Practical Quantum Computing Kurzusok

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják a kvantumszámítás alapjait és Q#, miközben egyszerű kvantumprogramok fejlesztésén haladnak keresztül.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a Microsoft Quantum Development Kit-jét.
• Ismerje meg a kvantumszámítás mögött rejlő fogalmakat.
• Kvantumprogram készítése, tesztelése, végrehajtása és hibaelhárítása Q#, Visual Studio és egy helyi kvantumszámítógép-szimulátor segítségével.

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják a kvantumszámítás alapjait, miközben végighaladnak a kvantumszámítógépeket célzó algoritmusok fejlesztésén.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet a kvantumáramkörök létrehozásának megkezdéséhez.
• A kapu viselkedésének vezérlése a kapu natív megfelelőjének használatával.
• Javítsa a quibit-pontatlanságokat a Cirq használatával.
• Írjon és hajtson végre egy kvantumáramkört, amely egy NISQ alapú kvantumszámítógépes szimulátoron fut.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik a Kaggle segítségével szeretnének tanulni és építeni karrierjüket a Data Science területén.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az adattudományt és a gépi tanulást.
• Fedezze fel az adatelemzést.
• További információ a Kaggle-ről és annak működéséről.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik a Modin segítségével párhuzamos számításokat szeretnének létrehozni és megvalósítani a Pandas segítségével a gyorsabb adatelemzés érdekében.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges környezetet a Pandas munkafolyamatok Modin segítségével történő nagyszabású fejlesztéséhez.
• Ismerje meg a Modin funkcióit, architektúráját és előnyeit.
• Ismerje meg a különbségeket Modin, Dask és Ray között.
• Hajtsa végre Pandas műveletet gyorsabban a Modin segítségével.
• Valósítsa meg a teljes Pandas API-t és funkciókat.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik a RAPIDS segítségével GPU-gyorsított adatfolyamokat, munkafolyamatokat és vizualizációkat kívánnak létrehozni, gépi tanulási algoritmusokat, pl. XGBoost, cuML stb.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet az adatmodellek NVIDIA-val való felépítéséhez RAPIDS.
• Ismerje meg a RAPIDS szolgáltatásait, összetevőit és előnyeit.
• Használja ki a GPU-kat a végpontok közötti adat- és elemzési folyamatok felgyorsításához.
• Valósítsa meg a GPU-gyorsított adat-előkészítést és az ETL-t a cuDF és az Apache Arrow segítségével.
• Ismerje meg, hogyan hajthat végre gépi tanulási feladatokat XGBoost és cuML algoritmusokkal.
• Készítsen adatvizualizációkat és hajtson végre grafikonelemzést a cuXfilter és cuGraph segítségével.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak szól, akik a Anaconda ökoszisztémát szeretnék használni csomagok és adatelemzési munkafolyamatok egyetlen platformon történő rögzítésére, kezelésére és üzembe helyezésére.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja az Anaconda összetevőit és könyvtárait.
• Ismerje meg az Anaconda alapfogalmait, jellemzőit és előnyeit.
• Csomagok, környezetek és csatornák kezelése az Anaconda Navigator segítségével.
• Használja a Conda, R és Python csomagokat az adattudományhoz és a gépi tanuláshoz.
• Ismerjen meg néhány gyakorlati felhasználási esetet és technikát több adatkörnyezet kezeléséhez.

H2O AutoML is an artificial intelligence platform that automates the process of building, selecting and optimizing large numbers of machine learning models.

This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use H2O AutoML to automate the process of building and selecting the best machine learning algorithm and parameters.

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

• Automate the machine learning workflow.
• Automatically train and tune many machine learning models within a specified time range.
• Train stacked ensembles to arrive at highly predictive ensemble 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.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a gépi tanulással foglalkozó szakembereknek szól, akik szeretnék a Auto-sklearn segítségével automatizálni a gépi tanulási modell kiválasztásának és optimalizálásának folyamatát.

A képzés végére a résztvevők képesek lesznek:

• Automatizálja a rendkívül hatékony gépi tanulási modellek betanítási folyamatát.
• Építsen rendkívül pontos gépi tanulási modelleket, miközben megkerüli a különböző modellek kiválasztásának, betanításának és tesztelésének unalmasabb feladatait.
• Használja a gépi tanulás erejét valós üzleti problémák megoldására.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) adattudósoknak, valamint kevésbé technikai személyeknek szól, akik az Auto-Keras segítségével automatizálják a gépi tanulási modell kiválasztásának és optimalizálásának folyamatát.

A képzés végére a résztvevők képesek lesznek:

• Automatizálja a rendkívül hatékony gépi tanulási modellek betanítási folyamatát.
• Automatikusan keresse meg a legjobb paramétereket a mély tanulási modellekhez.
• Építsen nagyon pontos gépi tanulási modelleket.
• Használja a gépi tanulás erejét valós üzleti problémák megoldására.

Ez az oktató által vezetett, élő (online vagy helyszíni) képzés azoknak az adattudósoknak, gépi tanulási mérnököknek és számítógépes látáskutatóknak szól, akik a Stable Diffusion segítségével szeretnék kiváló minőségű képeket készíteni különféle felhasználási esetekben.

A képzés végére a résztvevők képesek lesznek:

Ismerje meg a Stable Diffusion alapelveit, és hogyan működik a képalkotás során. Építsen és képezzen Stable Diffusion modelleket képgenerálási feladatokhoz. Alkalmazza a Stable Diffusion-t különféle képgenerálási forgatókönyvekre, mint például a befestés, az outpainting és a kép-kép fordítás. Optimalizálja Stable Diffusion modell teljesítményét és stabilitását.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) közép- és haladó szintű adattudósoknak, gépi tanulási mérnököknek, mély tanulással foglalkozó kutatóknak és számítógépes látásszakértőknek szól, akik szeretnék bővíteni tudásukat és készségeiket a mélytanulásban. szöveg-kép létrehozásához.

A képzés végére a résztvevők képesek lesznek:

Ismerje meg a fejlett mély tanulási architektúrákat és technikákat a szövegből képpé generáláshoz. Valósítson meg összetett modelleket és optimalizálásokat a kiváló minőségű képszintézis érdekében. Optimalizálja a teljesítményt és a méretezhetőséget nagy adatkészletekhez és összetett modellekhez. Hangolja be a hiperparamétereket a jobb modellteljesítmény és általánosítás érdekében. Integrálja a Stable Diffusion-t más mély tanulási keretrendszerekkel és eszközökkel

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a biológusoknak szól, akik szeretnék megérteni AlphaFold működését, és AlphaFold modelleket kívánnak útmutatóként használni kísérleti tanulmányaik során.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az AlphaFold alapelveit.
• Ismerje meg, hogyan működik AlphaFold.
• Tanulja meg, hogyan kell értelmezni AlphaFold előrejelzéseket és eredményeket.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a TensorFlow Lite segítségével mély tanulási modelleket kívánnak telepíteni beágyazott eszközökön.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a Tensorflow Lite-ot egy beágyazott eszközön.
• Ismerje meg a mögöttes fogalmakat és összetevőket TensorFlow Lite.
• Konvertálja a meglévő modelleket TensorFlow Lite formátumba a beágyazott eszközökön való végrehajtáshoz.
• Dolgozzon a kis eszközök és TensorFlow Lite korlátain belül, miközben megtanulja, hogyan bővítheti a futtatható műveletek körét.
• Telepítsen mély tanulási modellt egy Linuxot futtató beágyazott eszközön.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a TensorFlow Lite segítségével mély tanulási képességekkel rendelkező mobilalkalmazásokat kívánnak fejleszteni.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja TensorFlow Lite.
• Ismerje meg a TensorFlow, a gépi tanulás és a mély tanulás mögött meghúzódó elveket.
• Töltse be a TensorFlow modelleket egy Android-eszközre.
• Engedélyezze a mélytanulási és gépi tanulási funkciókat, például a számítógépes látást és a természetes nyelvfelismerést egy mobilalkalmazásban.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek szól, akik nagyon kicsi beágyazott eszközökön szeretnének gépi tanulási modelleket írni, betölteni és futtatni.

A képzés végére a résztvevők képesek lesznek:

• Telepítse TensorFlow Lite.
• Töltsön be gépi tanulási modelleket egy beágyazott eszközre, hogy lehetővé tegye a beszéd észlelését, a képek osztályozását stb.
• Adjon hozzá mesterséges intelligenciát a hardvereszközökhöz anélkül, hogy a hálózati kapcsolatra támaszkodna.