Местные, обучаемые в режиме реального времени курсы обучения машинного обучения демонстрируют практическую практику практического применения методов машинного обучения и инструментов для решения проблем реального мира в различных отраслях Курсы NobleProg ML охватывают различные языки программирования и фреймворки, включая язык Python, R и Matlab Курсы машинного обучения предлагаются для ряда отраслевых приложений, в том числе для финансов, банковского дела и страхования, а также для изучения основ машинного обучения, а также более продвинутых подходов, таких как глубокое обучение Обучение машинного обучения 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
Непосредственный охват вопросов машинного обучения, особенно нейронных сетей. Демистифицировал много темы
Sacha Nandlall
Курсы: Python for Advanced Machine Learning
Machine Translated
Мне искренне нравились упражнения
L M ERICSSON LIMITED
Курсы: Machine Learning
Machine Translated
Возможность самостоятельно обсудить предлагаемые вопросы ORANGE POLSKA S.A.
ORANGE POLSKA S.A.
Курсы: Machine Learning and Deep Learning
Machine Translated
Общение с преподавателями 张 文欣 - Accenture
文欣 张
Курсы: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Нравится
lisa xie
Курсы: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
I liked the lab exercises.
Marcell Lorant - L M ERICSSON LIMITED
Курсы: Machine Learning
The Jupyter notebook form, in which the training material is available
L M ERICSSON LIMITED
Курсы: Machine Learning
There were many exercises and interesting topics.
L M ERICSSON LIMITED
Курсы: Machine Learning
Some great lab exercises analyzed and explained by the trainer in depth (e.g. covariants in linear regression, matching the real function)
L M ERICSSON LIMITED
Курсы: Machine Learning
It's just great that all material including the exercises is on the same page and then it gets updated on the fly. The solution is revealed at the end. Cool! Also, I do appreciate that Krzysztof took extra effort to understand our problems and suggested us possible techniques.
Attila Nagy - L M ERICSSON LIMITED
Курсы: Machine Learning
Big and up-to-date knowledge of leading and practical application examples.
ING Bank Śląski S.A.
Курсы: Introduction to Deep Learning
A lot of exercises, very good cooperation with the group.
Janusz Chrobot - ING Bank Śląski S.A.
Курсы: Introduction to Deep Learning
work on colaborators,
ING Bank Śląski S.A.
Курсы: Introduction to Deep Learning
It was obvious that the enthusiasts of the presented topics were leading. Used interesting examples during exercise.
ING Bank Śląski S.A.
Курсы: Introduction to Deep Learning
A wide range of topics covered and substantial knowledge of the leaders.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курсы: Understanding Deep Neural Networks
Lack
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курсы: Understanding Deep Neural Networks
Big theoretical and practical knowledge of the lecturers. Communicativeness of trainers. During the course, you could ask questions and get satisfactory answers.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курсы: Understanding Deep Neural Networks
Practical part, where we implemented algorithms. This allowed for a better understanding of the topic.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курсы: Understanding Deep Neural Networks
exercises and examples implemented on them
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курсы: Understanding Deep Neural Networks
Examples and issues discussed.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курсы: Understanding Deep Neural Networks
Substantive knowledge, commitment, a passionate way of transferring knowledge. Practical examples after a theoretical lecture.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курсы: Understanding Deep Neural Networks
Practical exercises prepared by Mr. Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курсы: Understanding Deep Neural Networks
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Курсы: Advanced Deep Learning
Human identification and circuit board bad point detection
王 春柱 - 中移物联网
Курсы: Deep Learning for NLP (Natural Language Processing)
Demonstrate
中移物联网
Курсы: Deep Learning for NLP (Natural Language Processing)
About face area.
中移物联网
Курсы: Deep Learning for NLP (Natural Language Processing)
The informal exchanges we had during the lectures really helped me deepen my understanding of the subject
Explore
Курсы: Deep Reinforcement Learning with Python
It is showing many methods with pre prepared scripts- very nicely prepared materials & easy to traceback
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Курсы: Machine Learning – Data science
I like that training was focused on examples and coding. I thought that it is impossible to pack so much content into three days of training, but I was wrong. Training covered many topics and everything was done in a very detailed manner (especially tuning of model's parameters - I didn't expected that there will be a time for this and I was gratly surprised).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Курсы: Machine Learning – Data science
Alternation theory / practice effective!
CIRAD
Курсы: Introduction to Machine Learning with MATLAB
Progressive presentation and application of methods
Aurélien Briffaz - CIRAD
Курсы: Introduction to Machine Learning with MATLAB
Availability and adaptability, answers to questions
Jean-Michel MEOT - CIRAD
Курсы: Introduction to Machine Learning with MATLAB
Issues discussed, exercises carried out (examples), atmosphere of training, contact with the trainer, location.
Wojskowe Zakłady Uzbrojenia S.A. w Grudziądzu
Курсы: Octave not only for programmers
A lot of practical tips
Pawel Dawidowski - ABB Sp. z o.o.
Курсы: Deep Learning with TensorFlow
A lot of information related to the implementation of solutions
Michał Smolana - ABB Sp. z o.o.
Курсы: Deep Learning with TensorFlow
A multitude of practical tips and knowledge of the lecturer from a wide range of AI / IT / SQL / IoT issues.
ABB Sp. z o.o.
Курсы: Deep Learning with TensorFlow
I like that it focuses more on the how-to of the different text summarization methods
Курсы: Text Summarization with Python
много информации, ответы на все вопросы, интересные примеры
A1 Telekom Austria AG
Курсы: Deep Learning for Telecom (with Python)
Machine Translated
Тренер был профессионалом в предметной области и смежной теории с превосходным применением
Fahad Malalla - Tatweer Petroleum
Курсы: Applied AI from Scratch in Python
Machine Translated
Я начал с почти нулевого знания, и к концу я смог построить и обучить свои собственные сети.
Huawei Technologies Duesseldorf GmbH
Курсы: TensorFlow for Image Recognition
Machine Translated
Ewa has a passion for the subject and a huge wealth of knowledge. She impressed all of us with her knowledge and kept us all focused through the day.
Rock Solid Knowledge Ltd
Курсы: Machine Learning – Data science
Even with having to miss a day due to customer meetings, I feel I have a much clearer understanding of the processes and techniques used in Machine Learning and when I would use one approach over another. Our challenge now is to practice what we have learned and start to apply it to our problem domain
Richard Blewett - Rock Solid Knowledge Ltd
Курсы: Machine Learning – Data science
So much breadth and topics covered. I felt it was a huge subject to try and cover in 3 days - the trainer did what they could to cover everything almost exactly on time!
Rock Solid Knowledge Ltd
Курсы: Machine Learning – Data science
I like that it focuses more on the how-to of the different text summarization methods
Курсы: Text Summarization with Python
Machine Learning Подкатегории
Machine Learning Содержание курса
Название курса
Продолжительность
Обзор
Название курса
Продолжительность
Обзор
35 часов
Обзор
Это живое обучение под руководством инструктора (локальное или дистанционное) предназначено для профессионалов, которые хотят начать карьеру в области Data Science .
К концу этого тренинга участники смогут:
- Установите и настройте Python и MySql.
- Понять, что такое Data Science и как она может повысить ценность практически любого бизнеса.
- Изучите основы кодирования в Python
- Изучите контролируемые и неконтролируемые методы Machine Learning , а также способы их применения и интерпретации результатов.
Формат курса
- Интерактивная лекция и обсуждение.
- Много упражнений и практики.
- Практическая реализация в среде живых лабораторий.
Параметры настройки курса
- Чтобы заказать индивидуальное обучение для этого курса, пожалуйста, свяжитесь с нами, чтобы договориться.
К концу этого тренинга участники смогут:
- Установите и настройте Python и MySql.
- Понять, что такое Data Science и как она может повысить ценность практически любого бизнеса.
- Изучите основы кодирования в Python
- Изучите контролируемые и неконтролируемые методы Machine Learning , а также способы их применения и интерпретации результатов.
Формат курса
- Интерактивная лекция и обсуждение.
- Много упражнений и практики.
- Практическая реализация в среде живых лабораторий.
Параметры настройки курса
- Чтобы заказать индивидуальное обучение для этого курса, пожалуйста, свяжитесь с нами, чтобы договориться.
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
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 (onsite or remote) 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 (onsite or remote) 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 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 ,.
14 часов
Обзор
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (onsite or remote) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (onsite or remote) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 часов
Обзор
Курс предназначен для тех, кто хотел бы узнать альтернативную программу для коммерческого пакета MATLAB Обучение threeday предоставляет исчерпывающую информацию о перемещении по окружающей среде и выполнении пакета OCTAVE для анализа данных и инженерных расчетов Получатели обучения - это новички, но также те, кто знает программу и хотят систематизировать свои знания и улучшить свои навыки Знание других языков программирования не требуется, но это значительно облегчит приобретение знаний учениками Курс покажет вам, как использовать программу на многих практических примерах ,.
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 ,.
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 ,.
21 часов
Обзор
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 (onsite or remote) 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 (onsite or remote) 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 часов
Обзор
Эта обучающая сессия, основанная на классе, будет изучать инструменты машинного обучения с помощью (предлагаемого) Python Делегаты будут иметь компьютерные примеры и упражнения для изучения конкретных ситуаций ,.
21 часов
Обзор
Этот курс представляет методы машинного обучения в приложениях для робототехники Это широкий обзор существующих методов, мотивов и основных идей в контексте распознавания образов После короткого теоретического опыта участники будут выполнять простые упражнения с использованием open source (обычно R) или любого другого популярного программного обеспечения ,.
21 часов
Обзор
Целью этого курса является обеспечение общего мастерства в применении методов машинного обучения на практике Благодаря использованию языка программирования Python и его различных библиотек и на основе множества практических примеров, этот курс учит, как использовать наиболее важные строительные блоки машинного обучения, как принимать решения моделирования данных, интерпретировать результаты алгоритмов и подтвердите результаты Наша цель - дать вам навыки, чтобы понять и использовать самые фундаментальные инструменты из инструментария машинного обучения уверенно и избежать общих ошибок приложений Data Sciences ,.
14 часов
Обзор
MLOps (Machine Learning Operations) is the practice of integrating data science and operations to help manage the ML lifecycle. MLOps provides the ability to automate the reproduction of machine learning model development and training.
This instructor-led, live training (onsite or remote) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (onsite or remote) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 часов
Обзор
В этом обученном, живом обучении участники узнают, как использовать стек технологии iOS Machine Learning (ML), поскольку они выполняют шаг по созданию и развертыванию мобильного приложения iOS К концу этого тренинга участники смогут: Создание мобильного приложения, способного обрабатывать изображения, текстовый анализ и распознавание речи Доступ к предварительно подготовленным моделям ML для интеграции в приложения iOS Создание пользовательской модели ML Добавить поддержку Siri Voice для приложений iOS Понимать и использовать такие рамки, как coreML, Vision, CoreGraphics и GamePlayKit Используйте языки и инструменты, такие как Python, Keras, Caffee, Tensorflow, scikit learn, libsvm, Anaconda и Spyder Аудитория Разработчики Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
14 часов
Обзор
Эта обучающая сессия, основанная на классе, будет изучать методы машинного обучения с использованием компьютерных примеров и упражнений по изучению конкретных ситуаций с использованием соответствующей программы ,.
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 ,.
7 часов
Обзор
Этот учебный курс предназначен для людей, которые хотели бы применять базовые методы машинного обучения в практических приложениях Аудитория Ученые данных и статистик, которые знакомы с машинным обучением и знают, как программировать R Основное внимание в этом курсе уделяется практическим аспектам подготовки данных / моделей, их выполнения, постходового анализа и визуализации Цель состоит в том, чтобы дать практическое введение в машинное обучение участникам, заинтересованным в применении методов на работе Секторные примеры используются, чтобы сделать обучение релевантным для аудитории ,.
14 часов
Обзор
Целью этого курса является предоставление базового знания в применении методов машинного обучения на практике Благодаря использованию платформы программирования R и ее различных библиотек и на основе множества практических примеров этот курс учит, как использовать наиболее важные строительные блоки машинного обучения, как принимать решения моделирования данных, интерпретировать результаты алгоритмов и подтвердите результаты Наша цель - дать вам навыки, чтобы понять и использовать самые фундаментальные инструменты из инструментария машинного обучения уверенно и избежать общих ошибок приложений Data Sciences ,.
14 часов
Обзор
Целью этого курса является предоставление базового знания в применении методов машинного обучения на практике Благодаря использованию языка программирования Python и его различных библиотек и на основе множества практических примеров, этот курс учит, как использовать наиболее важные строительные блоки машинного обучения, как принимать решения моделирования данных, интерпретировать результаты алгоритмов и подтвердите результаты Наша цель - дать вам навыки, чтобы понять и использовать самые фундаментальные инструменты из инструментария машинного обучения уверенно и избежать общих ошибок приложений Data Sciences ,.
14 часов
Обзор
Целью этого курса является предоставление базового знания в применении методов машинного обучения на практике Благодаря использованию языка программирования Scala и его различных библиотек и на основе множества практических примеров, этот курс учит, как использовать наиболее важные строительные блоки машинного обучения, как принимать решения моделирования данных, интерпретировать результаты алгоритмов и подтвердите результаты Наша цель - дать вам навыки, чтобы понять и использовать самые фундаментальные инструменты из инструментария машинного обучения уверенно и избежать общих ошибок приложений Data Sciences ,.
28 часов
Обзор
Машиноведение - это отрасль Искусственного интеллекта, в которой компьютеры имеют возможность учиться, не будучи явно запрограммированными R - популярный язык программирования в финансовой индустрии Он используется в финансовых приложениях, начиная от основных программ торговли и заканчивая системами управления рисками В этом обученном, живом обучении участники узнают, как применять методы машинного обучения и инструменты для решения проблем реального мира в финансовой отрасли R будет использоваться в качестве языка программирования Участники сначала изучают ключевые принципы, затем внедряют свои знания на практике, создавая свои собственные модели машинного обучения и используя их для выполнения ряда командных проектов К концу этого тренинга участники смогут: Понимать фундаментальные концепции машинного обучения Изучение приложений и использование машинного обучения в области финансов Разработка собственной алгоритмической торговой стратегии с использованием машинного обучения с помощью R Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
21 часов
Обзор
Машиноведение - это отрасль Искусственного интеллекта, в которой компьютеры имеют возможность учиться, не будучи явно запрограммированными Python - это язык программирования, известный своим четким синтаксисом и удобочитаемостью Он предлагает отличную коллекцию проверенных библиотек и методов разработки приложений машинного обучения В этом обученном, живом обучении участники узнают, как применять методы машинного обучения и инструменты для решения проблем реального мира в финансовой отрасли Участники сначала изучают ключевые принципы, затем внедряют свои знания на практике, создавая свои собственные модели машинного обучения и используя их для выполнения ряда командных проектов К концу этого тренинга участники смогут: Понимать фундаментальные концепции машинного обучения Изучение приложений и использование машинного обучения в области финансов Разработка собственной алгоритмической торговой стратегии с использованием машинного обучения с Python Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
21 часов
Обзор
Этот учебный курс предназначен для людей, которые хотели бы применять машинное обучение в практических приложениях для своей команды Обучение не будет погружаться в технические аспекты и не будет вращаться вокруг базовых концепций и бизнес-приложений Целевая аудитория Инвесторы и предприниматели Менеджеры и инженеры, чья компания рисковала в пространство AI Бизнес-аналитики и инвесторы ,.
21 часов
Обзор
Этот курс охватывает ИИ (с акцентом на машинное обучение и глубокое обучение) ,.
7 часов
Обзор
This instructor-led, live training (onsite or remote) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
28 часов
Обзор
В этом обученном, живом обучении участники научатся применять методы машинного обучения и инструменты для решения проблем реального мира в банковской отрасли R будет использоваться в качестве языка программирования Участники сначала изучают ключевые принципы, затем внедряют свои знания на практике, создавая свои собственные модели машинного обучения и используя их для завершения ряда живых проектов Аудитория Разработчики Ученые данных Банковские специалисты с техническим опытом Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.
14 часов
Обзор
Библиотека Apache OpenNLP представляет собой набор инструментальных средств для машинного обучения для обработки текста естественного языка Он поддерживает наиболее распространенные задачи NLP, такие как обнаружение языка, токенизация, сегментация предложения, маркировка partofspeech, извлечение именованного объекта, разбиение на разделы, разбор и разрешение ядра В этом обученном, живом обучении участники узнают, как создавать модели для обработки текстовых данных с использованием OpenNLP В качестве основы для лабораторных упражнений будут использоваться примеры учебных данных, а также настроенные наборы данных К концу этого тренинга участники смогут: Установка и настройка OpenNLP Загрузите существующие модели, а также создайте свои собственные Обучить модели различным наборам данных выборки Интеграция OpenNLP с существующими приложениями Java Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и 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
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
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/
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/
Другие регионы
другие страны
Консалтинг
выходные Machine Learning курсы, курсы Machine Learning выходного дня, вечерние Machine Learning курсы, Machine Learning технические учебные курсы, Machine Learning буткемп, Machine Learning буткэмп, Machine Learning курсы с инструктором, Machine Learning тренинг с инструктором, выходной Machine Learning тренинг, тренинг Machine Learning выходного дня, вечерние Machine Learning курсы, Machine Learning коачинг, Machine Learning тренерство, Machine Learning тренинг, Machine Learning инструктор, Machine Learning тренер, Machine Learning коач, Machine Learning курсы, Machine Learning занятия, Machine Learning локальные, Machine Learning частные занятия, Machine Learning частные курсы, Machine Learning индивидуальный тренинг, Machine Learning индивидуальные занятия
.png "european space agency (esa)")
.jpg "european southern observatory (eso)")
.jpg "european organization for nuclear research (cern)")
_ireland.gif "environmental protection agency (epa) ireland")
