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.
Machine Translated
Vélemények
Nagyon tetszett a gyakorlatok
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
Nagyon informatív és hasznos volt.
Pratheep Ravy
Kurzus: Predictive Modelling with R
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
Ann nagyszerű környezetet teremtett kérdéseket feltenni és tanulni. Sokat szórakoztattunk, és sokat tanultam egyszerre.
Gudrun Bickelq
Kurzus: Introduction to the use of neural networks
Machine Translated
Az interaktív rész, a saját igényeinknek megfelelően.
Thomas Stocker
Kurzus: Introduction to the use of neural networks
Machine Translated
Tetszett a gyakorlatok.
Office for National Statistics
Kurzus: Natural Language Processing with Python
Machine Translated
Tényleg élveztem a gyakorlati megközelítést.
Kevin De Cuyper
Kurzus: Computer Vision with OpenCV
Machine Translated
anyagválaszték
Maciej Jonczyk
Kurzus: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
a tudás rendszerezése az ML területén
Orange Polska
Kurzus: From Data to Decision with Big Data and Predictive Analytics
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
Nagyra értékelem Krisztus kristálytiszta válaszát a kérdéseinkre.
Léo Dubus
Kurzus: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
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 nagyon könnyen megmagyarázta a nehéz és fejlett témákat. Les
Leszek K
Kurzus: Artificial Intelligence Overview
Machine Translated
Tetszett a mély gépi tanulás új betekintése.
Josip Arneric
Kurzus: Neural Network in R
Machine Translated
Némi tudást szereztünk az NN-ről általában, és ami számomra a legérdekesebb volt, az új NN típusok ma népszerűek.
Tea Poklepovic
Kurzus: Neural Network in R
Machine Translated
Leginkább a R :) grafikonokat élveztem)).
Faculty of Economics and Business Zagreb
Kurzus: Neural Network in R
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
Mindenki tetszik
蒙 李
Kurzus: Machine Learning Fundamentals with Python
Machine Translated
a vezetés módját és az oktató által adott példát ORAN
ORANGE POLSKA S.A.
Kurzus: Machine Learning and Deep Learning
Machine Translated
Lehetőség magad megvitatni a javasolt kérdéseket
ORANGE POLSKA S.A.
Kurzus: Machine Learning and Deep Learning
Machine Translated
Mesterséges Intelligencia Course Outlines
Kurzusnév
Időtartalma
Összefoglaló
Kurzusnév
Időtartalma
Összefoglaló
7 hours
This instructor-led, live training in Magyarország (online or onsite) is aimed at software engineers or anyone who wish to learn how to use Vertex AI to perform and complete machine learning activities.
By the end of this training, participants will be able to:
- Understand how Vertex AI works and use it as a machine learning platform.
- Learn about machine learning and NLP concepts.
- Know how to train and deploy machine learning models using Vertex AI.
By the end of this training, participants will be able to:
- Understand how Vertex AI works and use it as a machine learning platform.
- Learn about machine learning and NLP concepts.
- Know how to train and deploy machine learning models using Vertex AI.
7 hours
AlphaFold egy Artificial Intelligence (AI) rendszer, amely a fehérje szerkezetek előrejelzését végzi. Az Alphabet’s/Google’s DeepMind fejlesztette ki, mint egy mély tanulási rendszer, amely pontosan megjósolhatja a fehérje szerkezetek 3D modelleit.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan biológusokra irányul, akik meg akarják érteni, hogy AlphaFold hogyan működik és használja AlphaFold modelleket kísérleti tanulmányai útmutatóként.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg az alapvető elvek AlphaFold. Ismerje meg, hogyan működik AlphaFold. Ismerje meg, hogyan kell értelmezni AlphaFold előrejelzéseket és eredményeket.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan biológusokra irányul, akik meg akarják érteni, hogy AlphaFold hogyan működik és használja AlphaFold modelleket kísérleti tanulmányai útmutatóként.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg az alapvető elvek AlphaFold. Ismerje meg, hogyan működik AlphaFold. Ismerje meg, hogyan kell értelmezni AlphaFold előrejelzéseket és eredményeket.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
14 hours
Waikato Environment for Knowledge Analysis (Weka) egy nyílt forráskódú adatbányászat vizualizációs szoftver. A gépi tanulási algoritmusok gyűjteményét biztosítja az adatok előkészítésére, osztályozására, csoportosítására és egyéb adatbányászati tevékenységekre.
Ez az oktató által vezetett, élő képzés (online vagy online) célja az adatelemzők és az adattudósok, akik szeretnék használni Weka az adatbányászati feladatok elvégzésére.
A képzés befejezése után a résztvevők képesek lesznek:
Beállítása és konfigurálása Weka Ismerje meg a Weka környezetet és a munkabankot. Az adatbányászati feladatok elvégzése Weka.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ez az oktató által vezetett, élő képzés (online vagy online) célja az adatelemzők és az adattudósok, akik szeretnék használni Weka az adatbányászati feladatok elvégzésére.
A képzés befejezése után a résztvevők képesek lesznek:
Beállítása és konfigurálása Weka Ismerje meg a Weka környezetet és a munkabankot. Az adatbányászati feladatok elvégzése Weka.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
14 hours
Ennek a kurzusnak a célja, hogy alapvető készségeket biztosítson az Machine Learning módszerek alkalmazásában a gyakorlatban. A Python programozási nyelv és a különböző könyvtárak használatával, és számos gyakorlati példa alapján ez a kurzus tanítja, hogyan kell használni a legfontosabb építési blokkokat Machine Learning, hogyan kell adatmodellezési döntéseket hozni, értelmezni az algoritmusok kimenetelét és érvényesíteni az eredményeket.
Célunk, hogy megadjuk Önnek a készségeket, hogy megértse és használja a legalapvetőbb eszközöket a Machine Learning szerszámdobozban bizalommal, és elkerüljék a közönséges csapások a Data Science alkalmazások.
Célunk, hogy megadjuk Önnek a készségeket, hogy megértse és használja a legalapvetőbb eszközöket a Machine Learning szerszámdobozban bizalommal, és elkerüljék a közönséges csapások a Data Science alkalmazások.
21 hours
Ebben az oktatott, élő képzésben a résztvevők megtanulják a legfontosabb és legelterjedtebb gépi tanulási technikákat a Pythonban, miközben olyan demó alkalmazásokat készítenek, amelyek képeket, zenéket, szövegeket és pénzügyi adatokat tartalmaznak A képzés végére a résztvevők képesek lesznek: Gépi tanulási algoritmusok és technikák végrehajtása komplex problémák megoldásához Alapos tanulás és félig felügyelt tanulás alkalmazása a képeket, zenéket, szöveget és pénzügyi adatokat tartalmazó alkalmazásokhoz Nyomja a Python algoritmusokat a maximális potenciáljukhoz Használjon olyan könyvtárakat és csomagokat, mint a NumPy és a Theano Közönség Fejlesztők Az elemzők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
21 hours
A becslések szerint a strukturálatlan adatok az összes adat több mint 90 százalékát teszik ki, nagy részük szöveges formában. A blogbejegyzés, a tweet, a közösségi média és más digitális kiadványok folyamatosan bővítik ezt a növekvő adatmennyiséget.
Ez az oktató által irányított, élő tanfolyam ezen információkból nyer betekintést és jelentést. Az R Language és a Natural Language Processing (NLP) könyvtárakat ötvözve a számítógépes tudománytól, a mesterséges intelligenciától és a számítástechnológiától kezdve a fogalmakat és technikákat az algoritmikus megértéshez a szöveges adatok mögött. Az adatminták különböző nyelveken érhetők el vevői igények szerint.
A képzés végére a résztvevők képesek lesznek (nagy és kicsi) adatkészleteket elkészíteni eltérő forrásokból, majd a megfelelő algoritmusokat alkalmazni annak jelentőségének elemzésére és jelentésére.
A tantárgy formátuma
- Rész előadás, rész vita, nehéz gyakorlati gyakorlat, alkalmi tesztek a megértés felmérésére
Ez az oktató által irányított, élő tanfolyam ezen információkból nyer betekintést és jelentést. Az R Language és a Natural Language Processing (NLP) könyvtárakat ötvözve a számítógépes tudománytól, a mesterséges intelligenciától és a számítástechnológiától kezdve a fogalmakat és technikákat az algoritmikus megértéshez a szöveges adatok mögött. Az adatminták különböző nyelveken érhetők el vevői igények szerint.
A képzés végére a résztvevők képesek lesznek (nagy és kicsi) adatkészleteket elkészíteni eltérő forrásokból, majd a megfelelő algoritmusokat alkalmazni annak jelentőségének elemzésére és jelentésére.
A tantárgy formátuma
- Rész előadás, rész vita, nehéz gyakorlati gyakorlat, alkalmi tesztek a megértés felmérésére
28 hours
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.
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.
28 hours
Ez a kurzus bemutatja a nyelvészeket vagy programozókat az NLP-hez Python. Ebben a kurzusban többnyire használjuk a nltk.org (Natural Language Tool Kit), de más releváns és hasznos könyvtárakat is használunk az NLP számára. Jelenleg ezt a tanfolyamot Python 2.x vagy Python 3.x. Példák angolul vagy mandarin nyelven (普通话). Más nyelvek is rendelkezésre állnak, ha a foglalás előtt egyetértünk.
35 hours
Ez egy ötnapos bevezetés az Data Science és az AI számára.
A tanfolyam példákkal és gyakorlatokkal szolgál a Python segítségével
A tanfolyam példákkal és gyakorlatokkal szolgál a Python segítségével
28 hours
Ez egy 4 napos tanfolyam, amely bemutatja az AI és annak alkalmazását a Python programozási nyelv használatával. Van egy lehetőség, hogy egy további napot, hogy elvégezzen egy AI projekt befejezése után ez a kurzus.
21 hours
A mély Reinforcement Learning a & quot;artifical ügynök képességére & quot; megtalálásának a hibás- és hibás- és díja- és büntetésével. Egy műszaki ügynök céljából az emberi ' a képessége saját ismeret kapcsolatban és építésére, közvetlenül a hajlési befektetésekből, mint a látmányból. A megerősített tanulmányok megfelelően mély tanulmány és neurál hálózatok használják. A megerősítési tanulmány különböző gép tanulmányból, és nem függ a felügyeleti és nem felügyelő tanulmányos megoldásokra.
E tanácsadóban élő képviselő, a résztvevők megtanulnak a Dühösség alapján Reinforcement Learning, amikor egy Deep Learning ügynök létrehozására lépnek.
E képzés végéig a résztvevők tudnak:
Megértem a Dühösséget mögött kulcskönyvek Reinforcement Learning és tudja el különbözni Machine Learning Felhasznált algoritmikat alkalmazni a valódi világproblémák megoldásához Deep Learning Ügynök
Hivatalosság
Adattudományok fejlesztők
A személy formátunk
Részbemutató, részbeszéd, gyakorlatok és súlyos kezek a gyakorlat
E tanácsadóban élő képviselő, a résztvevők megtanulnak a Dühösség alapján Reinforcement Learning, amikor egy Deep Learning ügynök létrehozására lépnek.
E képzés végéig a résztvevők tudnak:
Megértem a Dühösséget mögött kulcskönyvek Reinforcement Learning és tudja el különbözni Machine Learning Felhasznált algoritmikat alkalmazni a valódi világproblémák megoldásához Deep Learning Ügynök
Hivatalosság
Adattudományok fejlesztők
A személy formátunk
Részbemutató, részbeszéd, gyakorlatok és súlyos kezek a gyakorlat
14 hours
IBM Cloud Pak for Data egy többfelhő szoftver platform gyűjteni, szervezni és elemezni az adatokat használni AI.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan adattudósokra irányul, akik az IBM Cloud Pak-t szeretnék használni az AI megoldásokhoz használható adatok előkészítéséhez.
A képzés befejezése után a résztvevők képesek lesznek:
Telepítse és konfigurálja a Cloud Pak adatokat. Az adatok gyűjtésének, szervezésének és elemzésének egységesítése. Integrálja a Cloud Pak for Data különböző szolgáltatásokkal, hogy megoldja a közös üzleti problémákat. A munkafolyamatok végrehajtása a csapattagokkal való együttműködés érdekében egy AI megoldás kidolgozásában.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan adattudósokra irányul, akik az IBM Cloud Pak-t szeretnék használni az AI megoldásokhoz használható adatok előkészítéséhez.
A képzés befejezése után a résztvevők képesek lesznek:
Telepítse és konfigurálja a Cloud Pak adatokat. Az adatok gyűjtésének, szervezésének és elemzésének egységesítése. Integrálja a Cloud Pak for Data különböző szolgáltatásokkal, hogy megoldja a közös üzleti problémákat. A munkafolyamatok végrehajtása a csapattagokkal való együttműködés érdekében egy AI megoldás kidolgozásában.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
28 hours
A gépi tanulás a mesterséges intelligencia ágazata, amelyben a számítógépek képesek megtanulni anélkül, hogy kifejezetten programozódnának.
A mélytanulás a gépi tanulás olyan alterülete, amely a tanulási adatok képviseletén és szerkezetén alapuló módszereket használ, mint például a neurális hálózatok.
Python egy magas szintű programozási nyelv híres a világos szintax és a kódolhatóság.
Ebben az oktató által vezetett, élő képzésben a résztvevők megtanulják, hogyan kell végrehajtani a mélyreható tanulási modelleket a távközlési használathoz Python miközben a mélyreható tanulási hitelkockázati modell létrehozásán keresztül haladnak.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg a mély tanulás alapvető fogalmát. Ismerje meg a mélytanulás alkalmazásait és használatait a telecomban. Használja Python, Keras, és TensorFlow létrehozása mély tanulási modellek a távközlési. Hozzon létre saját mélyreható tanulási ügyfél előrejelzési modell segítségével Python.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
A mélytanulás a gépi tanulás olyan alterülete, amely a tanulási adatok képviseletén és szerkezetén alapuló módszereket használ, mint például a neurális hálózatok.
Python egy magas szintű programozási nyelv híres a világos szintax és a kódolhatóság.
Ebben az oktató által vezetett, élő képzésben a résztvevők megtanulják, hogyan kell végrehajtani a mélyreható tanulási modelleket a távközlési használathoz Python miközben a mélyreható tanulási hitelkockázati modell létrehozásán keresztül haladnak.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg a mély tanulás alapvető fogalmát. Ismerje meg a mélytanulás alkalmazásait és használatait a telecomban. Használja Python, Keras, és TensorFlow létrehozása mély tanulási modellek a távközlési. Hozzon létre saját mélyreható tanulási ügyfél előrejelzési modell segítségével Python.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
14 hours
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 .
7 hours
Ez a kurzus a vezetők, a megoldások építészek, az innovációs tisztviselők, a CTO-k, a szoftver építészek és mindenki számára készült, aki érdekli az alkalmazott mesterséges intelligencia áttekintését és a legközelebbi előrejelzést a fejlesztéshez.
21 hours
Ez a kurzus gyakorlati megközelítést alkalmaz az OptaPlanner oktatására. Ez biztosítja a résztvevőknek az eszköz alapvető funkcióinak végrehajtásához szükséges eszközöket.
28 hours
Ez a négy napos kurzus célja a genetikai algoritmusok működésének tanítása; kiterjed a genetikai algoritmus modellparamétereinek kiválasztására is; sokféle genetikai algoritmus alkalmazható ebben a kurzusban, és az optimalizálási problémákat a genetikai algoritmusokkal kezelik.
7 hours
Ez egy osztálytermi képzés, prezentáció és kérdés és válasz formátumban
14 hours
Az Intelligens Automatizálás (IPA) a Artificial Intelligence (AI) , a robotika és a harmadik féltől származó szolgáltatásokkal történő integráció használatát jelenti az RPA erejének kibővítése érdekében.
Ez az oktató által irányított, élő (helyszíni vagy távoli) képzés olyan műszaki személyeknek szól, akik intelligensebb képességekkel rendelkező RPA rendszert akarnak létrehozni vagy kibővíteni.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja az UiPath IPA-t.
- A robotok engedélyezése más robotok kezelésére.
- Használja a számítógépes látást a képernyőobjektumok pontosságának meghatározásához.
- Engedélyezze a robotokat, amelyek felismerik a nyelvi mintákat, és érzelemzést végezhetnek a nem strukturált tartalomról.
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 ehhez a kurzushoz, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
- Ha többet szeretne megtudni az UiPath IPA-ról, látogasson el a https: // www oldalra. UiPath .com / rpa / intelligens-folyamat-automatizálás
Ez az oktató által irányított, élő (helyszíni vagy távoli) képzés olyan műszaki személyeknek szól, akik intelligensebb képességekkel rendelkező RPA rendszert akarnak létrehozni vagy kibővíteni.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja az UiPath IPA-t.
- A robotok engedélyezése más robotok kezelésére.
- Használja a számítógépes látást a képernyőobjektumok pontosságának meghatározásához.
- Engedélyezze a robotokat, amelyek felismerik a nyelvi mintákat, és érzelemzést végezhetnek a nem strukturált tartalomról.
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 ehhez a kurzushoz, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
- Ha többet szeretne megtudni az UiPath IPA-ról, látogasson el a https: // www oldalra. UiPath .com / rpa / intelligens-folyamat-automatizálás
14 hours
A szoftvertesztelés az a folyamat, amelynek során értékelni kell a szoftveralkalmazások funkcionalitását. Integrálása mesterséges intelligencia a szoftver tesztelési környezet lehetővé teszi, hogy a folyamat az AI vezérelt, felgyorsítja authoring, kivitelezés, és karbantartási tesztek.
Ez oktató által vezetett, él képzés (helyi vagy távoli) van megcélzott-on szoftver baldachin ki kívánság-hoz volna egy AI vezetett szoftver vizsgálat környezet.
Ennek a tréningnek a végére a résztvevők:
- Automatizált egység teszt generációs és paraméterezése az AI.
- Alkalmazni gépi tanulás tanulás egy igazi világ használata esetén.
- Automatizálja a termelés és karbantartása API tesztek AI.
- Használja gépi tanulási módszerek saját gyógyítani végrehajtása Selenium vizsgálatok.
A kurzus formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlatok és gyakorlat.
- Gyakorlati megvalósítás élő labor környezetben.
Tanfolyami testreszabási beállítások
- Ha szeretne személyre szabott képzést kérni erre a kurzusra, kérjük, lépjen kapcsolatba velünk, hogy gondoskodjon.
Ez oktató által vezetett, él képzés (helyi vagy távoli) van megcélzott-on szoftver baldachin ki kívánság-hoz volna egy AI vezetett szoftver vizsgálat környezet.
Ennek a tréningnek a végére a résztvevők:
- Automatizált egység teszt generációs és paraméterezése az AI.
- Alkalmazni gépi tanulás tanulás egy igazi világ használata esetén.
- Automatizálja a termelés és karbantartása API tesztek AI.
- Használja gépi tanulási módszerek saját gyógyítani végrehajtása Selenium vizsgálatok.
A kurzus formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlatok és gyakorlat.
- Gyakorlati megvalósítás élő labor környezetben.
Tanfolyami testreszabási beállítások
- Ha szeretne személyre szabott képzést kérni erre a kurzusra, kérjük, lépjen kapcsolatba velünk, hogy gondoskodjon.
7 hours
A mesterséges intelligencia (AI) az intelligencia a gépek számára, hogy bizonyos feladatokat végezzenek az adatok mintáinak felismerésével. AI lehetővé teszi a felhasználók, hogy a növekedés hack a siker a digitális marketing kampányok.
Ez az oktató-vezérelt, élő képzés (online vagy on-site) célja a marketingesek, akik szeretnék használni AI, hogy javítsa a digitális marketing stratégiák révén értékes ügyfél betekintést.
A képzés befejezése után a résztvevők képesek lesznek:
A AI szoftver javítása annak érdekében, hogy a márkák hogyan csatlakoznak a felhasználókhoz. Használja a chatbots optimalizálni a felhasználói élményt. A termelékenység és a bevétel növelése a feladatok automatizálásával.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ez az oktató-vezérelt, élő képzés (online vagy on-site) célja a marketingesek, akik szeretnék használni AI, hogy javítsa a digitális marketing stratégiák révén értékes ügyfél betekintést.
A képzés befejezése után a résztvevők képesek lesznek:
A AI szoftver javítása annak érdekében, hogy a márkák hogyan csatlakoznak a felhasználókhoz. Használja a chatbots optimalizálni a felhasználói élményt. A termelékenység és a bevétel növelése a feladatok automatizálásával.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
21 hours
Robotics a mesterséges intelligencia (AI) területén, amely az intelligens és hatékony gépek programozásával és tervezésével foglalkozik.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan mérnökökre irányul, akik az alapvető AI módszerekkel szeretnék programozni és létrehozni a robotokat.
A képzés befejezése után a résztvevők képesek lesznek:
Végrehajtási szűrők (Kalman és részecskék), hogy a robot megtalálja a mozgó tárgyak a környezetében. A keresési algoritmusok és a mozgás tervezése. Implement PID ellenőrzések szabályozzák a robot mozgását a környezetben. A SLAM algoritmusok alkalmazása lehetővé teszi a robot számára, hogy ismeretlen környezetet térképezzen ki.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan mérnökökre irányul, akik az alapvető AI módszerekkel szeretnék programozni és létrehozni a robotokat.
A képzés befejezése után a résztvevők képesek lesznek:
Végrehajtási szűrők (Kalman és részecskék), hogy a robot megtalálja a mozgó tárgyak a környezetében. A keresési algoritmusok és a mozgás tervezése. Implement PID ellenőrzések szabályozzák a robot mozgását a környezetben. A SLAM algoritmusok alkalmazása lehetővé teszi a robot számára, hogy ismeretlen környezetet térképezzen ki.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
7 hours
Artificial Intelligence (AI) az emberi intelligencia szimulációja olyan gépekben, amelyek úgy tervezték, hogy úgy gondolkodjanak és cselekedjenek, mint az emberek. Ez magában foglalja a különböző technológiák, mint például a gépi tanulás és a mély tanulás, és használják a különböző üzleti és vállalati alkalmazások megoldani szervezeti kihívások és igények.
Ez az oktató által vezetett, élő képzés (online vagy online) célja a vezetők és az üzleti vezetők, akik szeretnék megismerni az alapjait a mesterséges intelligencia és a menedzsment AI projektek a szervezet.
A képzés befejezése után a résztvevők technikai szinten meg fogják érteni az AI-t, és a szervezetük adatait és erőforrásait használják, hogy sikeresen kezeljék az AI-projekteket.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ez az oktató által vezetett, élő képzés (online vagy online) célja a vezetők és az üzleti vezetők, akik szeretnék megismerni az alapjait a mesterséges intelligencia és a menedzsment AI projektek a szervezet.
A képzés befejezése után a résztvevők technikai szinten meg fogják érteni az AI-t, és a szervezetük adatait és erőforrásait használják, hogy sikeresen kezeljék az AI-projekteket.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
80 hours
Robotics és Artificial Intelligence (AI) erőteljes eszközök a biztonsági rendszerek fejlesztésére a nukleáris létesítményekben.
Ebben az oktató által vezetett, élő képzésben (online vagy online) a résztvevők megtanulják a különböző technológiákat, kereteket és technikákat a különböző típusú robotok programozására, amelyeket a nukleáris technológia és a környezeti rendszerek területén használnak.
A 4 hetes tanfolyam hetente 5 napig tart. Minden nap 4 órás, és előadásokból, vitákból és gyakorlati robotfejlesztésből áll egy élő laboratóriumi környezetben. A résztvevők a megszerzett tudás gyakorlása érdekében a munkájukra alkalmazandó különböző valós világú projektekbe kerülnek.
A cél hardver a kurzus lesz szimulálva 3D keresztül szimulációs szoftver. Ezután a kódot fizikai hardverre (Arduino vagy más) töltik be a végső telepítési teszteléshez. A ROS (Robot Operating System) nyílt forráskódú keret, C++ és Python a robotok programozására kerül felhasználásra.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg a robotikai technológiákban használt kulcsfontosságú fogalmakat. A szoftver és a hardver közötti kölcsönhatás megértése és kezelése egy robotikus rendszerben. Megértése és végrehajtása a szoftver komponensek, amelyek alátámasztják a robotika. Építsen és működjön egy szimulált mechanikus robot, amely képes látni, érzékelni, feldolgozni, navigálni és hangon keresztül kölcsönhatásba lépni az emberekkel. Ismerje meg a mesterséges intelligencia szükséges elemeit (géptanulás, mélytanulás stb.) Egy okos robot építésére alkalmas. Végrehajtási szűrők (Kalman és részecskék), hogy a robot megtalálja a mozgó tárgyak a környezetében. A keresési algoritmusok és a mozgás tervezése. Implement PID ellenőrzések szabályozzák a robot mozgását a környezetben. A SLAM algoritmusok alkalmazása lehetővé teszi a robot számára, hogy ismeretlen környezetet térképezzen ki. Próbálja ki és megoldja a problémákat egy robot reális forgatókönyvekben.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
A hardverről
A hardverkészleteket az oktató megerősíti a képzés előtt. A készletek többé-kevésbé tartalmaznak a következő összetevőket: [ 4 ] Tanács Motorkezelő Távolsági érzékelő Bluetooth rabszolga Prototyping táblák és kábelek USB kábel Gépjármű kit - A résztvevőknek saját hardvereket kell biztosítaniuk.
Szakképesítési lehetőségek
A kurzus bármely részének személyre szabása (programozási nyelv, robotmodell, mikrokontroller stb.) Kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ebben az oktató által vezetett, élő képzésben (online vagy online) a résztvevők megtanulják a különböző technológiákat, kereteket és technikákat a különböző típusú robotok programozására, amelyeket a nukleáris technológia és a környezeti rendszerek területén használnak.
A 4 hetes tanfolyam hetente 5 napig tart. Minden nap 4 órás, és előadásokból, vitákból és gyakorlati robotfejlesztésből áll egy élő laboratóriumi környezetben. A résztvevők a megszerzett tudás gyakorlása érdekében a munkájukra alkalmazandó különböző valós világú projektekbe kerülnek.
A cél hardver a kurzus lesz szimulálva 3D keresztül szimulációs szoftver. Ezután a kódot fizikai hardverre (Arduino vagy más) töltik be a végső telepítési teszteléshez. A ROS (Robot Operating System) nyílt forráskódú keret, C++ és Python a robotok programozására kerül felhasználásra.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg a robotikai technológiákban használt kulcsfontosságú fogalmakat. A szoftver és a hardver közötti kölcsönhatás megértése és kezelése egy robotikus rendszerben. Megértése és végrehajtása a szoftver komponensek, amelyek alátámasztják a robotika. Építsen és működjön egy szimulált mechanikus robot, amely képes látni, érzékelni, feldolgozni, navigálni és hangon keresztül kölcsönhatásba lépni az emberekkel. Ismerje meg a mesterséges intelligencia szükséges elemeit (géptanulás, mélytanulás stb.) Egy okos robot építésére alkalmas. Végrehajtási szűrők (Kalman és részecskék), hogy a robot megtalálja a mozgó tárgyak a környezetében. A keresési algoritmusok és a mozgás tervezése. Implement PID ellenőrzések szabályozzák a robot mozgását a környezetben. A SLAM algoritmusok alkalmazása lehetővé teszi a robot számára, hogy ismeretlen környezetet térképezzen ki. Próbálja ki és megoldja a problémákat egy robot reális forgatókönyvekben.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
A hardverről
A hardverkészleteket az oktató megerősíti a képzés előtt. A készletek többé-kevésbé tartalmaznak a következő összetevőket: [ 4 ] Tanács Motorkezelő Távolsági érzékelő Bluetooth rabszolga Prototyping táblák és kábelek USB kábel Gépjármű kit - A résztvevőknek saját hardvereket kell biztosítaniuk.
Szakképesítési lehetőségek
A kurzus bármely részének személyre szabása (programozási nyelv, robotmodell, mikrokontroller stb.) Kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
120 hours
Robotics és Artificial Intelligence (AI) erőteljes eszközök a biztonsági rendszerek fejlesztésére a nukleáris létesítményekben.
Ebben az oktató által vezetett, élő képzésben (online vagy online) a résztvevők megtanulják a különböző technológiákat, kereteket és technikákat a különböző típusú robotok programozására, amelyeket a nukleáris technológia és a környezeti rendszerek területén használnak.
A 6 hetes tanfolyamot hetente 5 napig tartják. Minden nap 4 órás, és előadásokból, vitákból és gyakorlati robotfejlesztésből áll egy élő laboratóriumi környezetben. A résztvevők a megszerzett tudás gyakorlása érdekében a munkájukra alkalmazandó különböző valós világú projektekbe kerülnek.
A cél hardver a kurzus lesz szimulálva 3D keresztül szimulációs szoftver. A ROS (Robot Operating System) nyílt forráskódú keret, C++ és Python a robotok programozására kerül felhasználásra.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg a robotikai technológiákban használt kulcsfontosságú fogalmakat. A szoftver és a hardver közötti kölcsönhatás megértése és kezelése egy robotikus rendszerben. Megértése és végrehajtása a szoftver komponensek, amelyek alátámasztják a robotika. Építsen és működjön egy szimulált mechanikus robot, amely képes látni, érzékelni, feldolgozni, navigálni és hangon keresztül kölcsönhatásba lépni az emberekkel. Ismerje meg a mesterséges intelligencia szükséges elemeit (géptanulás, mélytanulás stb.) Egy okos robot építésére alkalmas. Végrehajtási szűrők (Kalman és részecskék), hogy a robot megtalálja a mozgó tárgyak a környezetében. A keresési algoritmusok és a mozgás tervezése. Implement PID ellenőrzések szabályozzák a robot mozgását a környezetben. A SLAM algoritmusok alkalmazása lehetővé teszi a robot számára, hogy ismeretlen környezetet térképezzen ki. Kiterjeszti a robot képességét a bonyolult feladatok elvégzésére Deep Learning. Próbálja ki és megoldja a problémákat egy robot reális forgatókönyvekben.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
A kurzus bármely részének személyre szabása (programozási nyelv, robotmodell stb.) Kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ebben az oktató által vezetett, élő képzésben (online vagy online) a résztvevők megtanulják a különböző technológiákat, kereteket és technikákat a különböző típusú robotok programozására, amelyeket a nukleáris technológia és a környezeti rendszerek területén használnak.
A 6 hetes tanfolyamot hetente 5 napig tartják. Minden nap 4 órás, és előadásokból, vitákból és gyakorlati robotfejlesztésből áll egy élő laboratóriumi környezetben. A résztvevők a megszerzett tudás gyakorlása érdekében a munkájukra alkalmazandó különböző valós világú projektekbe kerülnek.
A cél hardver a kurzus lesz szimulálva 3D keresztül szimulációs szoftver. A ROS (Robot Operating System) nyílt forráskódú keret, C++ és Python a robotok programozására kerül felhasználásra.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg a robotikai technológiákban használt kulcsfontosságú fogalmakat. A szoftver és a hardver közötti kölcsönhatás megértése és kezelése egy robotikus rendszerben. Megértése és végrehajtása a szoftver komponensek, amelyek alátámasztják a robotika. Építsen és működjön egy szimulált mechanikus robot, amely képes látni, érzékelni, feldolgozni, navigálni és hangon keresztül kölcsönhatásba lépni az emberekkel. Ismerje meg a mesterséges intelligencia szükséges elemeit (géptanulás, mélytanulás stb.) Egy okos robot építésére alkalmas. Végrehajtási szűrők (Kalman és részecskék), hogy a robot megtalálja a mozgó tárgyak a környezetében. A keresési algoritmusok és a mozgás tervezése. Implement PID ellenőrzések szabályozzák a robot mozgását a környezetben. A SLAM algoritmusok alkalmazása lehetővé teszi a robot számára, hogy ismeretlen környezetet térképezzen ki. Kiterjeszti a robot képességét a bonyolult feladatok elvégzésére Deep Learning. Próbálja ki és megoldja a problémákat egy robot reális forgatókönyvekben.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
A kurzus bármely részének személyre szabása (programozási nyelv, robotmodell stb.) Kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
7 hours
A képzés célja azoknak az embereknek a célja, akik meg szeretnék tanulni a neurális hálózatok és alkalmazásuk alapjait.
14 hours
Ez a kurzus bemutatja a neurális hálózatok valós világban történő alkalmazását az R-projekt szoftver segítségével.
14 hours
Ez a tanfolyam azoknak szól, akik gyakorlati alkalmazásokban szeretnék alkalmazni a Machine Learning .
Közönség
Ez a kurzus olyan tudósok és statisztikusok számára készült, akik ismerik a statisztikákat és tudják, hogyan programozzák az R-et (vagy Python vagy más választott nyelvet). A kurzus középpontjában az adatok / modellkészítés, a végrehajtás, a post hoc elemzés és a vizualizáció gyakorlati aspektusai állnak.
A cél az, hogy gyakorlati alkalmazásokat nyújtson a Machine Learning azoknak a résztvevőknek, akik érdeklődnek a módszerek alkalmazásából.
Az ágazatspecifikus példákat arra használják, hogy a képzés a közönség számára releváns legyen.
Közönség
Ez a kurzus olyan tudósok és statisztikusok számára készült, akik ismerik a statisztikákat és tudják, hogyan programozzák az R-et (vagy Python vagy más választott nyelvet). A kurzus középpontjában az adatok / modellkészítés, a végrehajtás, a post hoc elemzés és a vizualizáció gyakorlati aspektusai állnak.
A cél az, hogy gyakorlati alkalmazásokat nyújtson a Machine Learning azoknak a résztvevőknek, akik érdeklődnek a módszerek alkalmazásából.
Az ágazatspecifikus példákat arra használják, hogy a képzés a közönség számára releváns legyen.
21 hours
A mesterséges neurális hálózat egy számítástechnikai adatmodell, amelyet az „intelligens” feladatok elvégzésére alkalmas Artificial Intelligence (AI) rendszerek fejlesztésére használnak. Neural Networks gyakran használják a Machine Learning (ML) alkalmazásokban, amelyek maguk is az AI egyik megvalósítása. Deep Learning az ML részhalmaza.
21 hours
A mesterséges neurális hálózat egy számítástechnikai adatmodell, amelyet az „intelligens” feladatok elvégzésére alkalmas Artificial Intelligence (AI) rendszerek fejlesztésére használnak. Neural Networks gyakran használják a Machine Learning (ML) alkalmazásokban, amelyek maguk is az AI egyik megvalósítása. Deep Learning az ML részhalmaza.
Last Updated:
Upcoming AI Courses
Understanding Deep Neural Networks
2022-07-04 09:30
35 hours
Deep Reinforcement Learning with Python
2022-07-13 09:30
21 hours
Neural computing – Data science
2022-07-18 09:30
14 hours
Applied AI from Scratch
2022-08-01 09:30
28 hours
Applied AI from Scratch in Python
2022-08-01 09:30
28 hours
Other countries
Consulting
Online AI (Artificial Intelligence) courses, Weekend Mesterséges Intelligencia courses, Evening Mesterséges Intelligencia training, AI boot camp, AI (Artificial Intelligence) instructor-led, Weekend AI training, Evening AI courses, Artificial Intelligence coaching, AI (Artificial Intelligence) instructor, Mesterséges Intelligencia trainer, AI (Artificial Intelligence) training courses, Mesterséges Intelligencia classes, Mesterséges Intelligencia on-site, Artificial Intelligence private courses, Mesterséges Intelligencia one on one training
