A helyi, oktató által vezetett élő mesterséges intelligencia (AI) képzések gyakorlati gyakorlattal mutatják be, hogyan valósíthatók meg AI megoldások a valós problémák megoldására. Az AI képzés elérhető "helyszíni élő képzés" vagy "távoli élő képzés" formájában. 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
Szeretem a példákat magyarázni
AUO友达光电（苏州）有限公司
Kurzus: OptaPlanner in Practice
Translated by
Kurzusleírás
| Kód | Név | Időtartam | Áttekintés |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 óra | Ez a kurzus a menedzserek, a megoldásépítészek, az innovációs tisztek, a CTO-k, a szoftverépítészek és mindenki számára érdekelt, akik az alkalmazott mesterséges intelligencia áttekintését és a fejlesztéshez legközelebbi előrejelzés iránt érdeklődnek. |
| pythontextml | Python: Machine Learning with Text | 21 óra | Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan használják a megfelelő gépi tanulást és az NLP (Natural Language Processing) technikákat, hogy a szövegbázistól származó adatokból nyerjenek ki értéket A képzés végére a résztvevők képesek lesznek: A szövegalapú adatkommunikációs problémák megoldása magas minőségű, újrafelhasználható kóddal Alkalmazza a scikitlearn különböző aspektusait (osztályozás, csoportosítás, regresszió, dimenziócsökkentés) a problémák megoldásához Építsen hatékony gépi tanulási modelleket szöveges alapú adatok felhasználásával Hozzon létre egy adatkészletet, és kivonatolja a struktúrákból származó elemeket Az adatok megjelenítése a Matplotlib segítségével A bemutatók megszerzése és értékelése A szöveges kódolási hibák elhárítása Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| textsum | Text Summarization with Python | 14 óra | A Python Machine Learning programban a szövegösszefüggés funkció képes olvasni a beviteli szöveget és szövegösszefüggést készíteni Ez a képesség a parancssorból vagy Python API-ból / könyvtárból érhető el Egy izgalmas alkalmazás a végrehajtó összefoglalók gyors létrehozása; ez különösen hasznos azoknak a szervezeteknek, amelyeknek nagyobb szövegszövegeket kell átnézniük, mielőtt jelentéseket és előadást készítenének Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a Pythonot, hogy létrehozzanak egy egyszerű alkalmazást, amely automatikusan létrehozza a beviteli szöveg összefoglalását A képzés végére a résztvevők képesek lesznek: Használjon parancssori eszközt, amely összefoglalja a szöveget Tervezzen és hozzon létre szöveges összegzési kódot a Python könyvtárakkal Értékelje három Python összefoglaló könyvtárat: Sumy 070, Permanumization 104, Readless 1017 Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| undnn | Understanding Deep Neural Networks | 35 óra | 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 . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 óra | 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 . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 óra | A 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 . |
| mlbankingr | Machine Learning for Banking (with R) | 28 óra | 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 . |
| python_nlp | Natural Language Processing with Deep Dive in Python and NLTK | 35 óra | A képzés végéig a küldöttek várhatóan elegendő felszereléssel fognak rendelkezni a lényeges python koncepciókkal, és képesek lesznek képesek megfelelően használni az NLTK-t az NLP és ML alapú műveletek végrehajtására A képzés célja nem csak végrehajtó tudás, hanem a technológia logikai és működési ismerete is . |
| matlabdl | Matlab for Deep Learning | 14 óra | 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 . |
| matlabpredanalytics | Matlab for Predictive Analytics | 21 óra | A prediktív analitika az adatelemzés használatának folyamata a jövőre vonatkozó előrejelzések készítése céljából Ez a folyamat adatbányászattal, statisztikával és gépi tanulási technikákkal együtt adatokat használ fel a jövőbeli események előrejelzésére szolgáló prediktív modell létrehozására Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan használják a Matlabot prediktív modellek készítéséhez és nagymintás adatkészletekhez való alkalmazására, hogy előrejelezzék a jövőbeli eseményeket az adatok alapján A képzés végére a résztvevők képesek lesznek: Prediktív modellek létrehozása történelmi és tranzakciós adatok mintáinak elemzésére Használja a prediktív modellezést a kockázatok és lehetőségek azonosítása érdekében Készítsen matematikai modelleket, amelyek rögzítik a fontos tendenciákat Az eszközök és az üzleti rendszerek adatainak felhasználásával csökkentheti a hulladékot, időt takaríthat meg, vagy csökkentheti a költségeket Közönség Fejlesztők mérnökök Domain szakértők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| tensorflowserving | TensorFlow Serving | 7 óra | 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 . |
| mlios | Machine Learning on iOS | 14 óra | 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 . |
| nlg | Python for Natural Language Generation | 21 óra | A természetes nyelvi termelés (NLG) a természetes nyelvű szöveg vagy beszéd előállítását jelenti Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a Python-t, hogy magas minőségű természetes nyelvű szövegeket készítsenek saját NLG-rendszerüknek a semmiből Esettanulmányokat fognak megvizsgálni, és a releváns fogalmakat alkalmazni fogják az élőlabor-projektekhez tartalom generálásához A képzés végére a résztvevők képesek lesznek: Használja az NLG-t, hogy automatikusan generáljon tartalmat különböző iparágakra, az újságírásról az ingatlanra, az időjárás és a sportjelentésekre Válasszon és szervezzen forrástartalmat, tervezzen mondatokat, és készítsen egy rendszert az eredeti tartalom automatikus generálásához Ismerje meg az NLG csővezetéket, és alkalmazza a megfelelő technikákat minden szakaszban Értsd meg a Natural Language Generation (NLG) rendszer architektúráját Végezze el a legmegfelelőbb algoritmusokat és modelleket elemzéshez és rendeléshez A nyilvánosan elérhető adatforrásokból származó adatokat, valamint a feldolgozott szövegekhez használt kurátált adatbázisokat húzzuk meg Cserélje ki a kézi és munkaigényes írási folyamatokat számítógépes, automatizált tartalomkészítéssel Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| encogintro | Encog: Introduction to Machine Learning | 14 óra | A Encog egy nyílt forráskódú gépi tanulási keret a Java és aNet számára Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan lehet különböző neurális hálózati komponenseket létrehozni az ENCOG segítségével A Realworld esettanulmányait megvitatják, és megvizsgálják a gépi nyelv alapú megoldásokat ezekre a problémákra A képzés végére a résztvevők képesek lesznek: Adja meg a neurális hálózatok adatait a normalizációs folyamat segítségével Végrehajtja a feed forward hálózatokat és a szaporítási képzési módszereket Végezzen osztályozási és regressziós feladatokat Modellje és képzése neurális hálózatok segítségével Encog GUI alapú munkaállomás Integrálja a neurális hálózati támogatást a valós világ alkalmazásokba Közönség Fejlesztők Az elemzők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| bigdatabicriminal | Big Data Business Intelligence for Criminal Intelligence Analysis | 35 óra | A technológiák előrehaladása és az egyre növekvő számú információ átalakítja a bűnüldözés végrehajtását Azok a kihívások, amiket a Big Data jelent, közel annyira ijesztőek, mint a Big Data ígérete Az adatok hatékony tárolása ezen kihívások egyike; ténylegesen elemezve ez egy másik Ebben az oktatott, élő képzésben a résztvevők meg fogják tanulni a gondolkodásmódot, amellyel megközelíthetik a Big Data technológiákat, megvizsgálhatják a meglévő folyamatokra és politikákra gyakorolt hatásukat, és végrehajtják ezeket a technológiákat a bűncselekmények azonosítása és a bűnözés megelőzése céljából A bűnüldöző szervek világszerte végzett esettanulmányait megvizsgálják, hogy betekintést nyerjenek az örökbefogadási megközelítésekhez, kihívásokhoz és eredményekhez A képzés végére a résztvevők képesek lesznek: Kombinálja a Big Data technológiát a hagyományos adatgyűjtési folyamatokkal, hogy összefoglalja a történetet egy vizsgálat során Nagyméretű adattárolási és feldolgozási megoldásokat valósít meg az adatok elemzéséhez Készítsen javaslatot a legmegfelelőbb eszközök és folyamatok elfogadására, amelyek lehetővé teszik a bűnügyi nyomozás datalizált megközelítését Közönség Műszaki háttérrel rendelkező bűnüldöző szakemberek A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| encogadv | Encog: Advanced Machine Learning | 14 óra | A Encog egy nyílt forráskódú gépi tanulási keret a Java és aNet számára Ebben az oktatott, élő képzésben a résztvevők megtanulják a fejlett gépi tanulási technikákat pontos neurális hálózati prediktív modellek építésére A képzés végére a résztvevők képesek lesznek: Különböző neurális hálózatok optimalizálási technikáit hajtsák végre az alulmûködés és a túlfûzés megoldása érdekében Megérteni és kiválasztani számos neurális hálózati architektúrát Végrehajtja a felügyelt feed forward és visszacsatolási hálózatokat Közönség Fejlesztők Az elemzők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| radvml | Advanced Machine Learning with R | 21 óra | 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 . |
| pythonadvml | Python for Advanced Machine Learning | 21 óra | 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 . |
| fiji | Fiji: Introduction to Scientific Image Processing | 21 óra | A Fiji egy nyílt forráskódú képfeldolgozó csomag, amely összekapcsolja az ImageJ (tudományos többdimenziós képek képfeldolgozó programját) és számos, a tudományos képelemzésre szolgáló bővítményeket Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan használják a Fiji-eloszlást és annak alapjául szolgáló ImageJ programot egy képelemző alkalmazás létrehozásához A képzés végére a résztvevők képesek lesznek: Használja a Fiji fejlett programozási szolgáltatásait és szoftverkomponenseit az ImageJ kiterjesztéséhez Fogd össze a nagyméretű 3d képeket az átfedő lapokból Automatikusan frissítse a Fiji telepítését indításkor az integrált frissítési rendszer használatával Válasszon a szkriptnyelvek széles választékából az egyéni képelemzési megoldások létrehozásához Használja a Fidzsi nagy teljesítményű könyvtárakat, például az ImgLib-et a nagy bioimage adatkészleteken Telepítsük alkalmazását és együttműködjünk más kutatókkal hasonló projekteken Közönség A tudósok kutatók Fejlesztők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| rasberrypiopencv | Raspberry Pi + OpenCV: Build a Facial Recognition System | 21 óra | Ez az oktatott, élő képzés bemutatja a szoftver, a hardver és a stepbystep folyamatát, amely az arcfelismerő rendszer megépítéséhez szükséges a semmiből Az arcfelismerés az Arcfelismerés néven is ismert A laborban használt hardver tartalmazza a Rasberry Pi-et, a fényképezőgép-modult, a szervókat (opcionális), stb A résztvevők felelősek ezen komponensek megvásárlásáért A használt szoftver OpenCV, Linux, Python stb A képzés végére a résztvevők képesek lesznek: Telepítse a Linux, az OpenCV és más szoftver segédprogramokat és könyvtárakat egy Rasberry Pi-on Az OpenCV beállítása az arcfájlok rögzítéséhez és felderítéséhez Ismerje meg a Rasberry Pi rendszer csomagolásának különböző lehetőségeit a valós világ környezetben való használatra Alkalmazkodni a rendszerhez különböző használati esetekben, beleértve a felügyeletet, a személyazonosság igazolását stb Közönség Fejlesztők Hardver / szoftver technikusok Technikai személyek minden iparágban Hobbifelhasználók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat jegyzet Egyéb hardver és szoftver opciók: Arduino, OpenFace, Windows stb Ha bármelyiket szeretné használni, kérjük, vegye fel velünk a kapcsolatot . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 óra | 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 . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 óra | A 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 . |
| t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 óra | 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 . |
| cognitivecomputing | Cognitive Computing: An Introduction for Business Managers | 7 óra | A kognitív számítás olyan rendszerekre utal, amelyek magukban foglalják a gépi tanulás, az érvelés, a természetes nyelvfeldolgozás, a beszédfelismerés és a látás (objektum-felismerés), az emberi-számítógép-interakció, a dialógus és a narratív generáció szerepét A kognitív számítástechnikai rendszer gyakran többféle technológiát tartalmaz, amelyek együtt dolgoznak a "forró" kontextuális adatok, valamint a "hideg" történeti adatok nagy sorozatos feldolgozásában Ilyen technológiák például a Kafka, Spark, Elasticsearch, Cassandra és Hadoop Ebben az oktatott, élő képzésben a résztvevők megtudják, hogy a Kognitív Számítástechnika mennyire üdvözli az AI-t és a Big Data-t, valamint azt, hogy a rendeltetésszerű rendszerek hogyan használhatók olyan emberi viselkedésmódok megvalósítására, amelyek javítják az emberi interakciók üzleti teljesítményét A képzés végére a résztvevők meg fogják érteni: A kognitív számítástechnika és a mesterséges intelligencia (AI) A kognitív számítástechnika természeténél fogva valószínűségi jellege, és hogyan használjuk üzleti előnyként Hogyan kell kezelni azokat a kognitív számítástechnikai rendszereket, amelyek váratlanul viselkednek Mely vállalatok és szoftverrendszerek kínálják a legigényesebb kognitív számítástechnikai megoldásokat Közönség Üzletvezetők A tanfolyam formátuma Előadás, esettanulmányok és gyakorlatok . |
| dsstne | Amazon DSSTNE: Build a Recommendation System | 7 óra | Az 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 . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 óra | A Snorkel egy olyan rendszer, amely gyorsan képes létrehozni, modellezni és kezelni a képzési adatokat Arra összpontosít, hogy felgyorsuljon a strukturált vagy "sötét" adatelnyelési alkalmazások fejlesztése azokon a területeken, ahol a nagy címkézett képzési készletek nem állnak rendelkezésre vagy könnyen beszerezhetők Ebben az oktatott, élő képzésben a résztvevők megtanulják a strukturált adatok - például szöveg, táblázatok, ábrák és képek - kicsinyítésének technikáit a Snorkel-szel végzett képzési adatok modellezésével A képzés végére a résztvevők képesek lesznek: Programszerűen hozzon létre képzési készleteket, amelyek lehetővé teszik a hatalmas edzéskészletek címkézését Vigye végig a csúcsminőségű modelleket a zajos edzéskészletek modellezésével Használja a Snorkelt a gyenge felügyeleti technikák végrehajtására és az adatfeldolgozást a gyengén felügyelt gépi tanulási rendszerekre Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 óra | A 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 . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 óra | 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 . |
| MicrosoftCognitiveToolkit | Microsoft Cognitive Toolkit 2.x | 21 óra | 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 . |
| ML_LBG | Machine Learning – Data science | 21 óra | Ez az osztálytermi alapú edzés a (javasolt) Python gépi tanulási eszközöket vizsgálja A küldöttek számítógéppel kapcsolatos példákkal és esettanulmányi gyakorlatokkal rendelkeznek . |
Upcoming Courses
| Kurzus | Dátum | Ár [Távoktatás / Tantermi] |
|---|---|---|
| Artificial Intelligence Overview - Miskolc, Tapolcafürdő | k, 2019-01-01 09:30 | 1750EUR / 2150EUR |
| Artificial Intelligence Overview - Szeged, Felső Tisza-Part | p, 2019-01-04 09:30 | 1750EUR / 2150EUR |
| Artificial Intelligence Overview - Budapest, V. kerület | h, 2019-01-21 09:30 | 1750EUR / 2150EUR |
| Artificial Intelligence Overview - Kecskemét | k, 2019-01-22 09:30 | 1750EUR / 2150EUR |
| Artificial Intelligence Overview - Debrecen | k, 2019-01-22 09:30 | 1750EUR / 2150EUR |
Other countries
Consulting
Weekend Mesterséges Intelligencia courses, Evening Mesterséges Intelligencia training, Mesterséges Intelligencia boot camp, Mesterséges Intelligencia instructor-led, Weekend Mesterséges Intelligencia training, Evening Mesterséges Intelligencia courses, Mesterséges Intelligencia coaching, Mesterséges Intelligencia instructor, Mesterséges Intelligencia trainer, Mesterséges Intelligencia training courses, Mesterséges Intelligencia classes, Mesterséges Intelligencia on-site, Mesterséges Intelligencia private courses, Mesterséges Intelligencia one on one training
Course Discounts
| Kurzus | Helyszín | Dátum | Ár [Távoktatás / Tantermi] |
|---|---|---|---|
| OCEB Certified Expert in BPM - Technical Intermediate Exam Preparation | Miskolc, Tapolcafürdő | h, 2019-01-14 09:30 | 3150EUR / 3750EUR |
| Marketing Analytics using R | Szeged, Felső Tisza-Part | h, 2019-01-14 09:30 | 4725EUR / 5525EUR |
| Object-Oriented Analysis and Design using UML | Miskolc, Tapolcafürdő | h, 2019-01-21 09:30 | 4725EUR / 5525EUR |
| Handling Conflict with Confidence | Budapest, V. kerület | cs, 2019-01-31 09:30 | 2970EUR / 3570EUR |
| R for Data Analysis and Research | Debrecen | cs, 2019-06-13 09:30 | 1575EUR / 1975EUR |
Kiemelt ügyfeleink
.png "chartered institute of marketing (cim)")
.png "e-health innovation systems (his)")
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!