Local, instructor-led live Artificial Intelligence (AI) training courses demonstrate through hands-on practice how to implement AI solutions for solving real-world problems.
AI training is available as "onsite live training" or "remote live training". Onsite live Artificial Intelligence training can be carried out locally on customer premises in україна or in NobleProg corporate training centers in україна. Remote live training is carried out by way of an interactive, remote desktop.
NobleProg -- Your Local Training Provider.
Це було дуже інтерактивним, більш спокійним та неформальним, ніж очікувалося. Ми розглянули багато тем у той час, і тренер завжди був сприйнятливим, щоб докладніше говорити про це теми та як вони були пов'язані. Я відчуваю, що навчання дало мені інструменти для продовження навчання, на відміну від того, що це один сеанс, де навчання закінчується після того, як ви закінчите, що дуже важливо з урахуванням масштабу та складності теми.
Jonathan Blease
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Енн створила прекрасне середовище, щоб задавати питання і навчатися. У нас було багато веселощів, а також багато чого навчилося в той же час.
Gudrun Bickelq
Course: Introduction to the use of neural networks
Translated by
інтерактивна частина, адаптована до наших специфічних потреб
Thomas Stocker
Course: Introduction to the use of neural networks
Translated by
Мені сподобалося вправи
Office for National Statistics
Course: Natural Language Processing with Python
Translated by
Практичний підхід
Kevin De Cuyper
Course: Computer Vision with OpenCV
Translated by
Тренер був настільки обізнаним та включив до сфери, в якій мене цікавило
Mohamed Salama
Course: Data Mining & Machine Learning with R
Translated by
Тема дуже цікава
Wojciech Baranowski
Course: Introduction to Deep Learning
Translated by
Тренажери теоретичні знання та готовність вирішити проблеми з учасниками після тренінгу
Grzegorz Mianowski
Course: Introduction to Deep Learning
Translated by
Тема Дуже цікаво!
Piotr
Course: Introduction to Deep Learning
Translated by
Вправи після кожної теми були дійсно корисними, незважаючи на те, що в кінці були занадто складні. Взагалі, представлений матеріал був дуже цікавим і залучав! Вправи з розпізнаванням зображення були чудовими.
Dolby Poland Sp. z o.o.
Course: Introduction to Deep Learning
Translated by
Я думаю, що якщо навчання буде виконане польською, це дозволить тренерові поділитися своїми знаннями більш ефективними
Radek
Course: Introduction to Deep Learning
Translated by
Глобальний огляд глибокого навчання
Bruno Charbonnier
Course: Advanced Deep Learning
Translated by
Вправи є достатньо практичними і не потребують високих знань у Python для виконання.
Alexandre GIRARD
Course: Advanced Deep Learning
Translated by
Вправи на реальних прикладах з використанням Keras. Міхай цілком зрозумів наші очікування щодо цього навчання.
Paul Kassis
Course: Advanced Deep Learning
Translated by
Тема. це здавалося цікавим, але я залишив знати не набагато більше, ніж раніше.
Radoslaw Labedzki
Course: Introduction to Deep Learning
Translated by
Цікавий предмет
Wojciech Wilk
Course: Introduction to Deep Learning
Translated by
Я дуже ціную кришталево чіткі відповіді Кріса на наші запитання.
Léo Dubus
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Знаючий тренер
Sridhar Voorakkara
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Я був вражений стандартом цього класу - я б сказав, що це був університетський стандарт.
David Relihan
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Дуже добре все круглий огляд. Добрий фон в тому, чому Tensorflow працює так, як це робить.
Kieran Conboy
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Мені сподобались можливості задавати питання і отримати більш глибоке пояснення цієї теорії.
Sharon Ruane
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Ми отримали набагато більше уявлення про предмет. Деякі хороші обговорення були зроблені з деякими реальними предметами в нашій компанії
Sebastiaan Holman
Course: Machine Learning and Deep Learning
Translated by
Тренінг забезпечив правильний фундамент, який дозволяє нам продовжувати розширюватися, показуючи, як теорія та практика йдуть рука об руку. Насправді мені більше цікавила ця тема, ніж я раніше.
Jean-Paul van Tillo
Course: Machine Learning and Deep Learning
Translated by
Покриття та глибина тем
Anirban Basu
Course: Machine Learning and Deep Learning
Translated by
нові розуміння глибокого машинного навчання
Josip Arneric
Course: Neural Network in R
Translated by
Ми отримали деякі знання про NN в цілому, і найцікавішими для мене стали нові типи NN, які сьогодні користуються популярністю.
Tea Poklepovic
Course: Neural Network in R
Translated by
Графіки в R :)))
Faculty of Economics and Business Zagreb
Course: Neural Network in R
Translated by
Глибоке знання тренера з теми.
Sebastian Görg
Course: Introduction to Deep Learning
Translated by
Дуже оновлений підхід чи API (tensorflow, kera, tflearn) робити машину навчання
Paul Lee
Course: TensorFlow for Image Recognition
Translated by
Дуже гнучкий
Frank Ueltzhöffer
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
гнучкість
Werner Philipp
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
З огляду на світогляд технології: яка технологія / процес може стати більш важливим у майбутньому; Подивіться, якою може бути технологія
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Вибір теми. Стиль навчання. Практична орієнтація
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Поглиблений виклад тем машинного навчання, зокрема нейронних мереж. Демифіксація багато теми.
Sacha Nandlall
Course: Python for Advanced Machine Learning
Translated by
Це одна з найкращих практичних навичок курсів програмування, які я коли-небудь брала.
Laura Kahn
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
Це одна з найкращих онлайн-тренінгів, які я коли-небудь брала за свою 13-річну кар'єру. Слідкуй за прекрасною роботою!
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
Стиль тренування Річарда зберігав його цікаво, реальні приклади, що використовувались в реальному світі, допомогли керувати концепціями додому.
Jamie Martin-Royle - NBrown Group
Course: From Data to Decision with Big Data and Predictive Analytics
Translated by
Зміст, як мені здалося, це дуже цікаво і думаю, що це допоможе мені в останньому році в університеті.
Krishan Mistry - NBrown Group
Course: From Data to Decision with Big Data and Predictive Analytics
Translated by
Вправи
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
лабораторні вправи
Marcell Lorant - L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Форма ноутбука Jupyter, в якій доступний навчальний матеріал
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Було багато вправ та цікавих тем.
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
деякі великі лабораторні вправи, проаналізовані та пояснені тренером глибоко (наприклад, коваріанти в лінійній регресії, відповідні реальній функції)
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Це просто здорово, що весь матеріал, включаючи вправи, знаходиться на тій же сторінці, а потім його оновлюється на льоту. Рішення виявляється в кінці. Круто! Крім того, я вдячний, що Кшиштоф доклав додаткових зусиль, щоб зрозуміти наші проблеми і запропонував нам можливі методи.
Attila Nagy - L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Зручне використання функцій VideoCapture для придбання відеозаписів з камери ноутбука ..
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Course: Computer Vision with OpenCV
Translated by
Мені подобалося поради тренера про те, як використовувати інструменти. Це те, що не може бути отримано в Інтернеті і є дуже корисним ..
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Course: Computer Vision with OpenCV
Translated by
Мені подобалося поради тренера про те, як використовувати інструменти. Це те, що не може бути отримано в Інтернеті і є дуже корисним ..
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Course: Computer Vision with OpenCV
Translated by
Це було легко дотримуватися.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Course: Computer Vision with OpenCV
Translated by
справа була добре представлена і упорядкована.
Marylin Houle - Ivanhoe Cambridge
Course: Introduction to R with Time Series Analysis
Translated by
Я отримав користь від пристрасті навчати і зосередитись на тому, щоб робити речі розумними.
Zaher Sharifi - GOSI
Course: Advanced Deep Learning
Translated by
Це одна з найкращих онлайн-тренінгів, які я коли-небудь брала за свою 13-річну кар'єру. Слідкуй за прекрасною роботою!
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
Code | Name | Duration | Overview |
---|---|---|---|
aiint | Artificial Intelligence Overview | 7 hours | Цей курс був створений для керівників, рішень архітекторів, інноваційних працівників, технічних працівників, програмних архітекторів та всіх, хто цікавиться оглядом прикладного штучного інтелекту та найближчим прогнозом його розвитку. |
pythontextml | Python: Machine Learning with Text | 21 hours | У цій навчальному посібнику учасники навчаться навчатися, як правильно використовувати машинне навчання та технології NLP (Natural Language Processing), щоб отримати значення від текстових даних. До кінця цього тренінгу учасники зможуть: - Вирішуйте проблеми текстових даних з високоякісним, багаторазовим кодом - Застосовуйте різні аспекти scikit-learn (класифікація, кластеризація, регресія, зменшення розмірності) для вирішення проблем - Створіть ефективні моделі машинного навчання, використовуючи текстові дані - Створіть набір даних і витягуйте функції з неструктурованого тексту - Візуалізувати дані з Matplotlib - Побудуйте та оцініть моделі, щоб отримати розуміння - Усунення помилок кодування тексту Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
textsum | Text Summarization with Python | 14 hours | У програмі Python Machine Learning функція підсумовування тексту здатна читати вхідний текст і створювати текстові зведення. Ця можливість доступна з командного рядка або як API / бібліотека Python. Одним із захоплюючих прикладів є швидке створення виконавчого резюме; це особливо корисно для організацій, які потребують перегляду великих об'єктів текстових даних, перш ніж створювати звіти та презентації. У цій навчальному посібнику, учасники навчаться використовувати Python для створення простої програми, яка автоматично генерує резюме введення тексту. До кінця цього тренінгу учасники зможуть: - Використовуйте інструмент командного рядка, який узагальнює текст. - Створіть та створіть код підсумовування тексту за допомогою бібліотек Python. - Оцініть три бібліотеки підсумовування Python: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17 Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
undnn | Understanding Deep Neural Networks | 35 hours | Цей курс починається з надання вам концептуальних знань в нейронних мережах і, як правило, в алгоритмі машинного навчання, глибоке навчання (алгоритми та програми). Частина 1 (40%) цього тренінгу більше зосереджується на фундаментальних принципах, але допоможе вам вибрати правильну технологію: TensorFlow, Caffe, Theano, DeepDrive, Keras та ін. Частина 2 (20%) цього тренінгу представляє Theano - бібліотеку Python, яка робить глибокі дослідження глибинних моделей навчання. Частина третя (40%) навчання буде широко заснована на Tensorflow - 2-го покоління API від Google open source програмного забезпечення бібліотеки для глибокого навчання. Приклади та ручний інструмент будуть створені в TensorFlow. Аудиторія Цей курс призначений для інженерів, які прагнуть використовувати TensorFlow для своїх проектів глибокого навчання Після закінчення курсу делегати: - добре знайомитися з глибокими нейронними мережами (DNN), CNN і RNN - зрозуміти структуру та механізми розгортання TensorFlow - бути в змозі виконувати установки / виробничого середовища / архітектури завдання та конфігурацію - бути в змозі оцінити якість коду, виконувати налагодження, моніторинг - бути в змозі впроваджувати передові технології виробництва, такі як тренувальні моделі, графічні роботи та ведення журналів Не всі теми будуть висвітлюватися в загальноосвітній аудиторії з тривалістю 35 годин у зв'язку з обширністю теми. Тривалість курсу буде близько 70 годин, а не 35 годин. |
opennlp | OpenNLP for Text Based Machine Learning | 14 hours | Бібліотека Apache OpenNLP - це інструментарій для машинного навчання, призначений для обробки тексту природної мови. Він підтримує найпоширеніші завдання NLP, такі як виявлення мови, токенізація, сегментація пропозицій, мітки теги "частина слова", вилучення названого об'єкта, роздільна здатність, роздільна здатність та кореляція. У цій інструкції під керівництвом живих тренінгів учасники навчаться створювати моделі для обробки текстових даних за допомогою OpenNLP. Приклади навчальних даних, а також настроєні набори даних будуть використовуватися як основа для лабораторних вправ. До кінця цього тренінгу учасники зможуть: - Встановити та налаштувати OpenNLP - Завантажте існуючі моделі, а також створюйте їх самостійно - Навчіть моделі на різних наборах зразкових даних - Інтеграція OpenNLP з існуючими Java-програмами Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
mlbankingpython_ | Machine Learning for Banking (with Python) | 21 hours | Машинознавство - це галузь штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного запрограмування. Python - це мова програмування, відомий своїм зрозумілим синтаксисом та читаемостью. Він пропонує відмінну колекцію добре перевірених бібліотек та технологій для розробки додатків для машинного навчання. У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися методам і засобам машинного навчання для вирішення реальних проблем у банківській галузі. Учасники спочатку вивчають основні принципи, а потім впроваджують свої знання на практиці, створюючи власні моделі машинного навчання та використовуючи їх для виконання ряду командних проектів. Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
mlbankingr | Machine Learning for Banking (with R) | 28 hours | У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися методам і засобам машинного навчання для вирішення реальних проблем у банківській галузі. R буде використовуватися як мова програмування. Учасники спочатку вивчають основні принципи, потім застосовують свої знання на практиці шляхом створення власних моделей машинного навчання та їх використання для виконання ряду живих проектів. Аудиторія - Розробники - Дані вчених - Банківські фахівці з технічною освітою Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
python_nlp | Natural Language Processing with Deep Dive in Python and NLTK | 35 hours | До кінця тренінгу делегати, як очікується, будуть достатньо оснащені основними концепціями пітона і повинні мати змогу достатньо використовувати NLTK для реалізації більшості операцій на базі NLP та ML. Навчання націлено на те, щоб надати не просто виконавчі знання, а й логічні та оперативні знання технології в ній. |
matlabdl | Matlab for Deep Learning | 14 hours | У цій інструкції під керівництвом живих тренінгів учасники навчаться використовувати Matlab для проектування, побудови та візуалізації нейронної мережі зі зварювання для розпізнавання зображень. До кінця цього тренінгу учасники зможуть: - Створіть глибоку модель навчання - Автоматизація маркування даних - Робота з моделями від Caffe та TensorFlow-Keras - Потягніть дані, використовуючи кілька графічних процесорів, хмар або кластерів Аудиторія - Розробники - Інженери - Експерти домену Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
matlabpredanalytics | Matlab for Predictive Analytics | 21 hours | Інтелектуальна аналітика - це процес аналізу даних для прогнозування майбутнього. Цей процес використовує дані разом з обробкою даних, статистикою та методами машинного навчання для створення прогнозної моделі для прогнозування майбутніх подій. У цій навчальній інструкції, учасники навчаться навчатися, як використовувати Matlab для побудови інтелектуальних моделей та застосувати їх до великих вибіркових наборів даних для прогнозування майбутніх подій на основі даних. До кінця цього тренінгу учасники зможуть: - Створіть інтелектуальні моделі для аналізу шаблонів історичних та транзакційних даних - Використовуйте інтелектуальне моделювання для визначення ризиків та можливостей - Побудуйте математичні моделі, які фіксують важливі тенденції - Використовуйте дані з пристроїв та бізнес-систем, щоб зменшити витрати, заощадити час або скоротити витрати Аудиторія - Розробники - Інженери - Експерти домену Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
tensorflowserving | TensorFlow Serving | 7 hours | TensorFlow Serving - це система для обслуговування моделей машинного навчання (ML) для виробництва. У цій навчальній інструкції, учасники навчаться, як налаштовувати та використовувати TensorFlow Serving, щоб розгорнути та керувати моделями ML у виробничому середовищі. До кінця цього тренінгу учасники зможуть: - Поїзд, експорт та обслуговування різних моделей TensorFlow - Тестувати та розгортати алгоритми з використанням єдиної архітектури та набору API - Розширюйте подання TensorFlow, щоб обслуговувати інші типи моделей поза моделями TensorFlow Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
mlios | Machine Learning on iOS | 14 hours | У цій навчальній інструкції учасники навчаться навчатися, як використовувати стек технології iOS Machine Learning (ML), оскільки вони виконують роль створення та розгортання мобільного додатка iOS. До кінця цього тренінгу учасники зможуть: - Створіть мобільний додаток, здатний обробляти зображення, аналіз тексту та розпізнавання мовлення - Отримайте доступ до попередньо підготовлених ML-моделей для інтеграції в додатки iOS - Створіть власну модель ML - Додайте підтримку Siri Voice для додатків iOS - Розуміння та використання рамок, таких як coreML, Vision, CoreGraphics та GamePlayKit - Використовуйте мови та інструменти, такі як Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda, Spyder. Аудиторія - Розробники Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
nlg | Python for Natural Language Generation | 21 hours | Виробництво природної мови (NLG) стосується виробництва тексту або мови природної мови комп'ютером. У цій навчальній інструкції, учасники навчаться навчатися, як використовувати Python для створення високоякісного тексту природної мови, будуючи власну систему NLG з нуля. Також будуть розглянуті приклади досліджень, а відповідні концепції будуть застосовані до проектів живих лабораторій для створення контенту. До кінця цього тренінгу учасники зможуть: - Використовуйте NLG для автоматичного створення контенту для різних галузей, від журналістики, до нерухомості, до погодних та спортивних звітів - Виберіть і упорядкуйте вихідний вміст, плануйте пропозиції та підготуйте систему для автоматичного створення оригінального вмісту - Зрозумійте конвеєр НЛГ і застосуйте правильні методи на кожному етапі - Зрозумійте архітектуру системи генерації природних мов (NLG) - Впровадження найбільш підходящих алгоритмів та моделей для аналізу та упорядкування - Витягніть дані з загальнодоступних джерел даних, а також куративних баз даних для використання як матеріалу для згенерованого тексту - Замініть ручні і трудомісткі процеси написання за допомогою комп'ютера, створення автоматичного вмісту Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
encogintro | Encog: Introduction to Machine Learning | 14 hours | Encog - це платформа навчання для роботи з відкритим кодом для Java та .Net. У цьому навчанні під керівництвом тренера, учасники навчаться створювати різні компоненти нейронної мережі, використовуючи ENCOG. Будуть обговорюватися реальні ситуаційні дослідження, і будуть розглянуті на цих мовах рішення на основі машинного мовлення. До кінця цього тренінгу учасники зможуть: - Підготуйте дані для нейронних мереж із використанням процесу нормалізації - Впроваджувати методологію тренінгових мереж передачі та розповсюдження - Виконувати класифікаційні та регресійні завдання - Модель і поїзд нейронні мережі з використанням Encog на графічному інтерфейсі на базі верстатів - Інтеграція підтримки нейронної мережі в реальних додатках Аудиторія - Розробники - Аналітики - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
bigdatabicriminal | Big Data Business Intelligence for Criminal Intelligence Analysis | 35 hours | Прогрес у технологіях та збільшення обсягу інформації перетворюють те, як здійснюється правозастосування. Виклики, які представляють великі дані, майже такі ж складні, як обіцянка Big Data. Ефективне зберігання даних - одне з цих завдань; ефективно аналізуючи це інше. У цій навчальному посібнику учасники вивчатимуть таку думку, з якою можна буде звертатися до технологій Big Data, оцінити їх вплив на існуючі процеси та політику та впроваджувати ці технології з метою виявлення злочинної діяльності та запобігання злочинності. Будуть вивчені практичні приклади з боку правоохоронних органів у всьому світі, щоб отримати уявлення про підходи, проблеми та результати їх впровадження. До кінця цього тренінгу учасники зможуть: - Об'єднайте технологію "Великі дані" із традиційними процесами збору даних, щоб об'єднати історію під час розслідування - Реалізуйте великі рішення для зберігання та обробки даних для аналізу даних - Підготуйте пропозицію щодо прийняття найбільш адекватних інструментів та процесів для забезпечення підходу до кримінального розслідування, керованого даними Аудиторія - Правоохоронці фахівці з технічної підготовки Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
encogadv | Encog: Advanced Machine Learning | 14 hours | Encog - це платформа навчання для роботи з відкритим кодом для Java та .Net. У цій інструкції під керівництвом живих тренінгів учасники вивчатимуть передові технології машинного навчання для побудови чітких прогнозних моделей нейронної мережі. До кінця цього тренінгу учасники зможуть: - Впроваджуйте різні методи оптимізації нейронних мереж для вирішення проблем, пов'язаних із встановленням та переобладнанням - Зрозумійте та оберіть з низки архітектур нейронної мережі - Впроваджувати контрольовані канали прямого та зворотного зв'язку Аудиторія - Розробники - Аналітики - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
radvml | Advanced Machine Learning with R | 21 hours | У цій інструкції під керівництвом живих тренінгів учасники вивчатимуть передові технології машинного навчання з R, оскільки вони крокують до створення реального застосування. До кінця цього тренінгу учасники зможуть: - Використовуйте методи, такі як настроювання гіперпараметрів та глибоке вивчення - Зрозуміти та застосувати безконтрольні методи навчання - Покладіть модель у виробництво для використання у великому додатку Аудиторія - Розробники - Аналітики - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
pythonadvml | Python for Advanced Machine Learning | 21 hours | У цій інструкції під керівництвом живих тренінгів учасники вивчать найбільш відповідні та найсучасніші технології машинного навчання в Python, будуючи серію демонстраційних програм, що включають зображення, музику, текст та фінансові дані. До кінця цього тренінгу учасники зможуть: - Впровадження алгоритмів машинного навчання та методів вирішення складних задач - Застосовуйте глибоке навчання та напірний нагляд навчання до програм, що включають зображення, музику, текст та фінансові дані - Натискайте алгоритми Python на максимальний потенціал - Використовуйте бібліотеки та пакунки, такі як NumPy та Theano Аудиторія - Розробники - Аналітики - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
fiji | Fiji: Introduction to Scientific Image Processing | 21 hours | Фіджі - це пакет обробки зображень із відкритим кодом, який поєднує ImageJ (програму обробки зображень для наукових багатовимірних зображень) та ряд додатків для аналізу наукового зображення. У цій навчальному посібнику учасники навчаться навчатися, як використовувати розподіл Фіджі та його основну програму ImageJ для створення програми аналізу зображень. До кінця цього тренінгу учасники зможуть: - Використовуйте передові функції програмування та програмні компоненти Фіджі, щоб розширити ImageJ - Вишивайте великі 3-дюймові зображення з перекриваються плиток - Автоматично оновлювати установку Фіджі під час запуску за допомогою вбудованої системи оновлення - Виберіть із широкого вибору мов скриптів, щоб створювати власні рішення щодо аналізу зображень - Використовуйте потужні бібліотеки Фіджі, такі як ImgLib на великих біометричних наборах даних - Розгортайте свою програму та співпрацюйте з іншими вченими за подібними проектами Аудиторія - Вчені - Дослідники - Розробники Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
rasberrypiopencv | Raspberry Pi + OpenCV: Build a Facial Recognition System | 21 hours | Навчальний тренінг, що проводиться інструктором, представляє собою програмне забезпечення, обладнання та покроковий процес, необхідний для побудови системи розпізнавання обличчя з нуля. Розпізнавання обличчя також відоме як розпізнавання обличчя. Обладнання, що використовується в цій лабораторії, включає Rasberry Pi, модуль камери, сервопристрої (необов'язково) та ін. Учасники несуть відповідальність за придбання самих цих компонентів. Використовуване програмне забезпечення включає OpenCV, Linux, Python та ін До кінця цього тренінгу учасники зможуть: - Встановіть Linux, OpenCV та інші програмні утиліти та бібліотеки на Rasberry Pi. - Налаштуйте OpenCV для зйомки та виявлення обличчя. - Зрозумійте різні варіанти упаковки системи Rasberry Pi для використання в реальних умовах середовища. - Адаптація системи до різних випадків використання, включаючи спостереження, перевірку особи тощо. Аудиторія - Розробники - Апаратні / програмні технікуми - Технічні особи в усіх галузях промисловості - Любителі Формат курсу - Частина лекції, частина дискусії, вправи та важка практика Примітка - Інші апаратні та програмні параметри включають: Arduino, OpenFace, Windows тощо. Якщо ви хочете використовувати будь-який з них, зв'яжіться з нами, щоб організувати. |
openface | OpenFace: Creating Facial Recognition Systems | 14 hours | OpenFace - це програмне забезпечення для розпізнавання обличчя з відкритим вихідним кодом на базі Python і Torch на базі дослідження Google FaceNet. У цій інструкції під керівництвом тренера, учасники навчаться використовувати компоненти OpenFace для створення та розгортання прикладів розпізнавання обличчя. До кінця цього тренінгу учасники зможуть: - Працюйте з компонентами OpenFace, включаючи dlib, OpenVC, Torch та nn4 для реалізації виявлення, вирівнювання та перетворення обличчя. - Застосуйте OpenFace до реальних додатків, таких як стеження, перевірка особи, віртуальна реальність, ігри та ідентифікація повторюваних клієнтів тощо. Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 hours | Вбудовування проектора - це веб-додаток з відкритим кодом для візуалізації даних, які використовуються для навчання машинних систем навчання. Створений Google, він є частиною TensorFlow. Під керівництвом інструктора, живого тренінгу вводяться концепції, що стосуються вбудованого проектора, та йде учасникам шляхом встановлення демонстраційного проекту. До кінця цього тренінгу учасники зможуть: - Дослідіть, як дані інтерпретуються моделями машинного навчання - Перейдіть за допомогою 3D та 2D переглядів даних, щоб зрозуміти, як алгоритм машинного навчання інтерпретує це - Зрозумійте концепції вкладання та їх роль у представленні математичних векторів для зображень, слів та цифр. - Вивчіть властивості певного вкладеного поля, щоб зрозуміти поведінку моделі - Застосовуйте вставлення проекту до реальних випадків використання, таких як створення системи рекомендацій для пісень для любителів музики Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 hours | Tensor2Tensor (T2T) - це модульна, розширювана бібліотека для навчання моделей AI в різних завданнях, використовуючи різні типи навчальних даних, наприклад: розпізнавання образів, переклад, аналіз, підписування зображення та розпізнавання мовлення. Це підтримується командою Google Brain. У цьому навчанні під керівництвом інструктора, учасники навчаться, як підготувати глибоку навчальну модель для вирішення багатьох завдань. До кінця цього тренінгу учасники зможуть: - Встановіть tensor2tensor, виберіть набір даних, навчіть та оцініть модель AI - Налаштуйте середовище розробки, використовуючи інструменти та компоненти, включені в Tensor2Tensor - Створіть та використовуйте одну модель, щоб одночасно вивчати ряд завдань з кількох доменів - Використовуйте модель для вивчення завдань із великою кількістю навчальних даних і застосовуйте ці знання до завдань, де дані обмежені - Отримати задовільні результати обробки за допомогою одного GPU Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
cognitivecomputing | Cognitive Computing: An Introduction for Business Managers | 7 hours | Когнітивні обчислення відносяться до систем, що включають машинне навчання, міркування, обробку природної мови, розпізнавання мовлення та бачення (розпізнавання об'єктів), взаємодія між людиною та комп'ютером, діалог та порядок опрацювання, щоб назвати декілька. Когнітивна обчислювальна система часто складається з декількох технологій, що працюють разом, для обробки контекстних даних "гарячих" в пам'яті та великих наборів "холодних" історичних даних у пакетному режимі. Приклади таких технологій включають Кафка, Іскра, Еластик-пошук, Кассандра та Хадоп. У цій інструкції під керівництвом живих тренінгів учасники вивчатимуть, як пізнавальні обчислення компліментами AI та Big Data, а також як цільові системи можуть використовуватися для реалізації подібних до людей способів поведінки, які підвищують продуктивність взаємодії між людиною та комп'ютером у бізнесі. До кінця цього тренінгу учасники зрозуміють: - Відносини між пізнавальними обчисленнями та штучним інтелектом (ІІ) - Природний імовірнісний характер когнітивних обчислень і як використовувати його як ділової переваги - Як управляти пізнавальними обчислювальними системами, які ведуть себе несподівано - Які компанії та програмні системи пропонують найбільш привабливі пізнавальні обчислювальні рішення Аудиторія - Бізнес-менеджери Формат курсу - Лекція, справи та вправи |
dsstne | Amazon DSSTNE: Build a Recommendation System | 7 hours | Amazon DSSTNE - це бібліотека з відкритим кодом, призначена для навчання та розгортання рекомендаційних моделей. Це дозволяє моделям з ваговими матрицями, які є занадто великими для того, щоб єдиний графічний процесор був навчений одному хосту. У цій інструкції під керівництвом, живе навчання, учасники дізнаються, як використовувати DSSTNE для створення рекомендаційної програми. До кінця цього тренінгу учасники зможуть: - Потяг рекомендаційну модель з рідкісними наборами даних у якості вхідних даних - Масові тренування та прогнозування моделей на декількох графічних процесорах - Розподіл обчислень та зберігання моделлю паралельно - Створіть персональні продукти, рекомендовані Amazon - Розгортайте додаток, що готовий до виробництва, який може масштабуватися при важких робочих навантаженнях Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
snorkel | Snorkel: Rapidly Process Training Data | 7 hours | Snorkel - це система для швидкого створення, моделювання та управління навчальними даними. Вона фокусується на прискоренні розробки структурованих або "темних" додатків для вилучення даних для доменів, у яких великі позначені набори навчальних програм недоступні або їх легко отримати. У цій навчальній інструкції учасники вивчатимуть методи отримання значень з неструктурованих даних, таких як текст, таблиці, малюнки та зображення, шляхом моделювання тренувальних даних з Snorkel. До кінця цього тренінгу учасники зможуть: - Програмувати навчальні комплекти, щоб забезпечити маркування масових тренувальних наборів - Поїзд високоякісних кінцевих моделей спочатку моделювання шумних тренувальних наборів - Використовуйте Snorkel для реалізації слабких методів нагляду та застосування програм обробки даних слабко контрольованим системам машинного навчання Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 hours | Глибоке навчання для NLP дозволяє машині вивчати просту та складну обробку мови. Серед можливих зараз завдань - переклад мовлення та генерація підписів для фотографій. DL (Deep Learning) є підмножиною ML (Machine Learning). Python - це популярна мова програмування, що містить бібліотеки для глибокого навчання для NLP. У цій навчальному посібнику учасники навчаться використовувати бібліотеки Python для NLP (Natural Language Processing), створюючи прикладну програму, яка обробляє набір фотографій та створює підписи. До кінця цього тренінгу учасники зможуть: - Дизайн та код DL для NLP за допомогою бібліотек Python - Створіть код Python, який зчитує значно велику колекцію фотографій і генерує ключові слова - Створіть код Python, який генерує підписи з виявлених ключових слів Аудиторія - Програмісти з інтересом до лінгвістики - Програмісти, які шукають розуміння NLP (природна обробка мови) Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
mlfinancepython | Machine Learning for Finance (with Python) | 21 hours | Машинознавство є галуззю штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного програмування. Python - це мова програмування, відомий своїм зрозумілим синтаксисом та читаемостью. Він пропонує відмінну колекцію добре перевірених бібліотек та технологій для розробки додатків для машинного навчання. У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися методам і засобам машинного навчання для вирішення реальних проблем в галузі фінансів. Учасники спочатку вивчають основні принципи, а потім впроваджують свої знання на практиці, створюючи власні моделі машинного навчання та використовуючи їх для виконання ряду командних проектів. До кінця цього тренінгу учасники зможуть: - Зрозумійте основні концепції машинного навчання - Дізнайтеся про програми та використання машинного навчання у фінансах - Розробити власну алгоритмічну стратегію торгівлі за допомогою машинного навчання за допомогою Python Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
MicrosoftCognitiveToolkit | Microsoft Cognitive Toolkit 2.x | 21 hours | Microsoft Cognitive Toolkit 2.x (раніше CNTK) - це інструментарій з відкритим кодом, комерційним класом, який розробляє алгоритми глибокого навчання, щоб вивчати як людський мозок. За даними Microsoft, CNTK може бути на 5-10 разів швидше, ніж TensorFlow, у рекурентних мережах і в 2 - 3 рази швидше, ніж TensorFlow для завдань, пов'язаних із зображеннями. У цій навчальному посібнику учасники навчаться використовувати курс когнітивного інструментарію Microsoft для створення, підготовки та оцінки алгоритмів глибокого навчання для використання в комерційних додатках із застосуванням ІР, що включають декілька типів даних, таких як дані, мова, текст та зображення. . До кінця цього тренінгу учасники зможуть: - Доступ до CNTK як бібліотеки з програми Python, C # або C ++ - Використовуйте CNTK як автономний інструмент навчання машини за допомогою власної мови опису моделі (BrainScript) - Використовуйте функцію оцінки моделі CNTK з програми Java - Об'єднайте канали DNN, канали згортки (CNN) та періодичні мережі (RNN / LSTM) - Масштабна обчислювальна потужність на процесорах, графічних процесорах та декількох машинах - Доступ до масивних наборів даних з використанням існуючих мов програмування та алгоритмів Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика Примітка - Якщо ви хочете налаштувати будь-яку частину цього тренінгу, включаючи вибрану мову програмування, зв'яжіться з нами, щоб організувати. |
ML_LBG | Machine Learning – Data science | 21 hours | Ця навчальна сесія, присвячена класі, буде вивчати інструменти навчання для машин із (запропонованим) Python. Делегати матимуть комп'ютерні приклади та навчальні практичні заняття. |
Course | Course Date | Course Price [Remote / Classroom] |
---|---|---|
Big Data Business Intelligence for Criminal Intelligence Analysis - Kiev, Holosiyvskiy Park | Mon, 2019-04-01 09:30 | 8750EUR / 9950EUR |
Algebra for Machine Learning - Kiev, Holosiyvskiy Park | Mon, 2019-04-15 09:30 | 3500EUR / 4100EUR |
Big Data Business Intelligence for Criminal Intelligence Analysis - Kiev, Holosiyvskiy Park | Mon, 2019-05-27 09:30 | 8750EUR / 9950EUR |
Algebra for Machine Learning - Kiev, Holosiyvskiy Park | Tue, 2019-06-04 09:30 | 3500EUR / 4100EUR |
Algebra for Machine Learning - Kiev, Holosiyvskiy Park | Thu, 2019-07-25 09:30 | 3500EUR / 4100EUR |
Course | Venue | Course Date | Course Price [Remote / Classroom] |
---|---|---|---|
Business Process Modeling using BPMN and UML | Kiev, Holosiyvskiy Park | Tue, 2019-04-02 09:30 | 3150EUR / 3750EUR |
Elasticsearch Advanced Administration, Monitoring and Maintenance | Kiev, Holosiyvskiy Park | Tue, 2019-04-02 09:30 | 3150EUR / 3750EUR |
Introduction to Embedded Computers | Kiev, Holosiyvskiy Park | Wed, 2019-06-05 09:30 | 3150EUR / 3750EUR |
Advanced Go Programming | Kiev, Holosiyvskiy Park | Mon, 2019-06-10 09:30 | 4725EUR / 5525EUR |
Introduction to R for Finance | Kiev, Holosiyvskiy Park | Mon, 2019-06-17 09:30 | 5250EUR / 6050EUR |
We are looking to expand our presence in Ukraine!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!