1. Mesterséges Intelligencia Training
  2. Machine Learning Training
  3. Deep Learning Kurzusok

Deep Learning Kurzusok

Deep Learning Kurzusok

A helyi, oktatott élő Deep Learning (DL) tanfolyamok demonstrálják a Handson gyakorlatban a Deep Learning alapjait és alkalmazási területeit, és fedezik azokat a témákat, mint a mély gépi tanulás, a mély strukturált tanulás és a hierarchikus tanulás A Deep Learning képzés "helyszíni élő képzés" vagy "távoli élő képzés" formájában érhető el A helyszíni élő képzés helyi szinten valósulhat meg az ügyfél telephelyén Magyarország vagy a NobleProg vállalati oktatóközpontjaiban Magyarország A távoli élőképzés interaktív, távoli asztal segítségével történik NobleProg Az Ön Helyi Képzési Szolgáltatója.

Ajánlások

★★★★★
★★★★★

Subcategories

TensorFlow KurzusokTensorFlow
Deeplearning4j KurzusokDeeplearning4j
Apache SINGA KurzusokApache SINGA
Caffe KurzusokCaffe

Kurzusleírás

KódNévIdőtartamÁttekintés
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 óraA mesterséges neurális hálózat olyan mesterséges intelligencia (AI) rendszerek kifejlesztésében használt számítási adatmodell, amelyet képesek "intelligens" feladatok elvégzésére. A neurális hálózatokat általánosan a Machine Learning (ML) alkalmazásokban használják, amelyek maguk is az AI megvalósításának. A mély tanulás az ML részhalmaza.
undnnUnderstanding Deep Neural Networks35 óraEz a kurzus azzal kezdődik, hogy fogalmi ismereteket ad neked a neurális hálózatokban és általában a gépi tanulási algoritmusban, a mély tanulásban (algoritmusokban és alkalmazásokban) A képzés 1 része (40%) nagyobb hangsúlyt fektet a fundamentumokra, de segít a megfelelő technológia kiválasztásában: TensorFlow, Caffe, Theano, DeepDrive, Keras stb A képzés második része (20%) bemutatja a Theano egy python könyvtárat, amely megkönnyíti a mélytanulási modellek írását A képzés harmadik része (40%) nagymértékben a Google nyílt forráskódú szoftverkönyvtárának a Tensorflow második generációs API-jára épül a Deep Learning számára A példák és a handson mind a TensorFlow-ban készültek Közönség Ez a tanfolyam célja azoknak a mérnököknek, akik a TensorFlow-t a Deep Learning projektekhez kívánják használni A kurzus befejezése után a küldöttek: jól értik a mély neurális hálózatokat (DNN), a CNN és ​​az RNN-t megérteni a TensorFlow struktúráját és telepítési mechanizmusait képes legyen telepítési / gyártási környezet / építészeti feladatok és konfiguráció végrehajtására képes a kódminőség felmérésére, a hibakeresés végrehajtására, a monitorozásra képesek legyenek olyan fejlett gyártási folyamatok bevezetésére, mint a képzési modellek, grafikonok készítése és naplózás Nem minden téma lenne egy nyilvános osztályteremben, amely 35 órás időtartamot jelent a téma hatalmas volta miatt A teljes tanfolyam időtartama körülbelül 70 óra, nem pedig 35 óra .
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7 óraA Tensor2Tensor (T2T) egy moduláris, bővíthető könyvtár az AI modellek különböző feladatokban történő kiképzéséhez, különböző típusú képzési adatok felhasználásával, például: képfelismerés, fordítás, elemzés, képaláírás és beszédfelismerés Ezt a Google Brain csapat fenntartja Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan készítsenek mélyreható modellt több feladat megoldására A képzés végére a résztvevők képesek lesznek: Telepítse a tenzor2tenzort, válasszon ki egy adatkészletet, és képelje és értékelje az AI modellt Testreszabhatja a fejlesztői környezetet a Tensor2Tensor által biztosított eszközök és komponensek használatával Egyetlen modell létrehozása és használata egyidejűleg több domainből származó feladatok megtanulásával Használja a modellt, hogy megtanuljon nagy mennyiségű képzési adatból származó feladatokat, és alkalmazza azokat a feladatokra, ahol az adatok korlátozottak Megfelelő feldolgozási eredményeket kap egyetlen GPU használatával Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
embeddingprojectorEmbedding Projector: Visualizing Your Training Data14 óraA projektor beágyazása egy nyílt forráskódú webes alkalmazás, amely a gépi tanulási rendszerek vonatozásához használt adatok vizualizálására szolgál A Google által létrehozott része a TensorFlow része Ez az oktatott, élő képzés bemutatja az Embedding Projector mögött álló fogalmakat, és a résztvevőket egy demo projekt létrehozásával végzi A képzés végére a résztvevők képesek lesznek: Fedezze fel, hogyan értelmezik az adatokat a gépi tanulási modellek Keresse meg a 3D és a 2D nézet adatokat, hogy megértse, hogyan értelmezi a gépi tanulási algoritmus Megérteni a beágyazások mögött rejlő fogalmakat és azok szerepét a matematikai vektorok ábrázolásához képekhez, szavakhoz és számokhoz Fedezze fel egy adott beágyazás tulajdonságait, hogy megértse a modell viselkedését Alkalmazzon beágyazási projektet a realworld-alkalmazásokra, ilyen például a zenés szerelmeseinek szóló dal ajánlásrendszere Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
openfaceOpenFace: Creating Facial Recognition Systems14 óraAz OpenFace Python és Torch alapú nyílt forráskódú, valós idejű arcfelismerő szoftver, amely a Google FaceNet kutatásán alapul Ebben az oktatott, élő képzésben a résztvevők megtudják, hogyan használják az OpenFace komponenseit egy minta arcfelismerő alkalmazás létrehozásához és telepítéséhez A képzés végére a résztvevők képesek lesznek: Munka OpenFace komponenseivel, beleértve a dlib-t, az OpenVC-t, a Torch-ot és az nn4-et az arcfelismerés, az illesztés és az átalakítás megvalósításához Alkalmazza az OpenFace-et realworld alkalmazásokra, mint például a felügyelet, a személyazonosság ellenőrzése, a virtuális valóság, a játék és az ismétlődő ügyfelek azonosítása stb Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
pythonadvmlPython for Advanced Machine Learning21 óraEbben az oktatott, élő képzésben a résztvevők megtanulják a legfontosabb és legelterjedtebb gépi tanulási technikákat a Pythonban, miközben olyan demó alkalmazásokat készítenek, amelyek képeket, zenéket, szövegeket és pénzügyi adatokat tartalmaznak A képzés végére a résztvevők képesek lesznek: Gépi tanulási algoritmusok és technikák végrehajtása komplex problémák megoldásához Alapos tanulás és félig felügyelt tanulás alkalmazása a képeket, zenéket, szöveget és pénzügyi adatokat tartalmazó alkalmazásokhoz Nyomja a Python algoritmusokat a maximális potenciáljukhoz Használjon olyan könyvtárakat és csomagokat, mint a NumPy és a Theano Közönség Fejlesztők Az elemzők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
radvmlAdvanced Machine Learning with R21 óraEbben az oktatott, élő edzésben a résztvevők megtanulják a gépi tanulás R-vel kapcsolatos fejlett technikáit, miközben áttérnek egy valós világi alkalmazás létrehozására A képzés végére a résztvevők képesek lesznek: Használja a technikákat hiperparaméterek hangolásának és mélytanulásának Értelmezni és végrehajtani a felügyelet nélküli tanulási technikákat Tegyen egy modellt a gyártáshoz egy nagyobb alkalmazáshoz Közönség Fejlesztők Az elemzők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
tensorflowservingTensorFlow Serving7 óraA TensorFlow Serving egy olyan rendszer, amely a gépi tanulás (ML) modellek gyártására szolgál Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan konfigurálják és használják a TensorFlow Serving-ot az ML-modellek telepítési környezetben történő telepítéséhez és kezeléséhez A képzés végére a résztvevők képesek lesznek: Vonattal, exportálással és különböző TensorFlow modellek szolgáltatásaival Algoritmusok tesztelése és telepítése egyetlen architektúrával és API-k készletével TensorFlow Támogatás kiterjesztése a TensorFlow modelleken kívüli más típusok kiszolgálására Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
matlabdlMatlab for Deep Learning14 óraEbben az oktatott, élő képzésben a résztvevők megtanulják használni a Matlab használatát a képfelismeréshez szükséges konvolúciós neurális hálózat tervezéséhez, felépítéséhez és megjelenítéséhez A képzés végére a résztvevők képesek lesznek: Építs egy mély tanulási modellt Az adatok címkézésének automatizálása Munka a Caffe és a TensorFlowKeras modelljeivel Vonatadatok több GPU, felhő vagy klaszter használatával Közönség Fejlesztők mérnökök Domain szakértők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
mlbankingpython_Machine Learning for Banking (with Python)21 óraA gépi tanulás a mesterséges intelligencia egyik ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna A Python egy olyan programozási nyelv, amely híres a világos szintaxisáról és olvashatóságáról Kiváló gyűjteményt nyújt a jól vizsgált könyvtáraknak és technikáknak a gépi tanulási alkalmazások fejlesztésében Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan alkalmazzák a gépi tanulási technikákat és eszközöket a valós világ problémáinak megoldására a bankszektorban A résztvevők először megtanulják a kulcsfontosságú alapelveket, majd gyakorlati ismereteiket a saját gépi tanulási modellek elkészítésével és a csapatprojektek befejezésével használják fel Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
dlfornlpDeep Learning for NLP (Natural Language Processing)28 óraA Deep Learning NLP lehetővé teszi a gép számára, hogy egyszerűen leegyszerűsítse a nyelvi feldolgozást A jelenleg rendelkezésre álló feladatok közül a nyelvfordítás és a képaláírás-generálás a fotók számára A DL (Deep Learning) az ML (Machine Learning) részhalmaza A Python egy népszerű programozási nyelv, amely könyvtárakat tartalmaz a Deep Learning NLP számára Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a Python könyvtárakat az NLP-hez (Natural Language Processing), mivel létrehoznak egy alkalmazást, amely képeket dolgoz fel és képeket generál A képzés végére a résztvevők képesek lesznek: Tervezés és kód NLL számára a Python könyvtárak használatával Hozzon létre egy Python kódot, amely egy lényegesen nagy gyűjteményből álló képet gyűjt össze és kulcsszavakat generál Olyan Python kódot hoz létre, amely feliratokat generál a felderített kulcsszavakból Közönség A nyelvtudással foglalkozó programozók A programozók, akik megértik az NLP (Natural Language Processing) A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
PaddlePaddlePaddlePaddle21 óraA PaddlePaddle (PArallel Distributed Deep LEarning) egy skálázható mélytanulási platform, amelyet Baidu fejlesztett ki Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a PaddlePaddle használatát, hogy lehetővé tegyék a mély tanulás lehetőségét a termék- és szolgáltatásalkalmazásokban A képzés végére a résztvevők képesek lesznek: Állítsa be és konfigurálja a PaddlePaddle-t Konvolúciós neurális hálózat (CNN) létrehozása a képfelismeréshez és az objektumok észleléséhez Állítson be egy visszatérő neurális hálózatot (RNN) az érzelemelemzéshez Állítsa be mély tanulásukat az ajánlórendszerekre, hogy segítsen a felhasználóknak megtalálni a válaszokat Az átkattintási arányok (CTR) előrejelzése, nagy méretű képkészletek osztályozása, optikai karakterfelismerés (OCR) végrehajtása, keresések rangsorolása, számítógépes vírusok felderítése és ajánlórendszer alkalmazása Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
dlfinancewithrDeep Learning for Finance (with R)28 óraA gépi tanulás a Mesterséges Intelligencia ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna A mély tanulás a gépi tanulás egyik részmezete, amely olyan tanulási adatokon és struktúrákon alapuló módszereket alkalmaz, mint a neurális hálózatok R népszerű programozási nyelv a pénzügyi ágazatban A pénzügyi alkalmazásokban az alapvető kereskedelmi programoktól a kockázatkezelési rendszerekig terjednek Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan valósítsanak meg mélyreható tanulási modelleket a finanszírozáshoz az R használatával, mivel átmennek egy mély tanuló részvényár-előrejelzési modell létrehozásával A képzés végére a résztvevők képesek lesznek: Értsd meg a mélytanulás alapfogalmait Megtanulják a mély tanulás alkalmazását és felhasználását a pénzügyekben Használja az R-t, hogy mély tanulásmodelleket hozzon létre a finanszírozáshoz Építsd meg saját mély tanulási részvényár-előrejelzési modelljét az R használatával Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
dlforbankingwithpythonDeep Learning for Banking (with Python)28 óraA gépi tanulás a Mesterséges Intelligencia ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna A mély tanulás a gépi tanulás egyik részmezete, amely olyan tanulási adatokon és struktúrákon alapuló módszereket alkalmaz, mint a neurális hálózatok A Python egy magas szintű programozási nyelv, amely híres a világos szintaxisról és a kódok olvashatóságáról Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan hajtsanak végre mélytanulási modelleket a bankok számára a Python használatával, miközben átmegyek egy mély tanulási hitelkockázati modell létrehozásán A képzés végére a résztvevők képesek lesznek: Értsd meg a mélytanulás alapfogalmait Ismerje meg a banki banki alkalmazások alkalmazását és használatát A Python, a Keras és a TensorFlow segítségével mély tanulásmodelleket hozhat létre a bankok számára Építsen saját mélytanulási hitelkockázati modellt Python használatával Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
dlforbankingwithrDeep Learning for Banking (with R)28 óraA gépi tanulás a Mesterséges Intelligencia ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna A mély tanulás a gépi tanulás egyik részmezete, amely olyan tanulási adatokon és struktúrákon alapuló módszereket alkalmaz, mint a neurális hálózatok R népszerű programozási nyelv a pénzügyi ágazatban A pénzügyi alkalmazásokban az alapvető kereskedelmi programoktól a kockázatkezelési rendszerekig terjednek Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan valósítsanak meg mélyreható tanulási modelleket a bankok számára az R használatával, mivel átmennek egy mély tanulású hitelkockázati modell létrehozásával A képzés végére a résztvevők képesek lesznek: Értsd meg a mélytanulás alapfogalmait Ismerje meg a banki banki alkalmazások alkalmazását és használatát Az R használatával mély tanulásmodelleket hozhat létre a bankok számára Építsen saját mély tanulási hitelkockázati modellt az R használatával Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
dlforfinancewithpythonDeep Learning for Finance (with Python)28 óraA gépi tanulás a Mesterséges Intelligencia ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna A mély tanulás a gépi tanulás egyik részmezete, amely olyan tanulási adatokon és struktúrákon alapuló módszereket alkalmaz, mint a neurális hálózatok A Python egy magas szintű programozási nyelv, amely híres a világos szintaxisról és a kódok olvashatóságáról Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan hajtsanak végre mélytanulási modelleket a pénzügyek felhasználására a Python segítségével, miközben átmegyek egy mély tanulási részvényár-előrejelzési modell létrehozásán A képzés végére a résztvevők képesek lesznek: Értsd meg a mélytanulás alapfogalmait Megtanulják a mély tanulás alkalmazását és felhasználását a pénzügyekben A Python, a Keras és a TensorFlow segítségével mély tanulásmodelleket hozhat létre a finanszírozáshoz Építsen saját mélytanulási részvényár-előrejelzési modellt a Python használatával Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
drlpythonDeep Reinforcement Learning with Python21 óraA mélyreható tanulás azt jelenti, hogy egy "mesterséges ügynök" képes a trialanderror és a jutalmak, valamint a dossziék megtanulására A mesterséges ágens arra törekszik, hogy emulálja az ember képességeit a tudás megszerzésére és építésére, akár közvetlenül a nyersanyagokból, mint például a látásból A megerősítő tanulás megvalósításához mély tanulás és neurális hálózatok használatosak A megerősítési tanulás eltér a gépi tanulástól, és nem támaszkodik felügyelt és felügyelet nélküli tanulási megközelítésekre Ebben az oktatott, élő képzésben a résztvevők megtanulják a Deep Reinforcement Learning alapjait, miközben átmegyek egy Deep Learning Agent létrehozásán A képzés végére a résztvevők képesek lesznek: Értsd meg a Deep Reinforcement Learning mögötti kulcsfogalmakat, és megkülönböztessd a gépi tanulástól Fejlett megerősítési tanítási algoritmusok alkalmazása a valós problémák megoldásához Építsen egy mély tanító ügynököt Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21 óraBevezetés : A mély tanulás a jövőbeli terméktervezés fő elemévé válik, amely a mesterséges intelligenciát modellek középpontjába kívánja építeni Az elkövetkező 5-10 évben a mély tanulás fejlesztőeszközei, könyvtárai és nyelvei minden egyes szoftverfejlesztési eszköztár standard komponensévé válnak Eddig a Google, a Sales Force, a Facebook és az Amazon sikeresen használta a mély tanulási AI-t, hogy növelje üzleti tevékenységét Az alkalmazások automatizált gépi fordításból, képelemzésből, videoelemzésből, mozgáselemzésből, célzott hirdetések generálásából és még sok másból álltak Ez a tanfolyam célja azoknak a szervezeteknek, amelyek a Deep Learning-t mint termék vagy szolgáltatásstratégia nagyon fontos részét szeretnék beépíteni Az alábbiakban bemutatjuk a mélytanulási tanfolyam vázlatát, amelyet testreszabható az egyes alkalmazottak / érdekelt felek különböző szintjein Célközönség: (A célközönségtől függően a kurzusokat testre szabják) vezetők Általános áttekintés az AI-ről és annak a vállalati stratégiába való illesztéséről, a stratégiai tervezéssel, a technológiai útitervekkel és az erőforrások elosztásával foglalkozó szakadásokról a maximális érték biztosítása érdekében Projektmenedzserek Hogyan tervezzen egy AI projektet, beleértve az adatgyűjtést és értékelést, az adatok tisztítását és ellenőrzését, a bizonyításfeltétel-modell kidolgozását, az üzleti folyamatokba történő integrációt és a szervezeten belüli szállításokat Fejlesztők Indepth technikai tréningek, amelyek középpontjában a neurális hálózatok és a mély tanulás, a kép- és videoelemzés (CNN), a hang- és szövegelemzés (NLP), valamint az AI meglévő alkalmazásokba való bejuttatása Értékesítők Általános áttekintés az AI-ről és arról, hogyan tudja kielégíteni az ügyfelek igényeit, értékeléseket kínál különböző termékekre és szolgáltatásokra, és hogyan lehet megnyerni a félelmeket és elősegíteni az AI előnyeit .
Nue_LBGNeural computing – Data science14 óraEz az osztálytermi alapú tréning olyan prezentációkat és számítógépes alapú példákat, valamint esettanulmányi feladatokat fog tartalmazni, amelyek a megfelelő idegi és mély hálózati könyvtárakkal .
dlformedicineDeep Learning for Medicine14 óraA gépi tanulás a mesterséges intelligencia egyik ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna A Deep Learning egy gépi tanulás egyik részmezete, amely megpróbálja utánozni az emberi agy működését a döntések meghozatalában Adatgyűjtéssel rendelkezik, hogy automatikusan megoldja a problémákat A Deep Learning óriási lehetőségeket kínál az orvosi ipar számára, amely egy adatmezőben ül Ebben az oktatott, élő edzésben a résztvevők vegyen részt egy sor megbeszélésen, gyakorlatokon és a casestudy elemzésen, hogy megértse a Deep Learning alapjait A legfontosabb Deep Learning eszközöket és technikákat értékelik, és e- gyakorlatokat fognak végrehajtani, hogy felkészítsék a résztvevőket saját értékelésükre és a Deep Learning megoldások megvalósítására szervezetükön belül A képzés végére a résztvevők képesek lesznek: Értsd meg a Deep Learning alapjait Ismerje meg a Deep Learning technikákat és alkalmazásukat az iparban Vizsgálja meg azokat a problémákat, amelyeket a Deep Learning technológiák megoldhatnak Fedezze fel a Deep Learning esettanulmányait az orvostudományban Készítsen stratégiát a Deep Learning legmodernebb technológiáinak elfogadására az orvosi problémák megoldásában Közönség Menedzserek Orvosi szakemberek a vezetői szerepekben 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 .
dlfortelecomwithpythonDeep Learning for Telecom (with Python)28 óraMachine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability.

In this instructor-led, live training, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model.

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

- Understand the fundamental concepts of deep learning
- Learn the applications and uses of deep learning in telecom
- Use Python, Keras, and TensorFlow to create deep learning models for telecom
- Build their own deep learning customer churn prediction model using Python

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
dsstneAmazon DSSTNE: Build a Recommendation System7 óraAz Amazon DSSTNE egy nyílt forráskódú könyvtár az oktatási és telepítési ajánlómodellek számára Lehetővé teszi olyan tömegmátrixok számára kifejlesztett modelleket, amelyek túl nagyok ahhoz, hogy egyetlen GPU-t egy adott állomáson kiképezzenek Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a DSSTNE-t, hogy készítsen ajánlati alkalmazást A képzés végére a résztvevők képesek lesznek: Ajánlati modellt tanítson ritka adatkészletekkel, mint bemenet Skálázási képzési és előrejelzési modellek több GPU-n keresztül A kiszámítás és a tárolás modellel párhuzamosan történjen Generáljon Amazonas személyre szabott termékajánlatokat Olyan márkázott alkalmazás telepítése, amely nehéz munkaterhelés esetén skálázható Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 óraA Microsoft Cognitive Toolkit 2x (korábban CNTK) egy nyílt forráskódú, kereskedelmi forgalomba hozatal eszköztár, amely a mély tanulási algoritmusokat tanítja az emberi agyhoz hasonlóan A Microsoft szerint a CNTK 510x-rel gyorsabb lehet, mint a TensorFlow a visszatérő hálózatokon, és 2-3-szor gyorsabb, mint a TensorFlow az imagerelated feladatokhoz Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a Microsoft Cognitive Toolkit használatát a mélytengeri tanulási algoritmusok létrehozásához, képzéséhez és értékeléséhez kereskedelmi forgalomban kapható AI alkalmazásokhoz, amelyek többféle típusú adatokat, például adatokat, beszédeket, szövegeket és képeket tartalmaznak A képzés végére a résztvevők képesek lesznek: A CNTK könyvtárként való elérése Python, C # vagy C ++ programból A CNTK mint önálló gépi tanulási eszköz a saját modellleíró nyelvén (BrainScript) Használja a CNTK modellértékelési funkcióját egy Java programból Kombináljuk az előremenő DNN-eket, a konvolúciós hálókat (CNN) és a visszatérő hálózatokat (RNN / LSTM) Méretezési kapacitás CPU-n, GPU-kon és több gépen Hatalmas adatkészletek elérése a meglévő programozási nyelvek és algoritmusok segítségével Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat jegyzet Ha szeretné testre szabni a képzés bármely részét, beleértve a választott programozási nyelvet, kérjük, vegye fel velünk a kapcsolatot .
deeplearning1Introduction to Deep Learning21 óraEz a kurzus általános áttekintést nyújt a Deep Learning-ra anélkül, hogy túl mély lenne bármely konkrét módszerhez. Alkalmas azoknak az embereknek, akik el akarták kezdeni a Deep Learning használatát a precizitás pontosságának növelése érdekében.
dl4jirDeepLearning4J for Image Recognition21 óraA Deeplearning4j egy OpenSource DeepLearning szoftver Java és Scala számára a Hadoop és a Spark számára Közönség Ez a kurzus olyan mérnökök és fejlesztők számára készült, akik a DeepLearning4J-t képfelismerési projektjeikbe kívánják használni .
bspkannmldtArtificial Neural Networks, Machine Learning and Deep Thinking21 óraA mesterséges neurális hálózat olyan mesterséges intelligencia (AI) rendszerek kifejlesztésében használt számítási adatmodell, amelyet képesek "intelligens" feladatok elvégzésére. A neurális hálózatokat általánosan a Machine Learning (ML) alkalmazásokban használják, amelyek maguk is az AI megvalósításának. A mély tanulás az ML részhalmaza.
dladvAdvanced Deep Learning28 óraA gépi tanulás a Mesterséges Intelligencia ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna A mély tanulás a gépi tanulás egyik részmezete, amely olyan tanulási adatokon és struktúrákon alapuló módszereket alkalmaz, mint a neurális hálózatok .
tf101Deep Learning with TensorFlow21 óraA TensorFlow a Google nyílt forráskódú szoftverkönyvtárának második generációs API-ja a Deep Learning számára A rendszert úgy tervezték, hogy megkönnyítse a kutatást a gépi tanulásban, és gyors és könnyű legyen áttérni a kutatási prototípusról a termelési rendszerre Közönség Ez a tanfolyam célja azoknak a mérnököknek, akik a TensorFlow-t a Deep Learning projektekhez kívánják használni A kurzus befejezése után a küldöttek: megérteni a TensorFlow struktúráját és telepítési mechanizmusait képes legyen telepítési / gyártási környezet / építészeti feladatok és konfiguráció végrehajtására képes a kódminőség felmérésére, a hibakeresés végrehajtására, a monitorozásra képesek legyenek olyan fejlett gyártási folyamatok bevezetésére, mint a képzési modellek, grafikonok készítése és naplózás .
tfirTensorFlow for Image Recognition28 óraEz a kurzus konkrét példákkal vizsgálja a Tenzor Flow alkalmazását a képfelismerés céljára Közönség Ez a kurzus olyan mérnökök számára készült, akik a képfelismerés céljából a TensorFlow-t használják A kurzus befejezése után a küldöttek képesek lesznek: megérteni a TensorFlow struktúráját és telepítési mechanizmusait telepítési / gyártási környezet / architektúra feladatok és konfiguráció végrehajtása értékelje a kódminõséget, végezze el a hibakeresést, ellenõrzi a fejlett gyártást, mint például képzési modelleket, grafikonok készítését és naplózást .
tsflw2vNatural Language Processing with TensorFlow35 óraA TensorFlow egy nyílt forráskódú szoftverkönyvtár a numerikus számításhoz adatfolyam-grafikonok használatával A SyntaxNet egy neuralnetwork Natural Language Processing keretrendszer a TensorFlow számára A Word2Vec-t arra használják, hogy tanítsa a szavak vektoros reprezentációit, az úgynevezett "szóbeágyazások" A Word2vec egy különösen számítási szempontból hatékony prediktív modell, amely a nyers szövegből származó szóbeágyazások tanulására képes Két ízben jön létre, a Continuous BagofWords modell (CBOW) és a SkipGram modell (31 És 32 Fejezet Mikolov és munkatársai) A tandemben használatos, a SyntaxNet és a Word2Vec lehetővé teszi a felhasználók számára, hogy a Natural Language beviteltől származó tanulási beágyazási modelleket generáljanak Közönség Ez a kurzus olyan fejlesztők és mérnökök számára készült, akik a SyntaxNet és a Word2Vec modellekkel dolgoznak a TensorFlow grafikonokon A kurzus befejezése után a küldöttek: megérteni a TensorFlow struktúráját és telepítési mechanizmusait képes legyen telepítési / gyártási környezet / építészeti feladatok és konfiguráció végrehajtására képes a kódminőség felmérésére, a hibakeresés végrehajtására, a monitorozásra képesek lesznek olyan fejlett gyártást megvalósítani, mint a képzési modellek, beágyazott kifejezések, grafikonok készítése és naplózás .

Upcoming Courses

KurzusDátumÁr [Távoktatás / Tantermi]
Deep Learning for Vision - Szeged, Felső Tisza-Parth, 2019-01-07 09:305250EUR / 6050EUR
Deep Learning for Vision - Kecskeméth, 2019-01-21 09:305250EUR / 6050EUR
Deep Learning for Vision - Budapest, V. kerületh, 2019-02-04 09:305250EUR / 6050EUR
Deep Learning for Vision - Debrecensze, 2019-02-06 09:305250EUR / 6050EUR
Deep Learning for Vision - Miskolc, Tapolcafürdősze, 2019-02-13 09:305250EUR / 6050EUR

Other regions

BudapestHajdú-BiharBorsod-Abaúj-ZemplénCsongrádBaranyaBács-Kiskun

Other countries

Kurzusaink más országokban is elérhetők ››

Consulting

Deep Learning Consulting
Weekend Deep Learning courses, Evening Deep Learning training, Deep Learning boot camp, Deep Learning instructor-led, Weekend Deep Learning training, Evening Deep Learning courses, Deep Learning coaching, Deep Learning instructor, Deep Learning trainer, Deep Learning training courses, Deep Learning classes, Deep Learning on-site, Deep Learning private courses, Deep Learning one on one training

Course Discounts

KurzusHelyszínDátumÁr [Távoktatás / Tantermi]
OCEB Certified Expert in BPM - Technical Intermediate Exam PreparationMiskolc, Tapolcafürdőh, 2019-01-14 09:303150EUR / 3750EUR
Marketing Analytics using RSzeged, Felső Tisza-Parth, 2019-01-14 09:304725EUR / 5525EUR
Object-Oriented Analysis and Design using UMLMiskolc, Tapolcafürdőh, 2019-01-21 09:304725EUR / 5525EUR
Handling Conflict with ConfidenceBudapest, V. kerületcs, 2019-01-31 09:302970EUR / 3570EUR
R for Data Analysis and Research Debrecencs, 2019-06-13 09:301575EUR / 1975EUR

Hírlevél kedvezmény

Tiszteletben tartjuk adatai bizalmas jellegét. A NobleProg soha nem továbbítja e-mail címét harmadik személyeknek.
Hírlevelünkről bármikor leiratkozhat.

Kiemelt ügyfeleink

is growing fast!

We are looking to expand our presence in Hungary!

As a Business Development Manager you will:

  • expand business in Hungary
  • 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!