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

★★★★★
★★★★★

Kurzusleírás

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
Ez a kurzus magában foglalja az AI (hangsúlyozva gépi tanulás és mély tanulás) az autóiparban Segít meghatározni, hogy melyik technológia lehet potenciálisan többféle helyzetben egy autóban: egyszerű automatizálásról, képfelismerésről, autonóm döntéshozatalra .
21 hours
Overview
Ebben 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 .
21 hours
Overview
Ez a kurzus magában foglalja az AI-t (hangsúlyozva a gépi tanulás és a mély tanulás) .
28 hours
Overview
Ez a tanfolyam tudást ad a neurális hálózatokban és általában a gépi tanulási algoritmusban, a mély tanulásban (algoritmusok és alkalmazások) Ez a képzés nagyobb hangsúlyt fektet a fundamentumokra, de segít kiválasztani a megfelelő technológiát: TensorFlow, Caffe, Teano, DeepDrive, Keras, stb A példák a TensorFlow-ban készültek .
14 hours
Overview
Ez az osztálytermi alapú tréning olyan prezentációkat és számítógépes alapú példákat, valamint esettanulmányi feladatokat fog tartalmazni, amelyek a megfelelő idegi és mély hálózati könyvtárakkal .
14 hours
Overview
Az 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 .
7 hours
Overview
ebben az oktató által vezetett, az élő képzés, a résztvevők megtanulják, hogyan kell létrehozni és használni OpenNMT elvégzésére fordítását különböző minta adathalmazok. A kurzus kezdődik áttekintést a neurális hálózatok vonatkoznak a gépi fordítás. A résztvevők az egész kurzus során élő gyakorlatokat végeznek annak bizonyítására, hogy értik a megszerzett fogalmakat és visszajelzést kapnak az oktatóval.

végére ez a képzés, a résztvevők a tudás és a gyakorlat megvalósításához szükséges élő OpenNMT megoldás.

forrás és a célnyelv mintákat kell előre rendezett egy a közönség & #39; s követelményeknek.

formátuma a kurzus

- rész előadás, részben vita, nehéz gyakorlati gyakorlat
14 hours
Overview
Az OpenNN egy nyílt forráskódú osztálykönyvtár, amelyet C ++ -re írtak, és amely neurális hálózatokat valósít meg, gépi tanuláshoz.

Ebben a kurzusban átgondoljuk az ideghálózatok elveit, és használjuk az OpenNN-t egy mintaalkalmazás megvalósítására.

Közönség
A Deep Learning alkalmazások létrehozását kívánó szoftverfejlesztők és programozók.

A tanfolyam formátuma
Előadás és beszélgetés gyakorlati gyakorlattal párosulva.
21 hours
Overview
A 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 .
21 hours
Overview
Ebben 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 .
21 hours
Overview
A SINGA egy általánosan elterjedt mélytanulási platform nagyméretű mélytanulási modellek képzésére nagy adattárak felett Intuitív programozási modellt tervez a réteg absztrakció alapján Különféle népszerű mélytanulási modelleket támogatnak, nevezetesen olyan előremenő modelleket, mint a konvolúciós neurális hálózatok (CNN), az energiamodellek, mint például a korlátozott Boltzmann-gép (RBM) és a visszatérő neurális hálózatok (RNN) Számos beépített réteg található a felhasználók számára A SINGA architektúra elég rugalmas ahhoz, hogy szinkron, aszinkron és hibrid képzési kereteket futtasson A SINGA támogatja a különbözõ idegi hálóelosztási rendszereket is, amelyek párhuzamozzák a nagyméretû modellek képzését, nevezetesen a kötegdimenzióra, a funkcióméretre vagy a hibrid particionálásra való felosztást Közönség Ez a kurzus olyan kutatókra, mérnökökre és fejlesztőkre irányul, akik az Apache SINGA-t mély tanulási keretként kívánják felhasználni A kurzus befejezése után a küldöttek: megérteni a SINGA 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 .
14 hours
Overview
Ebben 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 .
7 hours
Overview
A 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 .
21 hours
Overview
TensorFlow van egy népszerű és gép tanulás könyvtár fejlett mellett Google részére mély tanulás, megszámolható számítás, és nagy-arány gép tanulás. TensorFlow 2,0, megjelent január 2019, a legújabb változata TensorFlow, és magában foglalja a fejlesztések buzgó végrehajtás, kompatibilitás és API összhang.

Ez az oktató által vezetett, az élő képzés (helyszíni vagy távoli) célja a fejlesztők és az adatok tudósok, akik szeretnék használni Tensorflow 2,0 építeni előrejelzők, osztályozók, generatív modellek, neurális hálózatok és így tovább.

végére ez a képzés, a résztvevők képesek lesznek:

- telepítése és konfigurálása TensorFlow 2,0.
- megérteni az előnyeit TensorFlow 2,0 az előző verziók.
- Build mély tanulási modellek.
- implementálja a fejlett képosztályozót.
- telepíteni mély tanulási modellt a felhő, a mobil és a IoT eszközök.

formátuma a kurzus

- Interactive előadás és vita.
- sok gyakorlatok és gyakorlat.
- Hands-on végrehajtása élő-labor környezetben.

tanfolyam testreszabási beállításai

- hogy kérje személyre szabott képzés a tanfolyam, kérjük, forduljon hozzánk, hogy gondoskodjon.
- Ha többet szeretne megtudni TensorFlow, kérjük, látogasson el: https://www.tensorflow.org/
7 hours
Overview
A 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 .
21 hours
Overview
A 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 .
28 hours
Overview
Ez 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 .
21 hours
Overview
Torch van egy nyit forrás gép tanulás könyvtár és egy tudományos kiszámítható szerkezet azon alapszik a lua programozási nyelv. Fejlesztői környezetet biztosít a numerikusok, a gépi tanulás és a számítógépes látás számára, különös tekintettel a mély tanulásra és a konvolúciós hálókra. Ez az egyik leggyorsabb és legrugalmasabb keretek Machine és Deep learning és használják a vállalatok, mint a Facebook, Google, Twitter, NVIDIA, AMD, Intel, és még sokan mások.

ebben az oktató által vezetett, az élő képzés, mi fedezésére elvei Torch, egyedülálló tulajdonságokkal, és hogyan lehet alkalmazni a valós alkalmazások. Végigmegyünk számos gyakorlati gyakorolja az egész, bemutatva és gyakorolva a fogalmakat tanult.

végére a tanfolyam, a résztvevők alapos megértése fáklyát & #39; s mögöttes jellemzőit és képességeit, valamint annak szerepét és hozzájárulását az AI térben, mint más keretek és könyvtárak. A résztvevők azt is megkapták a szükséges gyakorlatot, hogy a fáklyát saját projektjeik megvalósításában megvalósítsák.

formátuma a kurzus

- Áttekintés-ból gép és mély tanulás
- in-Class kódolási és integrációs gyakorlatok
- teszt kérdések hintett az út mentén, hogy ellenőrizze a megértést
7 hours
Overview
A Tenzorfeldolgozó egység (TPU) az a felépítés, amelyet a Google már több éve használ belsőleg, és most már elérhetővé válik a nagyközönség számára Számos optimalizálást tartalmaz, kifejezetten neurális hálózatokban történő használatra, beleértve az egyszerűsített mátrixszaporítást és 8 bites egész számokat a 16 bites helyett, hogy megfelelő szintű precizitást biztosítsanak Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan használják ki a TPU processzorok innovációit, hogy maximalizálják a saját AI-alkalmazások teljesítményét A képzés végén a résztvevők képesek lesznek: A különböző típusú neurális hálózatok nagy mennyiségű adattovábbításra alkalmasak Használja a TPU-kat a következtetési folyamat legfeljebb két nagyságrenddel történő felgyorsításához Használja a TPU-t intenzív alkalmazások feldolgozásához, mint pl Képkeresés, felhőkép és fotók Közönség Fejlesztők kutatók mérnökök Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
35 hours
Overview
A 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 .
35 hours
Overview
Ez 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 .
21 hours
Overview
A 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 .
21 hours
Overview
keras egy magas szintű neurális hálózatok API a gyors fejlődés és a kísérletezést. Ez fut a tetején TensorFlow, CNTK, vagy theano.

Ez az oktató által vezetett, az élő képzés (helyszíni vagy távoli) célja a műszaki személyek, akik szeretnének alkalmazni mély tanulási modell képfelismerő alkalmazásokhoz.

végére ez a képzés, a résztvevők képesek lesznek:

- telepítse és konfigurálja a keras.
- gyorsan prototípus mély tanulási modellek.
- végre egy konvolúciós hálózatot.
- végre egy visszatérő hálózat.
- Execute mély tanulási modell mind a CPU és a GPU.

formátuma a kurzus

- Interactive előadás és vita.
- sok gyakorlatok és gyakorlat.
- Hands-on végrehajtása élő-labor környezetben.

tanfolyam testreszabási beállításai

- hogy kérje személyre szabott képzés a tanfolyam, kérjük, forduljon hozzánk, hogy gondoskodjon.
- Ha többet szeretne megtudni keras, látogasson el: https://keras.io/
21 hours
Overview
A 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.
28 hours
Overview
A 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 .
28 hours
Overview
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 hours
Overview
A 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.
21 hours
Overview
A Caffe egy mély tanulási keret, amely kifejezetten az expresszióval, a sebességgel és a modularitással foglalkozik Ez a kurzus feltárja a Caffe alkalmazását, mint a Deep Learning Framework-t a képfelismeréshez a MNIST használatával Közönség Ez a kurzus alkalmas a Deep Learning kutatókra és a mérnökökre, akik érdeklődnek a Caffe mint keretek használatára A kurzus befejezése után a küldöttek képesek lesznek: megérteni Caffe 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 a képzési modelleket, a rétegek megvalósítását és a naplózást .
21 hours
Overview
Ez 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.
21 hours
Overview
A Deeplearning4j az első kereskedelmi platform, nyílt forráskódú, megosztott mélytanulási könyvtár Java és Scala számára A HADOOP és a Spark technológiával integrált DL4J a terjesztett GPU-k és CPU-k üzleti környezetében használható Közönség Ez a kurzus olyan mérnökökre és fejlesztőkre irányul, akik a Deeplearning4j projektjeiket szeretnék kihasználni Ezt követően a résztvevők képesek lesznek: .
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

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!