обеспечивает среду разработки для численного моделирования, машинного обучения и компьютерного видения с особым акцентом на глубокое обучение и сверточные сети Это одна из самых быстрых и гибких систем для машинного и глубокого обучения и используется такими компаниями, как Facebook, Google, Twitter, NVIDIA, AMD, Intel и многие другие В этом курсе мы рассмотрим принципы Torch, его уникальные возможности и способы их применения в приложениях realworld Мы проводим множество упражнений на все руки, демонстрируя и практикуя понятые понятия По окончании курса участники будут иметь полное понимание основных функций и возможностей Torch, а также его роли и вклада в пространство AI по сравнению с другими структурами и библиотеками Участники также получат необходимую практику для реализации Факела в своих собственных проектах Аудитория Разработчики программного обеспечения и программисты, желающие включить Machine и Deep Learning в свои приложения Формат курса Обзор машины и глубокого обучения Внеклассные программы кодирования и интеграции Тестовые вопросы посыпаются по пути, чтобы проверить понимание ,.
7 часов
Обзор
Модуль обработки тензодаций (TPU) - это архитектура, которую Google использовал в течение нескольких лет внутри компании, и теперь она становится доступной для использования широкой публикой Он включает в себя несколько оптимизаций, специально предназначенных для использования в нейронных сетях, включая упрощенное матричное умножение и 8-битные целые числа вместо 16 бит, чтобы вернуть соответствующие уровни точности В этом обученном, живом обучении участники узнают, как использовать инновации в процессорах TPU, чтобы максимизировать производительность своих собственных приложений ИИ По окончании обучения участники смогут: Обучать различным типам нейронных сетей на большом количестве данных Используйте TPU для ускорения процесса вывода до двух порядков Используйте TPU для обработки интенсивных приложений, таких как поиск изображений, облачное зрение и фотографии Аудитория Разработчики Исследователи Инженеры Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
35 часов
Обзор
TensorFlow ™ - это библиотека программного обеспечения с открытым исходным кодом для численного расчета с использованием графиков потока данных SyntaxNet представляет собой платформу для обработки естественного языка с использованием нейронной сети для TensorFlow Word2Vec используется для изучения векторных представлений слов, называемых «word embeddings» Word2vec - это, в частности, вычислительно-эффективная прогностическая модель для встраивания слов из исходного текста Он поставляется в двух вариантах: модели Continuous BagofWords (CBOW) и модели SkipGram (глава 31 и 32 в Mikolov et al) Используемые в тандеме, SyntaxNet и Word2Vec позволяют пользователям создавать модели Learned Embedding из ввода Natural Language Аудитория Этот курс предназначен для разработчиков и инженеров, которые намерены работать с моделями SyntaxNet и Word2Vec на своих графиках TensorFlow По завершении этого курса делегаты: понимать структуру и механизмы развертывания TensorFlow иметь возможность выполнять задачи установки и производства / архитектуры и конфигурации иметь возможность оценивать качество кода, выполнять отладку, мониторинг иметь возможность внедрять передовые технологии производства, такие как модели обучения, условия внедрения, построения графиков и ведения журнала ,.
35 часов
Обзор
Этот курс начинается с предоставления вам концептуальных знаний в нейронных сетях и, как правило, в алгоритме машинного обучения, глубоком изучении (алгоритмах и приложениях) Часть 1 (40%) этого обучения больше ориентирована на основы, но поможет вам выбрать правильную технологию: TensorFlow, Caffe, Theano, DeepDrive, Keras и т Д Часть 2 (20%) этого тренинга представляет Theano библиотеку python, которая упрощает запись моделей глубокого обучения Часть 3 (40%) обучения будет широко основана на Tensorflow 2-го поколения API-библиотеки открытого программного обеспечения Google для Deep Learning Примеры и handson будут сделаны в TensorFlow Аудитория Этот курс предназначен для инженеров, которые хотят использовать TensorFlow для своих проектов Deep Learning По завершении этого курса делегаты: хорошо разбираются в глубоких нейронных сетях (DNN), CNN и RNN понимать структуру и механизмы развертывания TensorFlow иметь возможность выполнять задачи установки и производства / архитектуры и конфигурации иметь возможность оценивать качество кода, выполнять отладку, мониторинг иметь возможность внедрять современное производство, например, модели обучения, строить графики и вести журнал Не все темы будут освещены в публичном классе продолжительностью 35 часов из-за обширной темы Продолжительность полного курса составит около 70 часов, а не 35 часов ,.
21 часов
Обзор
Microsoft Cognitive Toolkit 2x (ранее CNTK) - это инструментарий с открытым исходным кодом, коммерческий инструмент, который тренирует алгоритмы глубокого обучения, чтобы учиться, как человеческий мозг Согласно Microsoft, CNTK может быть на 510x быстрее, чем TensorFlow в повторяющихся сетях, и в 2 - 3 раза быстрее, чем TensorFlow для задач с изображениями В этом обученном, живом обучении участники узнают, как использовать Microsoft Cognitive Toolkit для создания, обучения и оценки алгоритмов глубокого обучения для использования в коммерческих приложениях AI с использованием нескольких типов данных, таких как данные, речь, текст и изображения К концу этого тренинга участники смогут: Доступ к CNTK в виде библиотеки из программы Python, C # или C ++ Используйте CNTK как автономный инструмент для машинного обучения через собственный язык описания модели (BrainScript) Используйте функциональность оценки модели CNTK из программы Java Объединение DNN с продолжением, сверточные сети (CNN) и повторяющиеся сети (RNNs / LSTM) Масштабная вычислительная мощность на процессорах, графических процессорах и нескольких машинах Доступ к массивным наборам данных с использованием существующих языков программирования и алгоритмов Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson Заметка Если вы хотите настроить любую часть этого обучения, в том числе язык программирования по выбору, пожалуйста, свяжитесь с нами, чтобы договориться ,.
21 часов
Обзор
Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.

This instructor-led, live training (onsite or remote) is aimed at technical persons who wish to apply deep learning model to image recognition applications.

By the end of this training, participants will be able to:

- Install and configure Keras.
- Quickly prototype deep learning models.
- Implement a convolutional network.
- Implement a recurrent network.
- Execute a deep learning model on both a CPU and GPU.

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.
- To learn more about Keras, please visit: https://keras.io/
21 часов
Обзор
Искусственная нейронная сеть - это вычислительная модель данных, используемая при разработке систем искусственного интеллекта (AI), способных выполнять «интеллектуальные» задачи Нейронные сети обычно используются в приложениях машинного обучения (ML), которые сами по себе представляют собой реализацию ИИ Глубокое обучение - это подмножество ML ,.
28 часов
Обзор
Машиноведение - это отрасль Искусственного интеллекта, в которой компьютеры имеют возможность учиться, не будучи явно запрограммированными Глубокое обучение - это подполе машинного обучения, которое использует методы, основанные на представлениях данных обучения и таких структурах, как нейронные сети Python - высокоуровневый язык программирования, известный своим четким синтаксисом и удобочитаемостью кода В этом обученном, живом обучении участники узнают, как внедрять модели глубокого обучения для банковских операций с использованием Python, когда они проходят через создание модели кредитного риска с глубоким обучением К концу этого тренинга участники смогут: Понять фундаментальные концепции глубокого обучения Изучение приложений и использование глубокого обучения в банковской сфере Используйте Python, Keras и TensorFlow для создания моделей глубокого обучения для банковских операций Создайте собственную модель кредитного риска с глубоким обучением, используя Python Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
28 часов
Обзор
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 часов
Обзор
Искусственная нейронная сеть - это вычислительная модель данных, используемая при разработке систем искусственного интеллекта (AI), способных выполнять «интеллектуальные» задачи Нейронные сети обычно используются в приложениях машинного обучения (ML), которые сами по себе представляют собой реализацию ИИ Глубокое обучение - это подмножество ML ,.
21 часов
Обзор
Caffe - основа глубокого обучения, разработанная с выражением, скоростью и модулем В этом курсе рассматривается приложение Caffe как основа глубокого обучения для распознавания изображений с использованием MNIST в качестве примера Аудитория Этот курс подходит для исследователей и инженеров Deep Learning, заинтересованных в использовании Caffe в качестве основы По завершении этого курса делегаты смогут: понимать структуру и механизмы развертывания Caffe выполнять задачи установки и производства / архитектуры и конфигурации оценивать качество кода, выполнять отладку, мониторинг реализовать современную продукцию, такую ​​как модели обучения, внедрение слоев и ведение журнала ,.
21 часов
Обзор
Этот курс является общим обзором для Deep Learning, не углубляясь в какие-либо конкретные методы Он подходит для людей, которые хотят начать использовать глубокое обучение, чтобы повысить их точность прогнозирования ,.
выходные Deep Learning курсы, курсы Deep Learning выходного дня, вечерние Deep Learning курсы, Deep Learning технические учебные курсы, Deep Learning буткемп, Deep Learning буткэмп, Deep Learning курсы с инструктором, Deep Learning тренинг с инструктором, выходной Deep Learning тренинг, тренинг Deep Learning выходного дня, вечерние Deep Learning курсы, Deep Learning коачинг, Deep Learning тренерство, Deep Learning тренинг, Deep Learning инструктор, Deep Learning тренер, Deep Learning коач, Deep Learning курсы, Deep Learning занятия, Deep Learning локальные, Deep Learning частные занятия, Deep Learning частные курсы, Deep Learning индивидуальный тренинг, Deep Learning индивидуальные занятия

Скидки

No course discounts for now.

Информационная рассылка

Мы уважаем конфиденциальность Ваших персональных данных. Мы обязуемся не передавать Ваши данные третьим лицам. Вы всегда можете изменить свои настройки конфиденциальности или полностью отказаться от подписки.

Наши клиенты

is growing fast!

We are looking to expand our presence in Russia!

As a Business Development Manager you will:

  • expand business in Russia
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!