Навчальні курси "Глибоке навчання" (DL), організовані місцевими інструкторами, демонструють практичні практичні засади та програми глибокого навчання та охоплюють такі теми, як глибоке машинне навчання, глибоке структурне навчання та ієрархічне навчання. Підготовка до глибокого навчання доступна як "навчальна програма на місці" або "дистанційна програма навчання". Навчання на місці може здійснюватися локально на приміщеннях клієнта в Україні україна або в корпоративних навчальних центрах NobleProg в Росії україна . Дистанційне навчання в режимі реального часу здійснюється за допомогою інтерактивного, віддаленого робочого столу. NobleProg - Ваш постачальник місцевих навчальних закладів
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
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
Глибоке знання тренера з теми.
Sebastian Görg
Course: Introduction to Deep Learning
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
спосіб проведення та приклад тренера
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Translated by
Можливість самостійно обговорити запропоновані питання
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Translated by
Зв'язок з викладачем
文欣 张
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Як це
lisa xie
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Поглиблений виклад тем машинного навчання, зокрема нейронних мереж. Демифіксація багато теми.
Sacha Nandlall
Course: Python for Advanced Machine Learning
Translated by
Великі та сучасні знання про провідні та практичні приклади застосування.
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Translated by
Багато вправ, дуже гарне співробітництво з групою.
Janusz Chrobot - ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Translated by
робота над колегаторами
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Translated by
Очевидно, що провідними були ентузіасти представлених тем. Використовуються цікаві приклади під час вправ.
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Translated by
Широкий спектр тем охоплює і значні знання лідерів.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
відсутність
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Великі теоретичні та практичні знання викладачів. Комунікативність тренерів. Під час курсу ви можете задавати питання та отримати задовільні відповіді.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Практична частина, де ми реалізували алгоритми. Це дозволило краще зрозуміти тему.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
вправи та приклади, що їх реалізують на них
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Обговорювалися приклади та питання.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Значущі знання, відданість, пристрасний спосіб передачі знань. Практичні приклади після теоретичної лекції.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Практичні вправи, підготовлені паном Мацеєм
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
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
| Code | Name | Duration | Overview |
|---|---|---|---|
| annmldt | Artificial Neural Networks, Machine Learning, Deep Thinking | 21 hours | 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. |
| 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. |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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. |
| dlfinancewithr | Deep Learning for Finance (with R) | 28 hours | 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 |
| dlforbankingwithpython | Deep Learning for Banking (with Python) | 28 hours | 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. Python - це мова програмування високого рівня, відомий своїм зрозумілим синтаксисом та читаемості коду. У цьому тренінгу, проведеному під керівництвом інструктора, учасники вивчатимуть, як впровадити глибокі моделі навчання для банківських операцій за допомогою Python, оскільки вони проходять через створення глибокої моделі кредитного ризику навчання. До кінця цього тренінгу учасники зможуть: - Зрозуміти основні поняття глибокого навчання - Дізнайтеся про програми та способи глибокого навчання в банківській справі - Використовуйте Python, Keras і TensorFlow для створення глибоких моделей навчання для банківських операцій - Створіть власну модель глибокого кредитного ризику, використовуючи Python Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
| dlforbankingwithr | Deep Learning for Banking (with R) | 28 hours | 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 цьому тренінгу, проведеному під керівництвом інструктора, учасники вивчатимуть, як впровадити глибокі моделі навчання для банківського користування R, оскільки вони проходять через створення глибокої моделі кредитного ризику навчання. До кінця цього тренінгу учасники зможуть: - Зрозуміти основні поняття глибокого навчання - Дізнайтеся про програми та способи глибокого навчання в банківській справі - Використовуйте R для створення глибоких моделей навчання для банківської справи - Створіть власну глибоку модель кредитного ризику, використовуючи R Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
| dlforfinancewithpython | Deep Learning for Finance (with Python) | 28 hours | 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. Python - це мова програмування високого рівня, відомий своїм зрозумілим синтаксисом та читаемості коду. У цій навчальній інструкції, учасники навчаться навчатися, як впровадити глибокі моделі навчання для фінансування, використовуючи Python, коли вони просуваються шляхом 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 Python, Keras і TensorFlow для створення глибоких моделей навчання для фінансування - Створіть свою власну модель прогнозування цін на акції, використовуючи Python Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
| drlpython | Deep Reinforcement Learning with Python | 21 hours | Навчання "Глибоке зміцнення" означає здатність "штучного агента" вчитися шляхом пробної помилки та нагородження та покарання. Штучний агент прагне наслідувати здатність людини одержувати і будувати знання самостійно, безпосередньо із сировинних матеріалів, таких як бачення. Для реалізації посилення навчання використовуються глибокі навчальні та нейронні мережі. Навчання зміцнення відрізняється від машинного навчання та не залежить від підходів, що підлягають нагляду та без нагляду. У цьому навчанні під керівництвом інструктора, учасники вивчатимуть основи глибокого зміцнення навчань, коли вони пройдуть шлях створення агента глибокого навчання. До кінця цього тренінгу учасники зможуть: - Зрозумійте основні концепції глибокого зміцнення навчання та вмієте відрізняти це від машинного навчання - Застосовуйте передові алгоритми "Підсилення навчання" для вирішення реальних проблем - Створіть агент для глибокого навчання Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
| DLAITEDM | Deep Learning AI Techniques for Executives, Developers and Managers | 21 hours | Введення : Глибоке навчання стає основним компонентом майбутнього дизайну продукту, який хоче інтегрувати штучний інтелект в основу своїх моделей. Протягом наступних 5-10 років інструменти для глибокого навчання , бібліотеки та мови стануть стандартними компонентами кожного програмного забезпечення для розробки програмного забезпечення. Поки що Google, Sales Force, Facebook, Amazon успішно використовують глибоке навчання AI, щоб розширити свій бізнес. Програми варіювалися від автоматичного машинного перекладу, аналізу зображень, відеоаналітики, аналітики руху, створення цільової реклами та багато іншого. Ця курсова робота призначена для тих організацій, які хочуть включити "Глибоке Навчання" як дуже важливу частину своєї стратегії продукту або послуги. Нижче наведено опис глибокого курсу навчання, який ми можемо налаштувати для різних рівнів працівників / зацікавлених сторін в організації. Цільова аудиторія: (Залежно від цільової аудиторії матеріали курсу будуть налаштовуватися) Керівники Загальний огляд індивідуального підходу та його втілення в корпоративну стратегію, проведення сеансів про стратегічне планування, технологічні дорожні карти та розподіл ресурсів, щоб забезпечити максимальну цінність. Менеджери проектів Як планувати проект AI, включаючи збір та оцінку даних, очищення та перевірку даних, розробку моделі доказовості концепції, інтеграцію в бізнес-процеси та доставку по всій організації. Розробники Поглиблені технічні тренінги з фокусуванням на нейронних мережах та глибокому вивченні, аналізі зображень та відео, CNN, звуковому та текстовому аналізі (NLP), а також приведення ІІ в існуючі програми. Продавці Загальний огляд індивідуального досвіду та способу задоволення потреб клієнтів, ціннісних пропозицій для різних продуктів та послуг, а також як знищити побоювання та сприяти перевагам AI. |
| Nue_LBG | Neural computing – Data science | 14 hours | 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 |
| dlformedicine | Deep Learning for Medicine | 14 hours | Машинознавство - це галузь штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного запрограмування. Глибоке Навчання - це підполе машинного навчання, яке намагається імітувати роботу людського мозку при прийнятті рішень. Він навчається з даними, щоб автоматично пропонувати рішення проблем. Глибоке Навчання надає величезні можливості для медичної галузі, що сидить на даних золотарі. У цьому інструкторі під керівництвом, живе навчання, учасники будуть взяти участь у серії дискусій, вправ та аналізу конкретних ситуацій, щоб зрозуміти фундаментальні аспекти глибокого навчання. Будуть оцінені найважливіші інструменти та методи глибокого навчання, а також будуть проведені e- курси для підготовки учасників для проведення власної оцінки та впровадження рішень глибоких навчань у своїх організаціях . До кінця цього тренінгу учасники зможуть: - Зрозумійте основи глибокого навчання - Вивчіть методи глибокого навчання та їх застосування в галузі - Вивчіть проблеми в медицині, які можна вирішити за допомогою технологій глибокого навчання - Дослідіть приклади вивчення глибокого навчання в медицині - Сформулюйте стратегію застосування найновітніших технологій у глибокому навчанні для вирішення проблем в медицині Аудиторія - Менеджери - Медичні професіонали в керівних ролях Формат курсу - Частина лекції, частина дискусії, вправи та важка практика Примітка - Щоб просити індивідуальне навчання для цього курсу, зв'яжіться з нами, щоб організувати. |
| dlfortelecomwithpython | Deep Learning for Telecom (with Python) | 28 hours | 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. Python - це мова програмування високого рівня, відомий своїм зрозумілим синтаксисом та читаемості коду. У цій навчальному курсі, учасники навчаться навчатися, як впровадити глибокі моделі навчання для телекомунікацій за допомогою Python, оскільки вони проходять через створення глибокої моделі кредитного ризику навчання. До кінця цього тренінгу учасники зможуть: - Зрозуміти основні поняття глибокого навчання - Дізнайтеся про програми та способи глибокого навчання в телекомунікаціях - Використовуйте Python, Keras і TensorFlow для створення глибоких моделей навчання для телекомунікацій - Створіть власну глибоку програму прогнозування споживачів, використовуючи Python 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 |
| 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 |
| deeplearning1 | Introduction to Deep Learning | 21 hours | 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. |
| dl4jir | DeepLearning4J for Image Recognition | 21 hours | 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. |
| bspkannmldt | Artificial Neural Networks, Machine Learning and Deep Thinking | 21 hours | 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. |
| dladv | Advanced Deep Learning | 28 hours | 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. |
| tf101 | Deep Learning with TensorFlow | 21 hours | 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 |
| tfir | TensorFlow for Image Recognition | 28 hours | 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 |
| tsflw2v | Natural Language Processing with TensorFlow | 35 hours | 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 |
| Course | Course Date | Course Price [Remote / Classroom] |
|---|---|---|
| Deep Learning for Vision - Kiev, Holosiyvskiy Park | Tue, 2019-02-19 09:30 | 5250EUR / 6050EUR |
| Artificial Intelligence in Automotive - Kiev, Holosiyvskiy Park | Thu, 2019-03-28 09:30 | 3500EUR / 4100EUR |
| Deep Learning for Vision - Kiev, Holosiyvskiy Park | Wed, 2019-04-17 09:30 | 5250EUR / 6050EUR |
| Artificial Intelligence in Automotive - Kiev, Holosiyvskiy Park | Thu, 2019-05-23 09:30 | 3500EUR / 4100EUR |
| Artificial Intelligence in Automotive - Kiev, Holosiyvskiy Park | Mon, 2019-07-15 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 |
.png "procter & gamble (p&g)")
.jpg "lewisville independent school district (lisd)")
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!
