Machine Learning Kurzusok

Machine Learning Kurzusok

A helyi, oktató által vezetett élő gépi tanulás (ML) képzések gyakorlati gyakorlattal mutatják be, hogyan alkalmazzák a gépi tanulási technikákat és eszközöket a különböző iparágakban a valós problémák megoldására. A NobleProg ML tanfolyamok különböző programozási nyelveket és kereteket tartalmaznak, beleértve a Python, R nyelv és a Matlab programokat. Gépi tanfolyamokat kínálnak számos ipari alkalmazáshoz, beleértve a pénzügyeket, bankokat és biztosításokat, és fedezik a gépi tanulás alapjait, valamint a fejlettebb megközelítéseket, mint például a Deep Learning. A gépi tanulás képzése "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 - a helyi oktatási szolgáltató

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 .
14 hours
Overview
Ebben az oktatott, élő képzésben a résztvevők megtudják, hogyan használják az iOS gépi tanulási (ML) technológiai veremét, miközben átmennek egy iOS mobilalkalmazás létrehozásán és telepítésén A képzés végére a résztvevők képesek lesznek: Hozzon létre egy képes alkalmazást, szövegelemzést és beszédfelismerést lehetővé tevő mobilalkalmazást Hozzáférés az előcsatlakozott ML modellekhez az iOS alkalmazásokba történő integráláshoz Hozzon létre egy egyéni ML modellt Add hozzá Siri Voice támogatás az iOS-alkalmazásokhoz Megérteni és használni olyan kereteket, mint a coreML, a Vision, a CoreGraphics és a GamePlayKit Használjon olyan nyelveket és eszközöket, mint a Python, a Keras, a Caffee, a Tensorflow, a scikit tanul, a libsvm, az Anaconda és a Spyder Közönség Fejlesztők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
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 .
21 hours
Overview
A tanfolyamot azoknak ajánljuk, akik szeretnének egy alternatív programot megismerni a kereskedelmi MATLAB csomaggal A háromnapos képzés átfogó tájékoztatást nyújt a környezet körüli mozgatásáról és az OCTAVE csomag végrehajtásáról adatelemzési és mérnöki számításokhoz A képzésben résztvevők kezdők, de azok is, akik ismerik a programot, és szeretnék rendszeresíteni tudásukat és javítani tudásukat Más programozási nyelv ismerete nem szükséges, de nagyban megkönnyíti a tanulók tudásszerzését A kurzus megmutatja, hogyan kell használni a programot számos gyakorlati példában .
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 .
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 .
21 hours
Overview
Ez az osztálytermi alapú edzés a (javasolt) Python gépi tanulási eszközöket vizsgálja A küldöttek számítógéppel kapcsolatos példákkal és esettanulmányi gyakorlatokkal rendelkeznek .
21 hours
Overview
Ez a kurzus bemutatja a gépi tanulási módszereket a robotikus alkalmazásokban.

A meglévő módszerek, motivációk és főbb ötletek széles körű áttekintése a mintafelismerés összefüggésében.

Rövid elméleti háttér után a résztvevők egyszerű gyakorlatot végeznek nyílt forráskódú (általában R) vagy bármely más népszerű szoftver segítségével.
21 hours
Overview
a kurzus célja, hogy általános jártasságot biztosítson a gépi tanulási módszerek gyakorlati alkalmazásában. Segítségével a Python programozási nyelv és a különböző könyvtárak, és számos gyakorlati példa alapján ez a tanfolyam azt tanítja, hogyan kell használni a legfontosabb építőkövei a gépi tanulás, hogyan lehet az adatok modellezés döntéseket, értelmezni a az algoritmusok kimeneteit, és validálja az eredményeket.

célunk, hogy megadja a készségeket, hogy megértsék és használja a legalapvetőbb eszközöket a Machine learning eszközkészleten magabiztosan és elkerülni a közös buktatóit Data Sciences alkalmazások.
14 hours
Overview
Ez a tantermi alapú tréning fel fogja fedezni a gépi tanulási technikákat, számítógépes alapú példákkal és esettanulmány-megoldási gyakorlatokkal, .
7 hours
Overview
Ez a tanfolyam azoknak az embereknek szól, akik gyakorlati alkalmazásokban szeretnének alapvető gépi tanulási technikákat alkalmazni.

Közönség

Azok a tudósok és statisztikusok, akik a gépi tanulással kapcsolatos ismeretekkel rendelkeznek, és tudják, hogyan kell programozni R. A kurzus hangsúlyt fektet az adatok / modellek előkészítésére, végrehajtására, post hoc elemzésére és vizualizációjára. Célja gyakorlati bevezetés a gépi tanuláshoz azoknak a résztvevőknek, akik érdeklődnek a munkahelyi módszerek alkalmazásától

Az ágazatspecifikus példák arra használatosak, hogy a képzés releváns legyen a közönség számára.
7 hours
Overview
Az OpenNMT egy teljesen kifejlesztett, nyílt forrású (MIT) neurális gépi fordítórendszer, amely a Torch matematikai eszköztárat használja Ebben a képzésben a résztvevők megtudják, hogyan kell létrehozni és használni az OpenNMT-t, hogy különböző mintaadat-készleteket lehessen elvégezni A kurzus a neurális hálózatok áttekintésével kezdődik, mivel a gépi fordításra vonatkozik A résztvevők élő gyakorlatokat végeznek az egész tanfolyamon, hogy bemutassák a megszerzett fogalmak megértését és visszajelzést kapjanak az oktatótól A képzés végére a résztvevők rendelkeznek az élő OpenNMT megoldás megvalósításához szükséges ismeretekkel és gyakorlattal A forrást és a célnyelvi mintákat a közönség igényei szerint kell előkészíteni Közönség Helyi szakemberek műszaki háttérrel Globális tartalomkezelők Helyi mérnökök A globális tartalomkezelési megoldásokért felelős szoftverfejlesztők A tanfolyam formátuma Részelőadás, részbeszélgetés, nehéz handson gyakorlat .
14 hours
Overview
Ennek a kurzusnak az a célja, hogy alapos ismereteket nyújtson a gépi tanulási módszerek gyakorlati alkalmazásában Az R programozási platform és a különböző könyvtárak felhasználásával, valamint gyakorlati példákon alapulva ez a kurzus tanítja a gépi tanulás legfontosabb építőköveit, az adatmodellezési döntések meghozatalát, az algoritmusok kimenetének értelmezését és érvényesítse az eredményeket Célunk, hogy olyan készségeket adjunk Önnek, amelyek megértik és felhasználják a legfontosabb eszközöket a gépi tanulás eszköztárából, és elkerülik a Data Sciences alkalmazások közös buktatóit .
14 hours
Overview
Ennek a kurzusnak az a célja, hogy alapos ismereteket nyújtson a gépi tanulási módszerek gyakorlati alkalmazásában A Python programnyelv és a különböző könyvtárak használatával, valamint gyakorlati példákon alapulva ez a kurzus tanítja a Machine Learning legfontosabb építőköveinek használatát, az adatmodellezési döntések meghozatalát, az algoritmusok kimenetének értelmezését, érvényesítse az eredményeket Célunk, hogy olyan készségeket adjunk Önnek, amelyek megértik és felhasználják a legfontosabb eszközöket a gépi tanulás eszköztárából, és elkerülik a Data Sciences alkalmazások közös buktatóit .
14 hours
Overview
Ennek a kurzusnak az a célja, hogy alapos ismereteket nyújtson a gépi tanulási módszerek gyakorlati alkalmazásában A Scala programnyelv és a különböző könyvtárak felhasználásával, és számos gyakorlati példán alapulva ez a kurzus tanítja a gépi tanulás legfontosabb építőköveinek használatát, az adatmodellezési döntések meghozatalát, az algoritmusok kimenetének értelmezését és érvényesítse az eredményeket Célunk, hogy olyan készségeket adjunk Önnek, amelyek megértik és felhasználják a legfontosabb eszközöket a gépi tanulás eszköztárából, és elkerülik a Data Sciences alkalmazások közös buktatóit .
28 hours
Overview
A gépi tanulás a Mesterséges Intelligencia ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna 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 alkalmazzák a gépi tanulási technikákat és eszközöket a pénzügyi világban rejlő valós problémák megoldásához R programozási nyelvként fogják használni A résztvevők először megtanulják a kulcsfontosságú alapelveket, majd gyakorlati ismereteiket a saját gépi tanulási modellek elkészítésével és a csapatprojektek befejezésével használják fel A képzés végére a résztvevők képesek lesznek: Ismerje meg a gépi tanulás alapvető fogalmát Ismerje meg a gépi tanulás alkalmazásait és felhasználási lehetőségeit a finanszírozásban Fejlesztse saját algoritmikus kereskedési stratégiáját gépi tanulással az R-vel Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
21 hours
Overview
A gépi tanulás a Mesterséges Intelligencia 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 pénzügyi világban rejlő valós problémák megoldásához A résztvevők először megtanulják a kulcsfontosságú alapelveket, majd gyakorlati ismereteiket a saját gépi tanulási modellek elkészítésével és a csapatprojektek befejezésével használják fel A képzés végére a résztvevők képesek lesznek: Ismerje meg a gépi tanulás alapvető fogalmát Ismerje meg a gépi tanulás alkalmazásait és felhasználási lehetőségeit a finanszírozásban Fejlesztse saját algoritmikus kereskedési stratégiáját gépi tanulással Python segítségével Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
21 hours
Overview
Ez a tanfolyam azoknak az embereknek szól, akik gépi tanulást szeretne alkalmazni a gyakorlati alkalmazásokban csapatuk számára A képzés nem fog merülni a technikai formákba, és az alapvető koncepciók és az üzleti / operációs alkalmazások köré szerveződik Célközönség Befektetők és AI vállalkozók Menedzserek és mérnökök, akiknek a vállalata az AI térbe érkezik Üzleti elemzők és befektetők .
21 hours
Overview
Ez a kurzus magában foglalja az AI-t (hangsúlyozva a gépi tanulás és a mély tanulás) .
28 hours
Overview
Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan alkalmazzák a gépi tanulási technikákat és eszközöket a valós világ problémáinak megoldására a bankszektorban R programozási nyelvként fogják használni A résztvevők először megtanulják a kulcsfontosságú elveket, majd gyakorlati ismereteiket a saját gépi tanulási modellek megépítésével és felhasználásával valósítják meg számos élő projekt megvalósításához Közönség Fejlesztők Adatkutatók Műszaki háttérrel rendelkező bankszakemberek A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
14 hours
Overview
Az Apache OpenNLP könyvtár egy gépi tanulás alapú eszközkészlet a természetes nyelvű szövegek feldolgozásához Támogatja a leggyakoribb NLP-feladatokat, például a nyelvfelismerést, a tokenizálást, a mondatok szegmentálását, a partofspeech címkézést, az entitások kinyerését, a tagolást, az elemzést és a coreference-felbontást Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan lehet modelleket létrehozni szöveges adatok feldolgozásához az OpenNLP használatával A laborgyakorlatok alapjául a mintaképzési adatok és a testreszabott adatkészletek szolgálnak A képzés végére a résztvevők képesek lesznek: Telepítse és konfigurálja az OpenNLP-t A meglévő modellek letöltése, valamint a saját létrehozása Tanítsa a modelleket a különböző mintaadatokra Integrálja az OpenNLP-t meglévő Java-alkalmazásokkal Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson 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 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 .
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 .
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 .
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 .
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 .
21 hours
Overview
A zseblámpa egy nyílt forráskódú gépi tanulási könyvtár és egy tudományos számítástechnikai keretrendszer, amely a Lua programozási nyelvén alapul Számítógépes, gépi tanuláshoz és számítógépes elképzelésekhez fejlesztési környezetet biztosít, különös tekintettel a mély tanulásra és a konvolúciós hálókra Ez az egyik leggyorsabb és legrugalmasabb keret a Machine and Deep Learning számára, és olyan cégek használják, mint a Facebook, a Google, a Twitter, az NVIDIA, az AMD, az Intel és még sokan mások Ebben a kurzusban lefedi a Torch alapelveit, annak egyedi tulajdonságait, és hogyan alkalmazható a valós világ alkalmazásokban Számos handson-gyakorlatot végzünk az egészben, demonstráljuk és gyakoroljuk a megtanult fogalmakat A kurzus végére a résztvevők alaposan megismerik a Torch alapvető funkcióit és képességeit, valamint szerepét és hozzájárulását az AI térségben a többi kerethez és könyvtárhoz képest A résztvevők megkapják a szükséges gyakorlatot a Torch saját projektjeik megvalósításában Közönség Szoftverfejlesztők és programozók, akik szeretnék lehetővé tenni a gép és a mély tanulás alkalmazásokon belül A tanfolyam formátuma A gép és a mély tanulás áttekintése Inclass kódolási és integrációs gyakorlatok Vizsgálati kérdéseket szórt az út mentén a megértés ellenőrzésére .
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
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 .

Upcoming Courses

Weekend Machine Learning courses, Evening Machine Learning training, Machine Learning boot camp, Machine Learning instructor-led, Weekend Machine Learning training, Evening Machine Learning courses, Machine Learning coaching, Machine Learning instructor, Machine Learning trainer, Machine Learning training courses, Machine Learning classes, Machine Learning on-site, Machine Learning private courses, Machine 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!