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

Machine Translated

Ajánlások

★★★★★

A későbbi felhasználáshoz használt anyag nagyon jó volt.

PAUL BEALES- Seagate Technology.

Kurzus: Applied Machine Learning

Machine Translated

Mit szerettél legjobban az edzésről ?: Jó gyakorlást biztosított az R használatával, hogy gépi tanulási rendszereket hozzon létre valódi helyzetekhez. Ezt a munkámban azonnal használhatom. Ez kiváló tanfolyam volt. Az egyik legjobb volt.

Matthew Thomas - British Telecom

Kurzus: Applied Machine Learning

Machine Translated

Nagyon interaktív és nyugodt és informálisabb volt a vártnál. Számos témát fedeztünk fel időben, és a tréner mindig érzékeny volt arra, hogy részletesebben vagy általánosabban beszéljen a témákról és arról, hogy hogyan kapcsolódtak egymáshoz. Úgy érzem, a képzés adott nekem az eszközöket a tanulás folytatásához, szemben azzal, hogy egy egyszeri munkamenet, ahol a tanulás abbahagyja a befejezése után, ami nagyon fontos a téma skálája és összetettsége miatt.

Jonathan Blease

Kurzus: Artificial Neural Networks, Machine Learning, Deep Thinking

Machine Translated

A tréner annyira jól ismertté vált, és olyan területeket érintett, amelyekbe érdekelt.

Mohamed Salama

Kurzus: Data Mining & Machine Learning with R

Machine Translated

A téma nagyon érdekes.

Wojciech Baranowski

Kurzus: Introduction to Deep Learning

Machine Translated

Előkészítő elméleti ismereteket és készségeket kínál a résztvevők problémáinak megoldására a képzés után.

Grzegorz Mianowski

Kurzus: Introduction to Deep Learning

Machine Translated

Téma. Nagyon érdekes!.

Piotr

Kurzus: Introduction to Deep Learning

Machine Translated

Az egyes témák után végzett gyakorlatok nagyon hasznosak voltak, annak ellenére, hogy a végén túl bonyolult volt. Általában a bemutatott anyag nagyon érdekes volt és bevonásával! A képfelismeréssel kapcsolatos gyakorlatok nagyszerűek voltak.

Dolby Poland Sp. z o.o.

Kurzus: Introduction to Deep Learning

Machine Translated

Úgy gondolom, hogy ha a képzés lengyel nyelven zajlik, akkor az oktató hatékonyabbá teheti ismereteit.

Radek

Kurzus: Introduction to Deep Learning

Machine Translated

A mélytanulás globális áttekintése.

Bruno Charbonnier

Kurzus: Advanced Deep Learning

Machine Translated

A gyakorlatok kellően praktikusak és nem igényelnek magas szintű Python ismereteket.

Alexandre GIRARD

Kurzus: Advanced Deep Learning

Machine Translated

Gyakorlatok gyakorlása valódi példákon Eras használatával. Olaszország teljesen megértette a képzésünkre vonatkozó elvárásainkat.

Paul Kassis

Kurzus: Advanced Deep Learning

Machine Translated

A téma. Érdekesnek tűnt, de nem sokkal többet tudtam, mint korábban.

Radoslaw Labedzki

Kurzus: Introduction to Deep Learning

Machine Translated

Tetszett, hogy ez a kurzus nagyon érdekes témát tartalmazott.

Wojciech Wilk

Kurzus: Introduction to Deep Learning

Machine Translated

Nagyra értékelem Krisztus kristálytiszta válaszát a kérdéseinkre.

Léo Dubus

Kurzus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Általában élveztem a jól képzett edzőt.

Sridhar Voorakkara

Kurzus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Meglepődtem ennek az osztálynak a normáljához - azt mondanám, hogy egyetemes volt.

David Relihan

Kurzus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Nagyon jó átfogó áttekintés. Go a hátteret arról, hogy a Tensorflow miért működik úgy, ahogy működik.

Kieran Conboy

Kurzus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Szeretem a kérdéseket feltenni és mélyebben magyarázni az elméletet.

Sharon Ruane

Kurzus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Nagyobb betekintést nyertünk a tárgyhoz. Néhány szép beszélgetés történt néhány valódi tárgyat a cégünkben.

Sebastiaan Holman

Kurzus: Machine Learning and Deep Learning

Machine Translated

A képzés megteremtette a megfelelő alapot, amely lehetővé teszi számunkra, hogy tovább bővítsük, megmutatva, hogy az elmélet és a gyakorlat hogyan jár együtt. Valójában ennél jobban érdekelt a téma, mint korábban.

Jean-Paul van Tillo

Kurzus: Machine Learning and Deep Learning

Machine Translated

Nagyon élveztem a témák lefedettségét és mélységét.

Anirban Basu

Kurzus: Machine Learning and Deep Learning

Machine Translated

A tréner mély ismerete a témáról.

Sebastian Görg

Kurzus: Introduction to Deep Learning

Machine Translated

Nagyon frissített megközelítés vagy fogyasztói árindex (tenzor áramlás, korszak, tanulás) a gépi tanuláshoz.

Paul Lee

Kurzus: TensorFlow for Image Recognition

Machine Translated

Nagyon rugalmas.

Frank Ueltzhöffer

Kurzus: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

Általában élveztem a rugalmasságot.

Werner Philipp

Kurzus: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

Tekintettel a technológia kilátásaira: milyen technológia / folyamat válhat a jövőben fontosabbá; nézd meg, milyen technológiát lehet használni.

Commerzbank AG

Kurzus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

A témaválasztás előnyeit élveztem. A képzés stílusa. Gyakorlati tájékozódás.

Commerzbank AG

Kurzus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

A gépi tanulási témák részletes ismertetése, különösen a neurális hálózatok. A téma nagy részét feldúsította.

Sacha Nandlall

Kurzus: Python for Advanced Machine Learning

Machine Translated

tornák

L M ERICSSON LIMITED

Kurzus: Machine Learning

Machine Translated

a labor gyakorolja

Marcell Lorant - L M ERICSSON LIMITED

Kurzus: Machine Learning

Machine Translated

A Jupyter notebook formája, amelyben a képzési anyag elérhető

L M ERICSSON LIMITED

Kurzus: Machine Learning

Machine Translated

Számos gyakorlat és érdekes téma volt.

L M ERICSSON LIMITED

Kurzus: Machine Learning

Machine Translated

néhány nagyszerű laboratóriumi gyakorlatot, amelyet alaposan elemeztek és magyaráztak a tréner (pl. a lineáris regresszió kovariánsai, amelyek igazolják a valós funkciót)

L M ERICSSON LIMITED

Kurzus: Machine Learning

Machine Translated

Nagyon jó, hogy minden anyag, beleértve a gyakorlatokat is ugyanazon az oldalon, majd frissítésre kerül. A megoldás a végén látható. Menő! Továbbá értékelem, hogy Krzysztof extra erőfeszítést tett a problémáink megértésére, és javaslatot tett számunkra a lehetséges technikákra.

Attila Nagy - L M ERICSSON LIMITED

Kurzus: Machine Learning

Machine Translated

A szenvedélyből részesültem, hogy megtanítsam, és arra koncentráljak, hogy a dolog értelmes legyen.

Zaher Sharifi - GOSI

Kurzus: Advanced Deep Learning

Machine Translated

Körülbelül szembenéz terület.

中移物联网

Kurzus: Deep Learning for NLP (Natural Language Processing)

Machine Translated

Az előadások során már nem hivatalos csereprogramok segítettek mélyíteni a téma megértésének

Explore

Kurzus: Deep Reinforcement Learning with Python

Machine Translated

Számos módszert mutat be előkészített szkriptekkel - nagyon szépen előkészített anyagok és könnyű nyomon követni

Kamila Begej - GE Medical Systems Polska Sp. Zoo

Kurzus: Machine Learning – Data science

Machine Translated

Szeretek, hogy a képzés a példákra és a kódolásra összpontosított. Azt hittem, hogy nem lehet annyi tartalmat csomagolni három napos képzésbe, de tévedtem. A képzés sok témát ölel fel, és mindent nagyon részletesen végeztünk (különösen a modell paramétereinek hangolása) - nem vártam, hogy erre lesz idő, és meglepődtem.

Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo

Kurzus: Machine Learning – Data science

Machine Translated

Tetszik, hogy inkább a különféle szövegösszefoglalási módszerek útmutatójára összpontosít

Kurzus: Text Summarization with Python

Machine Translated

rengeteg információ, minden kérdés megválaszolva, érdekes példák

A1 Telekom Austria AG

Kurzus: Deep Learning for Telecom (with Python)

Machine Translated

Tetszik, hogy inkább a különféle szövegösszefoglalási módszerek útmutatójára összpontosít

Kurzus: Text Summarization with Python

Machine Translated

Machine Learning Subcategories

Machine Learning (ML) Course Outlines

Kurzusnév

Duration

Overview

Kurzusnév

Duration

Overview

Artificial Intelligence in Automotive

14 hours

Overview

Ez a tanfolyam az AI-t (hangsúlyozza a Machine Learning és a Deep Learning ) az Automotive . Segít meghatározni, hogy mely technológiát lehet (potenciálisan) használni több helyzetben egy autóban: az egyszerű automatizálástól, a képfelismeréstől az autonóm döntéshozatalig.

Machine Learning on iOS

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 .

OpenFace: Creating Facial Recognition Systems

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 .

Octave not only for programmers

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 .

Neural computing – Data science

14 hours

Overview

Ez az osztálytermi alapú képzés prezentációkat és számítógépes példákat, valamint esettanulmány-gyakorlatokat fog tartalmazni a releváns neurális és mély hálózati könyvtárakkal együtt.

Neural Networks Fundamentals using TensorFlow as Example

28 hours

Overview

Ez a tanfolyam ismereteket fog nyújtani az idegi hálózatokban és általában a gépi tanulási algoritmusban, a mély tanulásban (algoritmusok és alkalmazások).

Ez a képzés nagyobb hangsúlyt alapjait, de segít kiválasztani a megfelelő technológia: TensorFlow , Caffe , Teano, DeepDrive, Keras stb A példák készülnek TensorFlow .

Machine Learning – Data science

21 hours

Overview

Ez az osztálytermi alapú edzés gépi tanulási eszközöket fedez fel a (javasolt) Python . A küldöttek számítógépes példákkal és esettanulmány-gyakorlatokkal fognak rendelkezni.

Machine Learning for Robotics

21 hours

Overview

Ez a kurzus bemutatja a gépi tanulási módszereket a robotika alkalmazásokban.

Ez egy széles körű áttekintés a meglévő módszerekről, motivációkról és főbb ötletekről a mintafelismerés összefüggésében.

Rövid elméleti háttér után a résztvevők egyszerű gyakorlatot végeznek nyílt forráskódú (általában R) vagy bármely más népszerű szoftver segítségével.

Machine Learning with Python

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.

Machine Learning in business – AI/Robotics

14 hours

Overview

Ez a tantermi alapú tréning fel fogja fedezni a gépi tanulási technikákat, számítógépes alapú példákkal és esettanulmány-megoldási gyakorlatokkal, .

Introduction to Machine Learning

7 hours

Overview

Ez a tanfolyam olyan emberek számára készült, akik gyakorlati alkalmazásokban szeretnék alkalmazni az alapvető Machine Learning technikákat.

Közönség

Azok a tudósok és statisztikusok, akik ismerik a gépi tanulást és tudják, hogyan kell R. programozni. A kurzus az adat / modell előkészítésének, végrehajtásának, post hoc elemzésének és vizualizációjának gyakorlati aspektusaira helyezi a hangsúlyt. A cél az, hogy gyakorlati bevezetést nyújtsunk a gépi tanuláshoz a résztvevők érdekeltek a módszerek alkalmazásában

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

OpenNMT: Setting Up a Neural Machine Translation System

7 hours

Overview

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan kell az OpenNMT t beállítani és használni a különféle mintaadatok fordításához. A tanfolyam a gépi fordításra alkalmazandó ideghálózatok áttekintésével kezdődik. A résztvevők az egész kurzuson élő gyakorlatokat végeznek, hogy megmutassák a megtanult fogalmak megértését és visszajelzéseket kapnak az oktatóktól.

A képzés végére a résztvevők rendelkeznek az élő OpenNMT megoldás megvalósításához szükséges ismeretekkel és gyakorlattal.

A forrás- és célnyelvi mintákat a közönség igényei szerint előre elkészítjük.

A tantárgy formátuma

- Rész előadás, rész vita, nehéz gyakorlati gyakorlat

Machine Learning Fundamentals with R

14 hours

Overview

Ez a kurzus célja alapvető jártasság biztosítása a Machine Learning módszerek gyakorlati alkalmazásában. Az R programozási platformon és annak különféle könyvtárain keresztül, valamint számos gyakorlati példán alapul, ez a tanfolyam megtanítja, hogyan kell felhasználni a Machine Learning legfontosabb építőköveit, hogyan kell modellezési döntéseket hozni, értelmezni az algoritmusok kimeneteit és érvényesítse az eredményeket.

Célunk az, hogy képességeket nyújtsunk a Machine Learning eszköztár legalapvetőbb eszközeinek magabiztos megértéséhez és használatához, és elkerüljük az Data Science alkalmazásának gyakori hibáit.

Machine Learning Fundamentals with Python

14 hours

Overview

Ez a kurzus célja alapvető jártasság biztosítása a Machine Learning módszerek gyakorlati alkalmazásában. A Python programozási nyelv és annak különféle könyvtárainak felhasználásával, valamint számos gyakorlati példán alapul, ez a tanfolyam megtanítja, hogyan kell felhasználni a Machine Learning legfontosabb építőköveit, hogyan kell modellezési döntéseket hozni, értelmezni az algoritmusok kimeneteit és érvényesítse az eredményeket.

Célunk az, hogy képességeket nyújtsunk a Machine Learning eszköztár legalapvetőbb eszközeinek magabiztos megértéséhez és használatához, és elkerüljük az Data Science alkalmazásának gyakori hibáit.

Machine Learning Fundamentals with Scala and Apache Spark

14 hours

Overview

Ez a kurzus célja alapvető jártasság biztosítása a Machine Learning módszerek gyakorlati alkalmazásában. A Scala programozási nyelv és különféle könyvtárainak használatával, valamint számos gyakorlati példán alapul, ez a tanfolyam megtanítja, hogyan kell felhasználni a Machine Learning legfontosabb építőköveit, hogyan kell modellezési döntéseket hozni, hogyan kell értelmezni az algoritmusok kimeneteit és érvényesítse az eredményeket.

Célunk az, hogy képességeket nyújtsunk a Machine Learning eszköztár legalapvetőbb eszközeinek magabiztos megértéséhez és használatához, és elkerüljük az Data Science alkalmazásának gyakori hibáit.

Machine Learning for Finance (with R)

28 hours

Overview

A gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek képesek tanulni anélkül, hogy kifejezetten programoznák őket. R a pénzügyi iparban népszerű programozási nyelv. A pénzügyi alkalmazásokban használják, az alapkereskedelmi programoktól kezdve a kockázatkezelési rendszerekig.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet gépi tanulási technikákat és eszközöket alkalmazni a valós világbeli problémák megoldására a pénzügyi ágazatban. R programozási nyelv lesz.

A résztvevők először megtanulják a fő alapelveket, majd tudásukat a gyakorlatba ültetik saját gépi tanulási modelleik felépítésével és felhasználásával számos csapatprojekt megvalósításához.

A képzés végére a résztvevők képesek lesznek:

- Megérteni a gépi tanulás alapvető fogalmait
- Ismerje meg a gépi tanulás alkalmazásokat és felhasználásait a pénzügyekben
- Fejlesztse ki saját algoritmikus kereskedési stratégiáját az R gépi tanulással

Közönség

- Fejlesztők
- Adattudósok

A tantárgy formátuma

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

Machine Learning for Finance (with Python)

21 hours

Overview

A gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek képesek tanulni anélkül, hogy kifejezetten programoznák őket. Python egy programozási nyelv, amely tiszta szintaxisáról és olvashatóságáról híres. Kiválóan bevált, jól bevált könyvtárak és technikák gyűjteményét kínálja a gépi tanulási alkalmazások fejlesztéséhez.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet gépi tanulási technikákat és eszközöket alkalmazni a valós világbeli problémák megoldására a pénzügyi ágazatban.

A résztvevők először megtanulják a fő alapelveket, majd tudásukat a gyakorlatba ültetik saját gépi tanulási modelleik felépítésével és felhasználásával számos csapatprojekt megvalósításához.

A képzés végére a résztvevők képesek lesznek:

- Megérteni a gépi tanulás alapvető fogalmait
- Ismerje meg a gépi tanulás alkalmazásokat és felhasználásait a pénzügyekben
- Készítsen saját algoritmikus kereskedési stratégiát a Python gépi tanulással

Közönség

- Fejlesztők
- Adattudósok

A tantárgy formátuma

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

Machine Learning Concepts for Entrepreneurs and Managers

21 hours

Overview

Ez a tanfolyam azoknak szól, akik a Machine Learning gyakorlati alkalmazásokban szeretnék alkalmazni a csapatuk számára. A képzés nem merül a műszaki tudnivalókban, és az alapfogalmak, valamint az üzleti / operatív alkalmazások körül mozog.

Célközönség

- Befektetők és AI vállalkozók
- Vezetők és mérnökök, akiknek vállalata belép az AI térbe
- Business elemzők és befektetők

Machine Learning and Deep Learning

21 hours

Overview

Ez a tanfolyam kiterjed az AI-re (hangsúlyozva a Machine Learning és a Deep Learning )

Machine Learning and Big Data

7 hours

Overview

Ez az oktató által irányított, élő (helyszíni vagy távoli) képzés olyan műszaki személyeknek szól, akik meg akarják tanulni, hogyan kell végrehajtani a gépi tanulási stratégiát, miközben maximalizálják a nagy adatok felhasználását.

A képzés végére a résztvevők:

- Megérteni a gépi tanulás fejlődését és trendeit.
- Tudja, hogy a gépi tanulást hogyan használják a különböző iparágakban.
- Ismerkedjen meg a szervezeten belüli gépi tanulás megvalósításához rendelkezésre álló eszközökkel, készségekkel és szolgáltatásokkal.
- Tudja meg, hogyan lehet a gépi tanulást felhasználni az adatbányászat és az elemzés javítására.
- Tudja meg, mi az adatközép háttér és hogyan használják azt a vállalkozások.
- Tudja meg, hogy a nagy adatok és az intelligens alkalmazások milyen szerepet játszanak az iparágakban.

A tantárgy formátuma

- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.

Tanfolyam testreszabási lehetőségek

- Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.

Machine Learning for Banking (with R)

28 hours

Overview

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet gépi tanulási technikákat és eszközöket alkalmazni a valós világ problémáinak megoldására a bankiparban. R programozási nyelv lesz.

A résztvevők először megtanulják a fő alapelveket, majd tudásukat a gyakorlatba ültetik saját gépi tanulási modelleik felépítésével és számos élő projekt befejezésével.

Közönség

- Fejlesztők
- Adattudósok
- Banki szakemberek, technikai háttérrel

A tantárgy formátuma

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

OpenNLP for Text Based Machine Learning

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 .

OpenNN: Implementing Neural Networks

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.

Microsoft Cognitive Toolkit 2.x

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 .

T2T: Creating Sequence to Sequence Models for Generalized Learning

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 .

Understanding Deep Neural Networks

35 hours

Overview

Ez a tanfolyam azzal kezdődik, hogy fogalmi ismereteket adunk neurális hálózatokban és általában gépi tanulási algoritmusban, mély tanulásban (algoritmusok és alkalmazások).

Part 1 (40%) ez a képzés nagyobb hangsúlyt alapjait, de segítünk választotta a megfelelő technológia: TensorFlow , Caffe , Theano, DeepDrive, Keras stb

A képzés 2. része (20%) bemutatja a Theano-t - egy python könyvtárat, amely megkönnyíti a mély tanulási modellek írását.

A képzés 3. részét (40%) nagymértékben a Tensorflow - a Go ogle nyílt forráskódú szoftverek könyvtárának 2. generációs API-ján alapszik - a Deep Learning . A példákat és a kézbesítést a TensorFlow ban TensorFlow .

Közönség

Ez a tanfolyam azoknak a mérnököknek szól, akik a TensorFlow ot szeretnék használni Deep Learning projektjeikhez

A kurzus befejezése után a küldöttek:

-

jól megértsék a mély ideghálózatokat (DNN), CNN és RNN

-

megérti a TensorFlow szerkezetét és telepítési mechanizmusait

-

képesnek kell lennie a telepítési / gyártási környezeti / építészeti feladatok elvégzésére és a konfigurációra

-

képesnek kell lennie a kódminőség értékelésére, a hibakeresés, a monitorozás végrehajtására

-

képes legyen fejlett termelést megvalósítani, mint például képzési modellek, építési grafikonok és naplózás

Natural Language Processing with TensorFlow

35 hours

Overview

TensorFlow ™ egy nyílt forráskódú szoftverkönyvtár, amely numerikus számítást végez adatfolyam-grafikonok használatával.

A SyntaxNet egy neurális hálózat természetes nyelvi feldolgozási kerete a TensorFlow .

Word 2Vec-et használják a szavak "reprezentációinak" nevű vektorképeinek megtanulására. Word 2vec egy kifejezetten számítási szempontból hatékony prediktív modell a szavak beágyazásának megismerésére nyers szövegből. Két ízben, a Continuous Bag-of- Word modellben (CBOW) és a Skip-Gram modellben (3.1 és 3.2 fejezet Mikolov és munkatársai).

A tandemben használt SyntaxNet és a Word 2Vec lehetővé teszi a felhasználók számára, hogy a Természetes Nyelvi bemenetből készítsenek Tanulmányos beágyazási modelleket.

Közönség

Ez a kurzus olyan fejlesztők és mérnökök számára készült, akik a SyntaxNet és a Word 2Vec modellekkel a TensorFlow grafikonjaikban kívánnak dolgozni.

A kurzus befejezése után a küldöttek:

- megértsék a TensorFlow struktúráját és telepítési mechanizmusait
- képesnek kell lennie telepítési / gyártási környezet / architektúra feladatok és konfiguráció elvégzésére
- képesnek kell lennie a kód minőségének értékelésére, hibakeresésre, megfigyelésre
- képesnek kell lennie a fejlett gyártás, például a képzési modellek, a beágyazási feltételek, a grafikonok és a naplózás megvalósítására

TPU Programming: Building Neural Network Applications on Tensor Processing Units

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 .

Torch for Machine and Deep Learning

21 hours

Overview

Torch egy nyílt forráskódú gépi tanulási könyvtár és egy tudományos számítási keret, amely a Lua programozási nyelvén alapul. Fejlesztési környezetet biztosít a számok, a gépi tanulás és a számítógépes látás számára, különös tekintettel a mélyreható tanulásra és a konvolúciós hálózatokra. Ez a gépi és Deep Learning egyik leggyorsabb és legrugalmasabb kerete, amelyet olyan vállalatok használnak, mint a Facebook , a Go ogle, a Twitter, az NVIDIA, az AMD, az Intel és még sokan mások.

Ebben az oktató által vezetett, élő képzésben bemutatjuk a Torch alapelveit, annak egyedi tulajdonságait és azt, hogy miként lehet alkalmazni a valós alkalmazásokban. Számos gyakorlati gyakorlaton megyünk keresztül, bemutatva és gyakorlva a megtanult fogalmakat.

A tanfolyam végére a résztvevők alaposan megértik a Torch alapvető jellemzőit és képességeit, valamint annak szerepét és hozzájárulását az AI térben a többi kerethez és könyvtárhoz képest. A résztvevők megkapják a szükséges gyakorlatokat is a Torch saját projektekbe történő bevezetéséhez.

A tantárgy formátuma

- A gépi és Deep Learning áttekintése
- Osztályon belüli kódolási és integrációs gyakorlatok
- Az út mentén szórt tesztkérdések a megértés ellenőrzéséhez

TensorFlow for Image Recognition

28 hours

Overview

Ez a kurzus konkrét példákkal vizsgálja a Tensor Flow alkalmazását a képfelismerés céljára

Közönség

Ez a kurzus olyan mérnökök számára készült, akik a TensorFlow t a TensorFlow céljából kívánják felhasználni

A kurzus befejezése után a küldöttek:

- megértsék a TensorFlow struktúráját és telepítési mechanizmusait
- telepítési / gyártási környezet / architektúra feladatokat és konfigurációt végez
- a kód minőségének értékelése, hibakeresés, monitorozás
- fejlett gyártást, például képzési modelleket, grafikonokat és naplózást valósít meg

Upcoming Machine Learning Courses

Deep Learning for Banking (with Python)

2019-11-04 09:30:00

Miskolc

Távoktatás

7000EUR

Tanterem

8000EUR

Deep Learning for Banking (with R)

2019-11-04 09:30:00

Miskolc

Távoktatás

7000EUR

Tanterem

8000EUR

Deep Learning for Banking (with R)

2019-11-04 09:30:00

Szeged

Távoktatás

7000EUR

Tanterem

8000EUR

Deep Learning for Finance (with Python)

2019-11-04 09:30:00

Miskolc

Távoktatás

7000EUR

Tanterem

8000EUR

Deep Learning for Finance (with R)

2019-11-04 09:30:00

Pécs, belváros

Távoktatás

7000EUR

Tanterem

8000EUR

Other regions

;Budapest Hajdú-Bihar Borsod-Abaúj-Zemplén Csongrád Baranya Bács-Kiskun Pécs

Other countries

Kurzusaink más országokban is elérhetők ››

Consulting

Machine Learning Consulting

Weekend Machine Learning (ML) courses, Evening Machine Learning (ML) training, Machine Learning (ML) boot camp, Machine Learning instructor-led, Weekend ML (Machine Learning) training, Evening ML (Machine Learning) courses, Machine Learning coaching, Machine Learning instructor, ML (Machine Learning) trainer, ML (Machine Learning) training courses, Machine Learning (ML) classes, Machine Learning (ML) on-site, Machine Learning (ML) private courses, ML (Machine Learning) one on one training