курси Deep Learning

курси Deep Learning

Місцеві, інструктор під керівництвом живої глибокої навчання (DL) навчальних курсів продемонструвати через практичний практиці основи та застосування глибокого навчання і охоплюють такі предмети, як глибоке навчання машини, глибоке структуроване навчання і ієрархічне навчання.

Поглиблена підготовка навчання доступна як "на місці навчання" або "дистанційне навчання жити". На місці навчання в прямому ефірі може здійснюватися на місцевому рівні в україна або в Неbleprog корпоративні навчальні центри в україна. Дистанційне навчання в прямому ефірі здійснюється шляхом інтерактивного, віддаленого робочого стола.

Nobleпрога-ваш місцевий навчальний провайдер

Testimonials

★★★★★
★★★★★

Deep Learning Course Outlines

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
Цей курс охоплює AI (підкреслюючи машинного навчання та глибоке навчання) у автомобільній промисловості. Це допомагає визначити, які технології можуть бути (потенційно) використані в декількох ситуаціях в автомобілі: від простої автоматики, розпізнавання образів до автономного прийняття рішень.
21 hours
Overview
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
21 hours
Overview
Цей курс охоплює AI (підкреслюючи машинного навчання та глибоке навчання)
28 hours
Overview
Цей курс дасть вам знання в нейронних мережах і, як правило, в алгоритмі машинного навчання, глибоке вивчення (алгоритми та програми).

Цей тренінг більше зосереджено на фундаментальних принципах, але допоможе вам вибрати правильні технології: TensorFlow, Caffe, Teano, DeepDrive, Keras і т. Д. Приклади зроблені в TensorFlow.
14 hours
Overview
Цей тренінговий семінар, який буде проводитись у класі, міститиме презентації та наведені на комп'ютері приклади та навчальні практичні заняття з відповідними нейронними та глибокими мережевими бібліотеками
14 hours
Overview
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
7 hours
Overview
у цьому інструктор під керівництвом, жива підготовка, учасники дізнаються, як налаштувати і використовувати OpenNMT для здійснення перекладу різних наборів даних зразка. Курс починається з огляду нейронних мереж, як вони застосовуються до машинного перекладу. Учасники будуть проводити живі вправи протягом усього курсу, щоб продемонструвати своє розуміння концепцій дізналися і отримати зворотний зв'язок від інструктора.

до кінця цього навчання, учасники будуть мати знання і практику, необхідні для реалізації живого рішення OpenNMT.

джерелом і цільова мова зразки будуть попередньо організовані в аудиторії & #39; s вимог.

Формат курсу

- частина лекції, частина обговорення, важка практичний практика
14 hours
Overview
OpenNN - це бібліотека класів із відкритим кодом, написана на C ++, яка реалізує нейронні мережі для використання в машинному навчанні.

У цьому курсі ми розглядаємо принципи нейронних мереж і використовуємо OpenNN для реалізації прикладу зразка.

Аудиторія
Розробники програмного забезпечення та програмісти, які бажають створювати додатки глибокого навчання.

Формат курсу
Лекція та дискусія в поєднанні з практичними вправами.
21 hours
Overview
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
21 hours
Overview
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
21 hours
Overview
SINGA - це загальна розподілена платформа для глибокої навчання для навчання великих моделей навчання на великих наборів даних. Він розроблений з інтуїтивно зрозумілою програмуванням на основі абстракції шару. Підтримуються різні популярні моделі глибокого навчання, а саме: моделювання впливу, включаючи свертонні нейронні мережі (CNN), енергетичні моделі, такі як обмежена машина Больцмана (RBM) та періодичні нейронні мережі (RNN). Багато вбудованих шарів призначено для користувачів. Архітектура SINGA досить гнучка для запуску синхронних, асинхронних та гібридних навчальних рамок. SINGA також підтримує різні схеми розподілу нейронних мереж для паралелізації підготовки великих моделей, а саме розділення на пакетний розмір, розмір об'єкта чи гібридне розділення.

Аудиторія

Цей курс спрямований на дослідників, інженерів та розробників, які прагнуть використовувати Apache SINGA як глибоку освіту.

Після закінчення курсу делегати:

- зрозуміти структуру та механізми розгортання SINGA
- 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, вбудовування термінів, побудова графіків та реєстрації
14 hours
Overview
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
7 hours
Overview
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
7 hours
Overview
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
21 hours
Overview
TensorFlow - це API-код другого покоління бібліотеки програмного забезпечення Google із відкритим вихідним кодом для глибокого навчання. Система призначена для полегшення досліджень у галузі машинного навчання та швидкого та легкого переходу від дослідного зразка до виробничої системи.

Аудиторія

Цей курс призначений для інженерів, які прагнуть використовувати TensorFlow для своїх проектів глибокого навчання

Після закінчення курсу делегати:

- 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
28 hours
Overview
Цей курс вивчає, зокрема, приклади застосування Tensor Flow до цілей розпізнавання зображень

Аудиторія

Цей курс призначений для інженерів, які прагнуть використовувати TensorFlow з метою розпізнавання зображень

Після закінчення цього курсу делегати зможуть:

- зрозуміти структуру та механізми розгортання TensorFlow
- виконувати установки / виробниче середовище / завдання архітектури та конфігурацію
- оцінити якість коду, виконувати налагодження, моніторинг
- впроваджувати передові технології, такі як тренувальні моделі, створення графіків та ведення журналів
21 hours
Overview
Факел - це бібліотека для автозапуску з відкритим кодом і наукова обчислювальна платформа, заснована на мові програмування Lua. Це забезпечує середовище розробки для чисел, машинного навчання та комп'ютерного бачення, з особливим наголосом на глибоке вивчення та згорткові сітки. Це одна з найшвидших і гнучких систем для машинного та глибокого навчання і використовується такими компаніями як Facebook, Google, Twitter, NVIDIA, AMD, Intel та багатьма іншими.

У цьому курсі ми покриваємо принципи Факела, його унікальні властивості та як його можна застосувати в реальних додатках. Ми проходимо численні практичні заняття, продемонструвавши і практикуючи отримані поняття.

До кінця курсу учасники матимуть глибоке розуміння основних особливостей та можливостей Torch, а також його ролі та внесок у простір AI в порівнянні з іншими системами та бібліотеками. Учасники також отримали необхідну практику для впровадження Факела у власних проектах.

Аудиторія
Розробники програмного забезпечення та програмісти, які бажають включити машину та глибоке навчання у своїх програмах

Формат курсу
Огляд машини та глибокого навчання
Інтеграційні вправи в класі
Тестові питання, посипані шляхом перевірки розуміння
7 hours
Overview
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
35 hours
Overview
TensorFlow ™ - бібліотека програмного забезпечення з відкритим кодом для чисельного обчислення з використанням графіків потоку даних.

SyntaxNet - це структура обробки природних мов для нервової мережі для TensorFlow.

Word2Vec використовується для вивчення векторних уявлень про слова, що називаються "вклади словами". Word2vec - це особливо обчислювально ефективна прогностична модель для вивчення вкладок слів із вихідного тексту. Він поставляється у двох ароматах - моделі безперервного сумок (CBOW) та моделі Skip-Gram (розділи 3.1 та 3.2 у Миколова та ін.).

Використовується в тандемі, SyntaxNet та Word2Vec дозволяють користувачам створювати моделі "Досліджено вбудовування" з введення природної мови.

Аудиторія

Цей курс орієнтований на розробників та інженерів, які мають намір працювати з моделями SyntaxNet та Word2Vec у своїх графіках TensorFlow.

Після закінчення курсу делегати:

- 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, вбудовування термінів, побудова графіків та реєстрації
35 hours
Overview
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.
21 hours
Overview
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.
21 hours
Overview
Тип: Теоретичне навчання з програмами, прийнятими нагору з учнями на лазаньї або Карас відповідно до педагогічної групи

Метод викладання: презентація, обмін та тематичні дослідження

Штучний інтелект, зруйнував багато наукових областей, почав революціонізувати велику кількість галузей економіки (промисловість, медицина, зв'язок тощо). Тим не менш, його презентація в основних ЗМІ часто фантазія, дуже далека від того, що насправді є областями машинного навчання або глибокого навчання. Метою даного тренінгу є забезпечення інженерів, які вже володіють комп'ютерними інструментами (включаючи базу програмного забезпечення), вступ до глибокого навчання та його різних галузей спеціалізації, а отже, до основних існуючих мережевих архітектур сьогодні. Якщо математичні бази згадуються протягом курсу, то рівень математики типу BAC + 2 рекомендується для більшої комфортності. Абсолютно можна пропустити математичну осі, щоб зберегти лише "системне" бачення, але цей підхід обмежить ваше розуміння предмета надзвичайно.
21 hours
Overview
Штучна нейронна мережа - це модель обчислювальних даних, що використовується для розробки систем штучного інтелекту (АІ), здатних виконувати "інтелектуальні" завдання. Нейронні мережі часто використовуються в програмах для автоматичного навчання (ML), які самі по собі є однією реалізацією AI. Глибоке Навчання - це підмножина ML.
28 hours
Overview
Машинознавство є галуззю штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного програмування. Глибоке навчання - це підполе машинного навчання, яке використовує методи, засновані на представлення даних навчання та структури, такі як нейронні мережі. R - це популярна мова програмування в фінансовій галузі. Він використовується у фінансових цілях, починаючи від основних програм торгівлі до систем управління ризиками.

У цій навчальному курсі, учасники навчаться навчатися, як впроваджувати глибокі моделі навчання для фінансування з використанням R, оскільки вони проходять через створення глибокої моделі прогнозування цін на акції.

До кінця цього тренінгу учасники зможуть:

- Зрозуміти основні поняття глибокого навчання
- Дізнайтеся про програми та способи глибокого навчання у фінансах
- Використовуйте R для створення глибоких моделей навчання для фінансування
- Створіть власну модель прогнозування цін на акції, використовуючи R

Аудиторія

- Розробники
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика
28 hours
Overview
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
21 hours
Overview
Штучна нейронна мережа - це модель обчислювальних даних, що використовується для розробки систем штучного інтелекту (АІ), здатних виконувати "інтелектуальні" завдання. Нейронні мережі часто використовуються в програмах для автоматичного навчання (ML), які самі по собі є однією реалізацією AI. Глибоке Навчання - це підмножина ML.
21 hours
Overview
Кав`я - це глибоке навчальне середовище, створене з урахуванням вираження, швидкості та модульності.

Цей курс вивчає застосування Caffe як глибокої основи навчання для розпізнавання образів, використовуючи приклад MNIST

Аудиторія

Цей курс підходить для дослідників та інженерів глибоких вчителів, які зацікавлені в використанні кофе в якості основи.

Після закінчення цього курсу делегати зможуть:

- зрозуміти структуру та механізми розгортання Caffe
- виконувати установки / виробниче середовище / завдання архітектури та конфігурацію
- оцінити якість коду, виконувати налагодження, моніторинг
- впроваджувати передові технології виробництва, такі як тренувальні моделі, впровадження шару та ведення журналів
21 hours
Overview
Цей курс є загальним оглядом для глибокого навчання, не заглиблюючись в будь-які конкретні методи. Це підходить для людей, які хочуть почати використовувати глибоке навчання, щоб підвищити їх точність прогнозування.
21 hours
Overview
Deeplearning4j - це перша комерційна сортована, відкрита, розподілена бібліотека для вивчення англійської мови, написана для Java та Scala. Вбудований в Hadoop і Spark, DL4J призначений для використання в ділових середовищах на розподілених графічних процесорах та процесорах.

Аудиторія

Цей курс спрямований на інженерів та розробників, які прагнуть використовувати Deeplearning4j у своїх проектах.

Після цього курсу делегати зможуть:
21 hours
Overview
Deeplearning4j - відкрите програмне забезпечення для глибокого навчання для Java та Scala на Hadoop і Spark.

Аудиторія

Цей курс призначений для інженерів та розробників, які прагнуть використовувати DeepLearning4J у своїх проектах розпізнавання зображень.

Upcoming Deep Learning Courses

Weekend Deep Learning courses, Evening Deep Learning training, Deep Learning boot camp, Deep Learning instructor-led, Weekend Deep Learning training, Evening Deep Learning courses, Deep Learning coaching, Deep Learning instructor, Deep Learning trainer, Deep Learning training courses, Deep Learning classes, Deep Learning on-site, Deep Learning private courses, Deep Learning one on one training

Course Discounts

Course Discounts Newsletter

We respect the privacy of your email address. We will not pass on or sell your address to others.
You can always change your preferences or unsubscribe completely.

Some of our clients

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!