Advanced Analytics with RapidMiner Kurzusok

RapidMiner egy nyílt forrású RapidMiner szoftverplatform az alkalmazás gyors prototípusozásához és fejlesztéséhez. Magában foglal egy integrált környezetet az adatok előkészítéséhez, gépi tanuláshoz, mély tanuláshoz, szövegbányászathoz és prediktív elemzéshez.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet a RapidMiner Studio-t használni az adatok előkészítéséhez, a gépi tanuláshoz és a prediktív modell üzembe helyezéséhez.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a RapidMiner
• Készítsen elő és jelenítse meg az adatokat a RapidMiner
• Hitelesítse a gépi tanulási modelleket
• Mashup-adatok és prediktív modellek készítése
• Működtesse a prediktív elemzést egy üzleti folyamaton belül
• Hibaelhárítás és optimalizálás a RapidMiner

Közönség

• Adattudósok
• mérnökök
• Fejlesztők

A tantárgy formátuma

• Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

jegyzet

• Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.

Milyenek lesznek a városok a jövőben? Hogyan lehet a Artificial Intelligence (AI) felhasználni a várostervezés javítására? Hogyan lehet az AI-t felhasználni a városok hatékonyabbá, élhetőbbé, biztonságosabbá és környezetbarátabbá tételéhez?

Ebben az oktató által irányított, élő (helyszíni vagy távoli) képzésben megvizsgáljuk az AI-t alkotó különféle technológiákat, valamint a készségkészleteket és a mentális keretet, amelyek ahhoz szükségesek, hogy felhasználják őket a várostervezéshez. Ezenkívül olyan eszközöket és megközelítéseket fedünk le, amelyek a releváns adatok összegyűjtésére és megszervezésére szolgálnak az AI-ben, ideértve az adatbányászatot is.

Közönség

• Városi tervezők
• Építészek
• Fejlesztők
• Közlekedési tisztviselők

A tantárgy formátuma

• Rész előadás, rész vita és egy sor interaktív gyakorlat.

jegyzet

• Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.

Az AI az intelligens rendszerek megépítésére szolgáló technológiák gyűjteménye, amelyek képesek megérteni az adatokat és az adatokat körülvevő tevékenységeket az "intelligens döntések" meghozatalához. A távközlési szolgáltatók számára az AI-t használó építési alkalmazások és szolgáltatások nyithatják az utat a jobb működéshez és a szervizeléshez olyan területeken, mint a karbantartás és a hálózat optimalizálása.

Ebben a kurzusban megvizsgáljuk az AI-t alkotó különféle technológiákat és az azok használatához szükséges készségeket. A tanfolyam során megvizsgáljuk az AI speciális alkalmazásait a távközlési iparban.

Közönség

• Hálózati mérnökök
• Hálózati üzemeltetési személyzet
• Távközlési műszaki vezetők

A tantárgy formátuma

• Rész előadás, rész vita, gyakorlati gyakorlatok

Ez a kurzus menedzserek, megoldástervezők, innovációs tisztek, technológiai igazgatók, szoftvertervezők és mindazok számára készült, akiket érdekel az alkalmazott mesterséges intelligencia áttekintése és a fejlődésének legközelebbi előrejelzése.

Ez a kurzus azon emberek számára készült, akiknek nincs korábbi tapasztalata a valószínűséggel és a statisztikában .

A lineáris algebra a matematika egyik ágát jelenti, amely vektorokkal, mátrixokkal és lineáris transzformációkkal foglalkozik A lineáris algebra ismerete segít a mérnökök és a fejlesztők számára a gépi tanulási képességek fejlesztésében A lineáris algebra koncepciók megértése lehetővé teszi számukra, hogy jobban megértsék a gépi tanulási technikák mögött álló elveket, és ezáltal gyorsabban megoldják a problémákat Ebben az oktatott, élő képzésben a résztvevők megtanulják a lineáris algebra alapjait, miközben egy gépi tanulási problémát megoldanak a lineáris algebra módszerekkel A képzés végére a résztvevők képesek lesznek: Értsd meg az alapvető lineáris algebra koncepciókat Ismerje meg a gépi tanuláshoz szükséges lineáris algebrai készségeket Használjon lineáris algebra struktúrákat és koncepciókat az adatok, képek, algoritmusok stb A gépi tanulási probléma megoldása lineáris algebra segítségével Közönség Fejlesztők mérnökök A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat jegyzet Ha erre a kurzusra személyre szabott képzést szeretne kérni, kérjük, vegye fel velünk a kapcsolatot .

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek szól, akik az Azure ML drag-and-drop platformját szeretnék használni Machine Learning munkaterhelések telepítéséhez anélkül, hogy szoftvert és hardvert kellene vásárolniuk, és nem kellene aggódniuk. a karbantartásról és a telepítésről.

A képzés végére a résztvevők képesek lesznek:

• Írjon rendkívül pontos gépi tanulási modelleket Python, R vagy nulla kódú eszközökkel.
• Használja ki az Azure elérhető adatkészleteit és algoritmusait a gépi tanulás és a mélytanulási modellek betanításához és nyomon követéséhez.
• Használja az Azures interaktív munkaterületét az ML-modellek közös fejlesztéséhez.
• Válasszon a különböző Azure által támogatott ML-keretrendszerek közül, például PyTorch, TensorFlow és scikit-learn.

A mesterséges neurális hálózat egy számítástechnikai adatmodell, amelyet az „intelligens” feladatok elvégzésére alkalmas Artificial Intelligence (AI) rendszerek fejlesztésére használnak. Neural Networks gyakran használják a Machine Learning (ML) alkalmazásokban, amelyek maguk is az AI egyik megvalósítása. Deep Learning az ML részhalmaza.

Ez egy 4 napos tanfolyam, amely bemutatja az AI-t és annak alkalmazását. Lehetőség van arra, hogy a kurzus befejezése után egy további napot kapjon egy AI-projekt elvégzésére.

Ez egy 4 napos tanfolyam, amely bemutatja az AI és annak alkalmazását a Python programozási nyelv használatával. Van egy lehetőség, hogy egy további napot, hogy elvégezzen egy AI projekt befejezése után ez a kurzus. 

Ez a tanfolyam azoknak szól, akik gyakorlati alkalmazásokban szeretnék alkalmazni a Machine Learning .

Közönség

Ez a kurzus olyan tudósok és statisztikusok számára készült, akik ismerik a statisztikákat és tudják, hogyan programozzák az R-et (vagy Python vagy más választott nyelvet). A kurzus középpontjában az adatok / modellkészítés, a végrehajtás, a post hoc elemzés és a vizualizáció gyakorlati aspektusai állnak.

A cél az, hogy gyakorlati alkalmazásokat nyújtson a Machine Learning azoknak a résztvevőknek, akik érdeklődnek a módszerek alkalmazásából.

Az ágazatspecifikus példákat arra használják, hogy a képzés a közönség számára releváns legyen.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik gépi tanulási modelleket szeretnének létrehozni és betanítani a termelésre kész tárhelykörnyezetekben való bevezetésre.

A képzés végére a résztvevők képesek lesznek:

• Használjon notebook példányokat az adatok képzéshez való előkészítésére és feltöltésére.
• Gépi tanulási modellek betanítása képzési adatkészletek segítségével.
• Előrejelzések létrehozásához telepítsen betanított modelleket egy végpontra.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak szól, akik a Azure Machine Learning segítségével szeretnék teljes körű gépi tanulási modelleket készíteni prediktív elemzéshez.

A képzés végére a résztvevők képesek lesznek:

• Készítsen gépi tanulási modelleket nulla programozási tapasztalattal.
• Hozzon létre prediktív algoritmusokat a Azure Machine Learning segítségével.
• Telepítsen üzemkész gépi tanulási algoritmusokat.

Ez a kurzus elméleti és gyakorlati munka kombinációja lesz, konkrét példákkal, amelyeket az esemény során használnak.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a webfejlesztőknek szól, akik gépi tanulási modelleket szeretnének létrehozni Core ML for iOS 11 és macOS High Sierra fejlesztéssel.

A képzés végére a résztvevők képesek lesznek:

• Készítsen mesterséges intelligencia által vezérelt alkalmazásokat, amelyek gépi tanulást használnak.
• A képeket osztályozó gépi tanulási modellek megvalósítása.
• Használja a Core ML API-t az egyéni munkafolyamatok és a speciális használati esetek támogatására
• Elemezze a természetes nyelvű szöveget gépi tanulási modellekkel.