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.
Testimonials
Мені подобаються приклади пояснення
AUO友达光电（苏州）有限公司
Course: OptaPlanner in Practice
Translated by
Artificial Intelligence Course Outlines
| 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 |
| PaddlePaddle | PaddlePaddle | 21 hours | PaddlePaddle (Distributed Deer LEARRING) - масштабована глибока навчальна платформа, розроблена компанією Baidu. У цьому навчанні під керівництвом інструктора, учасники навчаться використовувати PaddlePaddle для забезпечення глибокого навчання у своїх продуктах і сервісних програмах. До кінця цього тренінгу учасники зможуть: - Налаштування та налаштування PaddlePaddle - Налаштуйте нейронну мережу Convolutional (CNN) для розпізнавання зображень та виявлення об'єктів - Налаштуйте повторювану нейронну мережу (RNN) для аналізу настроїв - Налаштуйте глибоке вивчення систем рекомендацій, щоб допомогти користувачам знаходити відповіді - Прогнозувати рейтинг кліків (CTR), класифікувати великомасштабні набори зображень, виконувати оптичне розпізнавання символів (OCR), виконувати пошук за рангом, виявляти комп'ютерні віруси та впроваджувати систему рекомендацій. 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 |
| tpuprogramming | TPU Programming: Building Neural Network Applications on Tensor Processing Units | 7 hours | Блок обробки тензорів (TPU) - це архітектура, яку Google використовує всередині компанії протягом декількох років, і зараз вона стає доступною для широкої публіки. Вона включає в себе кілька оптимізацій, спеціально призначених для використання в нейронних мережах, включаючи раціональні множення матриці, і 8-бітні цілі числа замість 16-бітових, для повернення відповідних рівнів точності. У цій інструкції під керівництвом інструктора, учасники навчаться навчатися використовувати нововведення в процесорах TPU, щоб максимально підвищити продуктивність своїх власних додатків AI. До кінця тренінгу учасники зможуть: - Навчання різних типів нейронних мереж на великих обсягах даних - Використовуйте TPU, щоб прискорити процес висновку на два порядки - Використовуйте TPU для обробки інтенсивних додатків, таких як пошук зображень, хмарне бачення та фотографії Аудиторія - Розробники - Дослідники - Інженери - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
Upcoming Artificial Intelligence Courses
| Course | Course Date | Course Price [Remote / Classroom] |
|---|---|---|
| Deep Learning for Medicine - Kiev, Holosiyvskiy Park | Tue, 2019-01-01 09:30 | 3500EUR / 4100EUR |
| Using Computer Network ToolKit (CNTK) - Kiev, Holosiyvskiy Park | Tue, 2019-01-29 09:30 | 7000EUR / 8000EUR |
| Deep Learning for Medicine - Kiev, Holosiyvskiy Park | Mon, 2019-03-11 09:30 | 3500EUR / 4100EUR |
| Using Computer Network ToolKit (CNTK) - Kiev, Holosiyvskiy Park | Mon, 2019-03-25 09:30 | 7000EUR / 8000EUR |
| Using Computer Network ToolKit (CNTK) - Kiev, Holosiyvskiy Park | Mon, 2019-05-20 09:30 | 7000EUR / 8000EUR |
Other regions
Other countries
Consulting
Weekend Artificial Intelligence courses, Evening Artificial Intelligence training, Artificial Intelligence boot camp, Artificial Intelligence instructor-led, Weekend Artificial Intelligence training, Evening Artificial Intelligence courses, Artificial Intelligence coaching, Artificial Intelligence instructor, Artificial Intelligence trainer, Artificial Intelligence training courses, Artificial Intelligence classes, Artificial Intelligence on-site, Artificial Intelligence private courses, Artificial Intelligence one on one training
Course Discounts
| 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 |
Some of our clients
.png "procter & gamble (p&g)")
.jpg "lewisville independent school district (lisd)")
is growing fast!
We are looking to expand our presence in Ukraine!
As a Business Development Manager you will:
- expand business in Ukraine
- recruit local talent (sales, agents, trainers, consultants)
- recruit local trainers and consultants
We offer:
- Artificial Intelligence and Big Data systems to support your local operation
- high-tech automation
- continuously upgraded course catalogue and content
- good fun in international team
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!