Az online vagy helyszíni, oktatók által vezetett, élő neurális hálózatok képzési kurzusai interaktív beszélgetéseken és gyakorlati gyakorlatokon keresztül mutatják be, hogyan lehet neurális hálózatokat felépíteni számos, többnyire nyílt forráskódú eszköztár és könyvtár segítségével, valamint hogyan lehet kihasználni a fejlett hardver (GPU-k) erejét. ) és optimalizálási technikák, amelyek elosztott számítástechnikát és nagy adatforgalmat foglalnak magukban. Neurális hálózati tanfolyamaink olyan népszerű programozási nyelveken alapulnak, mint a Python, Java, R nyelv, és olyan hatékony könyvtárakon, mint a TensorFlow, Torch, Caffe, Theano és még sok más. A Neurális Hálózati kurzusaink az elméletet és a megvalósítást egyaránt lefedik számos neurális hálózati implementáció használatával, mint például a Deep Neural Networks (DNN), a Convolutional Neural Networks (CNN) és a Recurrent Neural Networks (RNN). A Neurális Hálózati képzés „online élő képzés” vagy „helyszíni élő képzés” formájában érhető el. Az online élő képzés (más néven "távoli élő képzés") egy interaktív, távoli asztalon keresztül történik. Helyszíni élő képzés végezhető helyben az ügyfelek telephelyén Magyarország vagy a NobleProg vállalati képzési központjaiban Magyarország. NobleProg – az Ön helyi képzési szolgáltatója
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű szakembereknek szól, akik szeretnék felfedezni a legkorszerűbb XAI-technikákat a mélytanulási modellekhez, különös tekintettel az értelmezhető AI-rendszerek felépítésére.
A képzés végére a résztvevők képesek lesznek:
Ismerje meg a magyarázhatóság kihívásait a mély tanulásban.
Fejlett XAI technikák megvalósítása neurális hálózatokhoz.
Értelmezze a mély tanulási modellek által hozott döntéseket.
Értékelje a teljesítmény és az átláthatóság közötti kompromisszumot.
Ez egy 4 napos tanfolyam, amely bemutatja az AI-t és annak Python programozási nyelvet használó alkalmazását. Lehetőség van arra, hogy a kurzus befejeztével további nap álljon rendelkezésre egy mesterséges intelligencia projekt elvégzésére.
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek és adattudósoknak szól, akik szeretnék megtanulni a Deep Reinforcement Learning alapjait a Deep Learning Agent létrehozása során.
A képzés végére a résztvevők képesek lesznek:
Ismerje meg a Deep Reinforcement Learning mögött meghúzódó kulcsfontosságú fogalmakat, és tudja megkülönböztetni a gépi tanulástól.
Speciális Reinforcement Learning algoritmusok alkalmazása valós problémák megoldására.
Ez a kurzus menedzserek, megoldástervezők, innovációs tisztek, technológiai igazgatók, szoftvertervezők és mindazok számára készült, akiket érdekel az alkalmazott mesterséges intelligencia áttekintése és a fejlődésének legközelebbi előrejelzése.
Ez a kurzus magában foglalja az AI (emphasizing Machine Learning és Deep Learning) az iparban. Segít meghatározni, hogy melyik technológia (potenciálisan) használható több helyzetben egy autóban: az egyszerű automatizálástól, a képfelismeréstől az autonóm döntéshozatalig.
Ez az oktatóvezetett élő képzés Magyarország-ban (online vagy helyszínen) a kezdőknek szól, akik szeretnének alapvető fogalmakat tanulni a valószínűségszámításból, a statisztikából, a programozásból és a gép tanulásból, és ezeket alkalmazni az AI-fejlesztésben.
Ezt a képzést követően a résztvevők képesek lesznek:
- Alapvető fogalmakat megérteni a valószínűségszámításból és a statisztikából, és alkalmazni őket valós világbeli helyzetekben.
- Eljárásorientált, funkcionális és objektumorientált programozási kódokat írni és érteni.
- Gép tanulási technikákat megvalósítani, mint például osztályozás, csoportosítás és neurális hálózatok.
- AI-megoldásokat fejleszteni szabálymotorok és szakértő rendszerek használatával problémamegoldáshoz.
A mesterséges neurális hálózat egy számítási adatmodell, amelyet „intelligens” feladatok elvégzésére képes Artificial Intelligence (AI) rendszerek fejlesztésében használnak. Neural Networks általánosan használt Machine Learning (ML) alkalmazásokban, amelyek maguk is az AI egyik megvalósítását jelentik. Deep Learning az ML egy részhalmaza.
Ez egy 4 napos tanfolyam, amely bemutatja az AI-t és annak alkalmazását. Lehetőség van arra, hogy a kurzus befejeztével további nap álljon rendelkezésre egy mesterséges intelligencia projekt elvégzésére.
Ez az oktatóvezetett, élő képzés Magyarország-ben (online vagy helyszínen) az intermédiaires szintű adattudósoknak és statisztikusoknak szól, akik adatok előkészítésére, modell készítésére és gépi tanulási technikák hatékony alkalmazására kíváncsiak profi területükön.
Ez a képzés végére a résztvevők képesek lesznek:
Értelmezni és alkalmazni különböző Machine Learning algoritmusokat.
Adatok és modell előkészítése gépi tanulási alkalmazásokhoz.
Hátravetített elemzések végrehajtása és eredményeinek hatékony vizualizálása.
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.
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a kutatóknak és fejlesztőknek szól, akik a Chainer segítségével neurális hálózatokat szeretnének felépíteni és betanítani a Python-ban, miközben megkönnyítik a kód hibakeresését.
A képzés végére a résztvevők képesek lesznek:
Állítsa be a szükséges fejlesztői környezetet a neurális hálózati modellek fejlesztésének megkezdéséhez.
Neurális hálózati modellek meghatározása és megvalósítása érthető forráskód segítségével.
Példák végrehajtása és meglévő algoritmusok módosítása a mélytanulási képzési modellek optimalizálása érdekében, miközben kihasználja GPU-eket a nagy teljesítmény érdekében.
Ez az oktatóvezetett élő tanfolyam (online vagy helyszínen) bemutatkozik a mintafelismerés és a gépi tanulás területébe. Érinti a gyakorlati alkalmazásokat a statisztikában, az informatikában, a jelelkészítésben, a számítógépes látásban, az adatbányászatban és a bioinformatikában.
E tanfolyam végén a résztvevők képesek lesznek:
Alapvető statisztikai módszereket alkalmaznak a mintafelismerésre.
Fő modelleket, mint például neurális hálózatokat és keresőmódszereket használnak az adatelemzésre.
Fejlett technikákat valósítanak meg bonyolult problémamegoldásra.
Növelik a előrejelzés pontosságát különböző modellek kombinálásával.
Típus: elméleti képzés a hallgatókkal előzetesen egyeztetett jelentkezésekkel Lasagne-n vagy Keras, oktatási csoporttól függően
Oktatási módszer: prezentáció, beszélgetések és esettanulmányok
A mesterséges intelligencia, miután számos tudományterületet megzavart, számos gazdasági ágazatot (ipar, orvostudomány, kommunikáció stb.) kezdett forradalmasítani. A mainstream médiában való bemutatása azonban gyakran csak fantázia, nagyon messze van attól, ami a Machine Learning vagy a Deep Learning tartománya valójában. Ennek a képzésnek az a célja, hogy az informatikai eszközöket (beleértve az alapvető szoftverprogramozást is) már ismerő mérnökök megismerkedjenek a Deep Learning-val, valamint annak különböző szakterületeivel, és így a ma meglévő fő hálózati architektúrákkal. Ha a kurzus során a matematikai alapismeretekre is sor kerül, akkor a nagyobb kényelem érdekében a matematika BAC+2 szintje javasolt. Teljesen lehetséges figyelmen kívül hagyni a matematikai tengelyt, és csak a „rendszer” jövőképét megtartani, de ez a megközelítés óriási mértékben korlátozza a téma megértését.
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan kell használni a Matlab-ot egy konvolúciós neurális hálózat megtervezéséhez, felépítéséhez és megjelenítéséhez képfelismerés céljából.
A képzés végére a résztvevők képesek lesznek:
Készítsen egy mély tanulási modellt
Automatizálja az adatok címkézését
Bízza modellek Caffe és TensorFlow - Keras
Adatok továbbítása több GPU , a felhő vagy a fürtök használatával
Közönség
Fejlesztők
mérnökök
Domain szakértők
A tantárgy formátuma
Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek szól, akik szeretnének megismerni a mesterséges intelligencia mechatronikai rendszerekben való alkalmazhatóságát.
A képzés végére a résztvevők képesek lesznek:
Szerezzen áttekintést a mesterséges intelligenciáról, a gépi tanulásról és a számítási intelligenciáról.
Ismerje a neurális hálózatok fogalmait és a különböző tanulási módszereket.
Hatékonyan válasszon mesterséges intelligencia-megközelítéseket valós problémákra.
AI-alkalmazások megvalósítása a mechatronikai tervezésben.
Ez az osztálytermi alapú képzés prezentációkat és számítógépes példákat, valamint esettanulmányi gyakorlatokat tartalmaz, amelyeket a megfelelő neurális és mélyhálózati könyvtárakkal kell elvégezni.
Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják, hogyan használják ki a TPU processzorok újításait saját AI-alkalmazásaik teljesítményének maximalizálása érdekében.
A képzés végére a résztvevők képesek lesznek:
Tanítson különféle típusú neurális hálózatokat nagy mennyiségű adatra.
A TPU-k segítségével akár két nagyságrenddel is felgyorsíthatja a következtetési folyamatot.
Használja a TPU-kat olyan intenzív alkalmazások feldolgozásához, mint a képkeresés, felhőkép és fényképek.
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
Olvass tovább...
Utoljára frissítve:
Vélemények(6)
Hunter mesés, nagyon megnyerő, rendkívül hozzáértő és szimpatikus. Nagyon jól sikerült.
Rick Johnson - Laramie County Community College
Kurzus - Artificial Intelligence (AI) Overview
Gépi fordítás
A kiképző szakmai volt a tárgy terén és kiválóan kapcsolta össze a teorétikai ismereteket a gyakorlati alkalmazással.
Fahad Malalla - Tatweer Petroleum
Kurzus - Applied AI from Scratch in Python
Gépi fordítás
Very flexible.
Frank Ueltzhoffer
Kurzus - Artificial Neural Networks, Machine Learning and Deep Thinking
Gépi fordítás
I liked the new insights in deep machine learning.
Josip Arneric
Kurzus - Neural Network in R
Gépi fordítás
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.
Gudrun Bickelq
Kurzus - Introduction to the use of neural networks
Gépi fordítás
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Kurzus - Artificial Neural Networks, Machine Learning, Deep Thinking