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

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
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!