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 україні або в Неbleprog корпоративні навчальні центри в україні. Дистанційне навчання в прямому ефірі здійснюється шляхом інтерактивного, віддаленого робочого стола.
Nobleпрога-ваш місцевий навчальний провайдер
Machine Translated
Відгуки
Це було дуже інтерактивним і більш розслабленим і неформальним, ніж очікувалося. Ми розглянули багато тем в той час, і тренер завжди сприйнятливі говорити більш докладно або в цілому про теми і як вони були пов'язані. Я відчуваю, що навчання дав мені інструменти, щоб продовжити навчання на відміну від його час одного сеансу, де навчання зупиняється, як тільки ви закінчили, що дуже важливо з огляду на масштаби і складність теми.
Jonathan Blease
Курси: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Тема дуже цікава.
Wojciech Baranowski
Курси: Introduction to Deep Learning
Machine Translated
Тренери теоретичні знання і готовність вирішувати проблеми з учасниками після навчання.
Grzegorz Mianowski
Курси: Introduction to Deep Learning
Machine Translated
Тему. Дуже цікаво!.
Piotr
Курси: Introduction to Deep Learning
Machine Translated
Вправи після кожної теми були дуже корисними, незважаючи на те, що були занадто складні в кінці. Загалом, представлений матеріал був дуже цікавим і за участю! Вправи з розпізнаванням зображення були великими.
Dolby Poland Sp. z o.o.
Курси: Introduction to Deep Learning
Machine Translated
Я думаю, що якщо тренінг буде зроблено польською це дозволить тренеру поділитися своїми знаннями більш ефективними.
Radek
Курси: Introduction to Deep Learning
Machine Translated
Глобальний огляд глибокого навчання.
Bruno Charbonnier
Курси: Advanced Deep Learning
Machine Translated
Вправи достатньо практичні і не потребують високих знань з Python .
Alexandre GIRARD
Курси: Advanced Deep Learning
Machine Translated
Виконання вправ на реальних прикладах за допомогою епох. Італія повністю розуміла наші очікування щодо цього навчання.
Paul Kassis
Курси: Advanced Deep Learning
Machine Translated
Я дуже ціную кришталево чіткі відповіді Кріса на наші запитання.
Léo Dubus
Курси: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Я взагалі користувався знаючими тренера.
Sridhar Voorakkara
Курси: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Я був вражений стандартом цього класу-я хотів би сказати, що це був університетський стандарт.
David Relihan
Курси: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Дуже хороший всебічний огляд. Go оди фону в чому Tensorflow працює , як це робить.
Kieran Conboy
Курси: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Мені сподобалися можливості задавати питання і отримати більш глибокі пояснення теорії.
Sharon Ruane
Курси: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ми отримали набагато більше розуміння в питанні. Деякі цікаві дискусії були зроблені з деякими реальними предметами в нашій компанії.
Sebastiaan Holman
Курси: Machine Learning and Deep Learning
Machine Translated
Навчання дало правильну основу, яка дозволяє нам далі розширюватися, показуючи, як теорія та практика йдуть рука об руку. Це насправді мене більше зацікавило цю тему, ніж я раніше.
Jean-Paul van Tillo
Курси: Machine Learning and Deep Learning
Machine Translated
Мені дуже сподобався охоплення і глибину теми.
Anirban Basu
Курси: Machine Learning and Deep Learning
Machine Translated
Глибокі знання тренера про тему.
Sebastian Görg
Курси: Introduction to Deep Learning
Machine Translated
Дуже оновлений підхід чи ІСЦ (течія тензора, ера, вчитися) робити Машинне навчання.
Paul Lee
Курси: TensorFlow for Image Recognition
Machine Translated
Дуже гнучким.
Frank Ueltzhöffer
Курси: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Я взагалі користувався гнучкістю.
Werner Philipp
Курси: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Враховуючи перспективи технології: які технології/процесу можуть стати більш важливими в майбутньому; Дивіться, які технології можна використовувати для.
Commerzbank AG
Курси: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Я отримав вигоду від вибору теми. Стиль навчання. Практична орієнтація.
Commerzbank AG
Курси: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Як вони вводять і застосовуються тренером
ORANGE POLSKA S.A.
Курси: Machine Learning and Deep Learning
Machine Translated
Можливість обговорити запропоновані питання
ORANGE POLSKA S.A.
Курси: Machine Learning and Deep Learning
Machine Translated
Зв'язок з викладачем
文欣 张
Курси: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Як це
lisa xie
Курси: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Поглиблене висвітлення тем машинного навчання, зокрема нейронних мереж. Дуже багато тем.
Sacha Nandlall
Курси: Python for Advanced Machine Learning
Machine Translated
Великий і актуальний Орієнтир знань і практичних прикладів застосування.
ING Bank Śląski S.A.
Курси: Introduction to Deep Learning
Machine Translated
Багато вправ, дуже хороша співпраця з групою.
Janusz Chrobot - ING Bank Śląski S.A.
Курси: Introduction to Deep Learning
Machine Translated
Практик на коловатори,
ING Bank Śląski S.A.
Курси: Introduction to Deep Learning
Machine Translated
Було видно, що господар був пристрасним про представлених тем. Використовувалися цікаві приклади під час вправ.
ING Bank Śląski S.A.
Курси: Introduction to Deep Learning
Machine Translated
Широкий спектр питань охоплює і високі знання керівних.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курси: Understanding Deep Neural Networks
Machine Translated
Відсутність
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курси: Understanding Deep Neural Networks
Machine Translated
Високі теоретичні та практичні знання провідних. Провідні комунікаційні можливості. Під час курсу ви можете задати питання і отримати задовільну відповідь.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курси: Understanding Deep Neural Networks
Machine Translated
Практична частина, де ми реалізували алгоритми. Це дозволило краще зрозуміти цю тему.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курси: Understanding Deep Neural Networks
Machine Translated
Вправи і приклади
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курси: Understanding Deep Neural Networks
Machine Translated
Приклади та теми, які обговорювалися.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курси: Understanding Deep Neural Networks
Machine Translated
Змістовні знання, заручини, захоплюючий спосіб спілкування знань. Практичні приклади після теоретичної лекції.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курси: Understanding Deep Neural Networks
Machine Translated
Практичні вправи, підготовлені паном Матьясом
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Курси: Understanding Deep Neural Networks
Machine Translated
Я отримав користь від пристрасті навчати і зосередитись на тому, щоб робити речі розумними.
Zaher Sharifi - GOSI
Курси: Advanced Deep Learning
Machine Translated
Ідентифікація людини і плати погана точка виявлення
王 春柱 - 中移物联网
Курси: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Продемонструвати
中移物联网
Курси: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Про зону обличчя.
中移物联网
Курси: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Неформальні обміни ми мали під час лекцій дійсно допомогли мені поглибити своє розуміння предмета
Explore
Курси: Deep Reinforcement Learning with Python
Machine Translated
Багато практичних порад
Pawel Dawidowski - ABB Sp. z o.o.
Курси: Deep Learning with TensorFlow
Machine Translated
Багато інформації, пов'язаної з розгортаннями рішень
Michał Smolana - ABB Sp. z o.o.
Курси: Deep Learning with TensorFlow
Machine Translated
Безліч практичних порад і знань з широкого кола питань AI/It SQL //IOT.
ABB Sp. z o.o.
Курси: Deep Learning with TensorFlow
Machine Translated
багато інформації, всі запитані питання, цікаві приклади
A1 Telekom Austria AG
Курси: Deep Learning for Telecom (with Python)
Machine Translated
Я почав з близьких до нуля знань, і до кінця зміг створити та навчити власні мережі.
Huawei Technologies Duesseldorf GmbH
Курси: TensorFlow for Image Recognition
Machine Translated
Deep Learning Зміст курсу
Назва курсу
Тривалість
Огляд
Назва курсу
Тривалість
Огляд
7 годин
AlphaFold - це система, яка виконує прогноз білкових структур. Він розроблений Alphabet’s/Google’s DeepMind як глибока система навчання, яка може точно передбачити 3D-моделі білкових структур.
Цей інструктор-під керівництвом, прямий тренінг (онлайн або на сайті) спрямований на біологів, які хочуть зрозуміти, як AlphaFold працюють і використовують AlphaFold моделі як керівники у своїх експериментальних дослідженнях.
Після закінчення тренінгу учасники зможуть:
Визначте основні принципи AlphaFold. Дізнайтеся, як це працює AlphaFold. Дізнайтеся, як тлумачити AlphaFold прогнози та результати.
Формат курсу
Інтерактивні лекції та дискусії. Багато випробувань і практики. Використання в робочому середовищі Live-Lab.
Курсові варіанти адаптації
Щоб отримати персоналізовану підготовку для цього курсу, будь ласка, зв'яжіться з нами, щоб організувати.
Цей інструктор-під керівництвом, прямий тренінг (онлайн або на сайті) спрямований на біологів, які хочуть зрозуміти, як AlphaFold працюють і використовують AlphaFold моделі як керівники у своїх експериментальних дослідженнях.
Після закінчення тренінгу учасники зможуть:
Визначте основні принципи AlphaFold. Дізнайтеся, як це працює AlphaFold. Дізнайтеся, як тлумачити AlphaFold прогнози та результати.
Формат курсу
Інтерактивні лекції та дискусії. Багато випробувань і практики. Використання в робочому середовищі Live-Lab.
Курсові варіанти адаптації
Щоб отримати персоналізовану підготовку для цього курсу, будь ласка, зв'яжіться з нами, щоб організувати.
21 годин
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
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 годин
Глибокою Reinforcement Learning сказано на здатність & quot; артифікального агенту" навчитись за допомогою процесів і помилки та нагороди. Скусний агент намагається емуляція людського ' здатність отримати і збудувати знання власно, прямо з сиріх вкладів, наприклад, видіння. Щоб зрозуміти підкріплення навчання, використовується глибоко вивчення та неуральні мережі. Навчання зміцнює відрізняється від вивчення машини і не залежить на наглядачі і непереверсивні підходи навчання.
У цьому інструкторі, живого обучення, участники будуть навчитися основним глибокою Reinforcement Learning, коли вони проходять через створення Deep Learning агент.
До кінця цієї обов’язки участники зможуть:
Зрозуміти ключові концепції поза глибокою Reinforcement Learning і можна відрізняти його від Machine Learning Застосувати наступні алгоритми Reinforcement Learning, щоб розв’язати проблеми реального світу Збудувати Deep Learning Агент
Слухня
Розробники даних науковців
Формат курсу
Люкція частиною, частиною обговорювати, вивчення та тяжких руків
У цьому інструкторі, живого обучення, участники будуть навчитися основним глибокою Reinforcement Learning, коли вони проходять через створення Deep Learning агент.
До кінця цієї обов’язки участники зможуть:
Зрозуміти ключові концепції поза глибокою Reinforcement Learning і можна відрізняти його від Machine Learning Застосувати наступні алгоритми Reinforcement Learning, щоб розв’язати проблеми реального світу Збудувати Deep Learning Агент
Слухня
Розробники даних науковців
Формат курсу
Люкція частиною, частиною обговорювати, вивчення та тяжких руків
28 годин
Машинне навчання - це галузь штучної інтелекту, в якій комп'ютери мають здатність вчитися без чітко запрограмованого.
Глибоке навчання - це суб'єкт машинного навчання, який використовує методи, засновані на представленнях даних та структурах, таких як нейронні мережі.
Python - мова програмування високого рівня, відома своєю чіткою синтаксиєю і читальністю коду.
У цьому тренінгу, який очолює інструктор, учасники дізнаються, як реалізувати моделі глибокого навчання для телекомунікацій за допомогою Python як вони проходять через створення глибокого навчання кредитного ризику моделі.
Після закінчення тренінгу учасники зможуть:
Визначте основні поняття глибокого навчання. Дізнайтеся про застосування та використання глибокого навчання в телекомунікації. Використовуйте Python, Keras і TensorFlow для створення моделей глибокого навчання для телекомунікацій. Створіть свій власний глибокий навчальний клієнт-модель прогнозування за допомогою Python.
Формат курсу
Інтерактивні лекції та дискусії. Багато випробувань і практики. Використання в робочому середовищі Live-Lab.
Курсові варіанти адаптації
Щоб отримати персоналізовану підготовку для цього курсу, будь ласка, зв'яжіться з нами, щоб організувати.
Глибоке навчання - це суб'єкт машинного навчання, який використовує методи, засновані на представленнях даних та структурах, таких як нейронні мережі.
Python - мова програмування високого рівня, відома своєю чіткою синтаксиєю і читальністю коду.
У цьому тренінгу, який очолює інструктор, учасники дізнаються, як реалізувати моделі глибокого навчання для телекомунікацій за допомогою Python як вони проходять через створення глибокого навчання кредитного ризику моделі.
Після закінчення тренінгу учасники зможуть:
Визначте основні поняття глибокого навчання. Дізнайтеся про застосування та використання глибокого навчання в телекомунікації. Використовуйте Python, Keras і TensorFlow для створення моделей глибокого навчання для телекомунікацій. Створіть свій власний глибокий навчальний клієнт-модель прогнозування за допомогою Python.
Формат курсу
Інтерактивні лекції та дискусії. Багато випробувань і практики. Використання в робочому середовищі Live-Lab.
Курсові варіанти адаптації
Щоб отримати персоналізовану підготовку для цього курсу, будь ласка, зв'яжіться з нами, щоб організувати.
14 годин
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
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
21 годин
Штучна нейронна мережа - це обчислювальна модель даних, що використовується в розробці систем Artificial Intelligence (AI) здатних виконувати "розумні" завдання. Neural Networks зазвичай використовуються в програмах Machine Learning (ML), які самі по собі є однією з реалізацій AI. Deep Learning - підмножина ML.
21 годин
Цей курс є загальним оглядом для Deep Learning не заглиблюючись у будь-які конкретні методи. Він підходить для людей, які хочуть почати використовувати Deep learning для підвищення своєї точності прогнозування.
21 годин
Штучна нейронна мережа - це обчислювальна модель даних, що використовується в розробці систем Artificial Intelligence (AI) здатних виконувати "розумні" завдання. Neural Networks зазвичай використовуються в програмах Machine Learning (ML), які самі по собі є однією з реалізацій AI. Deep Learning - підмножина ML.
28 годин
Машинне навчання є галуззю штучного інтелекту, де комп'ютери мають можливість вчитися, не будучи явно запрограмованими. Глибоке навчання - підполе машинного навчання, яке використовує методи, засновані на вивченні даних і структур, таких як нейронні мережі.
21 годин
Caffe - це глибока навчальна структура, що складається з вираження, швидкості та модульності.
Цей курс вивчає застосування Caffe як глибокої рамки навчання для розпізнавання зображень за допомогою MNIST як приклад
Аудиторія
Цей курс підходить для дослідників та інженерів Deep Learning зацікавлених у використанні Caffe як основи.
Після завершення цього курсу делегати зможуть:
- розуміти структуру Caffe і механізми її розгортання
- виконувати завдання встановлення / виробничого середовища / архітектури та конфігурації
- оцінюють якість коду, виконують налагодження, моніторинг
- впроваджувати передові технології виробництва, такі як навчальні моделі, реалізація шарів і ведення журналу
Цей курс вивчає застосування Caffe як глибокої рамки навчання для розпізнавання зображень за допомогою MNIST як приклад
Аудиторія
Цей курс підходить для дослідників та інженерів Deep Learning зацікавлених у використанні Caffe як основи.
Після завершення цього курсу делегати зможуть:
- розуміти структуру Caffe і механізми її розгортання
- виконувати завдання встановлення / виробничого середовища / архітектури та конфігурації
- оцінюють якість коду, виконують налагодження, моніторинг
- впроваджувати передові технології виробництва, такі як навчальні моделі, реалізація шарів і ведення журналу
21 годин
Аудиторія
Цей курс підходить для дослідників Deep Learning та інженерів, зацікавлених у використанні доступних інструментів (в основному з відкритим кодом) для аналізу комп'ютерних зображень
Цей курс наводить робочі приклади.
Цей курс підходить для дослідників Deep Learning та інженерів, зацікавлених у використанні доступних інструментів (в основному з відкритим кодом) для аналізу комп'ютерних зображень
Цей курс наводить робочі приклади.
14 годин
Цей курс охоплює інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелектуальну інтелект. Він допомагає визначити, яку технологію можна (потенційно) використовувати в кількох ситуаціях в автомобілі: від простої автоматизації, від розпізнавання зображень до самостійного прийняття рішень.
21 годин
Цей курс охоплює AI (підкреслюючи Machine Learning та Deep Learning )
14 годин
У цьому інструктор-під керівництвом, живий тренінг, ми йдемо над принципами нейронних мереж і використовувати OpenNN для реалізації зразка застосування.
Формат курсу
Читання та дискусія в поєднанні з практичними заняттями.
Формат курсу
Читання та дискусія в поєднанні з практичними заняттями.
7 годин
У цьому тренінгу під керівництвом інструкторів учасники дізнаються, як налаштувати та використовувати OpenNMT для здійснення перекладу різних зразків наборів даних. Курс починається з огляду нейронних мереж, оскільки вони застосовуються до машинного перекладу. Учасники будуть виконувати живі вправи протягом усього курсу, щоб продемонструвати своє розуміння засвоєних понять та отримати зворотній зв’язок з інструктором.
Після закінчення цього тренінгу учасники отримають знання та практику, необхідну для впровадження живого рішення OpenNMT .
Зразки джерел та мови мови будуть попередньо узгоджені відповідно до потреб аудиторії.
Формат курсу
- Частина лекції, частина дискусії, важкі практичні практики
Після закінчення цього тренінгу учасники отримають знання та практику, необхідну для впровадження живого рішення OpenNMT .
Зразки джерел та мови мови будуть попередньо узгоджені відповідно до потреб аудиторії.
Формат курсу
- Частина лекції, частина дискусії, важкі практичні практики
21 годин
Тип: Теоретичне навчання з додатками, що вирішуються вгору за течією зі студентами на Лазаньї чи Keras відповідно до педагогічної групи
Методика навчання: презентація, обмін та тематичні дослідження
Штучний інтелект, порушивши багато наукових галузей, почав революціонувати велику кількість галузей економіки (промисловість, медицина, комунікації тощо). Тим не менш, його представлення у великих ЗМІ часто є фантазією, дуже далеко від тих, що є насправді сферами Machine Learning чи Deep Learning . Мета цього тренінгу - надати інженерам, які вже володіють комп'ютерними інструментами (включаючи базу програмування програмного забезпечення), ознайомлення з Deep Learning та його різними напрямами спеціалізації, а отже, і до основних існуючих мережевих архітектур сьогодні. Якщо під час курсу відкликаються математичні бази, для більшої комфортності рекомендується рівень математики типу BAC + 2. Абсолютно можливо пропустити математичну вісь, щоб зберегти лише "системне" бачення, але такий підхід дуже обмежить ваше розуміння теми.
Методика навчання: презентація, обмін та тематичні дослідження
Штучний інтелект, порушивши багато наукових галузей, почав революціонувати велику кількість галузей економіки (промисловість, медицина, комунікації тощо). Тим не менш, його представлення у великих ЗМІ часто є фантазією, дуже далеко від тих, що є насправді сферами Machine Learning чи Deep Learning . Мета цього тренінгу - надати інженерам, які вже володіють комп'ютерними інструментами (включаючи базу програмування програмного забезпечення), ознайомлення з Deep Learning та його різними напрямами спеціалізації, а отже, і до основних існуючих мережевих архітектур сьогодні. Якщо під час курсу відкликаються математичні бази, для більшої комфортності рекомендується рівень математики типу BAC + 2. Абсолютно можливо пропустити математичну вісь, щоб зберегти лише "системне" бачення, але такий підхід дуже обмежить ваше розуміння теми.
7 годин
У цьому інструкційному, живому тренінгу учасники дізнаються, як використовувати Facebook NMT (Fairseq) для перекладу зразкового контенту.
До закінчення цього навчання учасники отримають знання та практику, необхідну для реалізації прямого рішення машинного перекладу Fairseq.
Формат курсу
Часткова лекція, частина дискусії, важка практика
Примітка
Якщо ви хочете використовувати певний джерело та контент цільового мови, будь ласка, зв'яжіться з нами для врегулювання.
До закінчення цього навчання учасники отримають знання та практику, необхідну для реалізації прямого рішення машинного перекладу Fairseq.
Формат курсу
Часткова лекція, частина дискусії, важка практика
Примітка
Якщо ви хочете використовувати певний джерело та контент цільового мови, будь ласка, зв'яжіться з нами для врегулювання.
21 годин
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.
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 годин
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
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
7 годин
У цьому тренінгу під керівництвом інструкторів учасники дізнаються, як використовувати DSSTNE для створення рекомендаційного додатку.
Після закінчення цього тренінгу учасники зможуть:
- Підготуйте рекомендаційну модель із розрідженими наборами даних як вхідними
- Моделі масштабування та прогнозування для декількох GPU
- Розподіліть обчислення та зберігання в паралельній моделі
- Створіть персоналізовані рекомендації щодо амазонських продуктів
- Розгорніть готовий до виробництва додаток, який може масштабуватись при великих навантаженнях
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Після закінчення цього тренінгу учасники зможуть:
- Підготуйте рекомендаційну модель із розрідженими наборами даних як вхідними
- Моделі масштабування та прогнозування для декількох GPU
- Розподіліть обчислення та зберігання в паралельній моделі
- Створіть персоналізовані рекомендації щодо амазонських продуктів
- Розгорніть готовий до виробництва додаток, який може масштабуватись при великих навантаженнях
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
7 годин
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
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
14 годин
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
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
21 годин
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
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
14 годин
In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition.
By the end of this training, participants will be able to:
- Build a deep learning model
- Automate data labeling
- Work with models from Caffe and TensorFlow-Keras
- Train data using multiple GPUs, the cloud, or clusters
Audience
- Developers
- Engineers
- Domain experts
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
By the end of this training, participants will be able to:
- Build a deep learning model
- Automate data labeling
- Work with models from Caffe and TensorFlow-Keras
- Train data using multiple GPUs, the cloud, or clusters
Audience
- Developers
- Engineers
- Domain experts
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
28 годин
Машинне навчання - це галузь Штучного інтелекту, в якій комп'ютери мають можливість вчитися без явного запрограмування. Глибоке навчання - це підполе машинного навчання, яке використовує методи, засновані на навчанні подання даних та структур, таких як нейронні мережі. R - популярна мова програмування у фінансовій галузі. Він використовується у фінансових додатках, починаючи від основних торгових програм до систем управління ризиками.
У цій навчальній програмі під керівництвом викладачів учасники дізнаються, як реалізувати моделі глибокого навчання для фінансування за допомогою R, коли вони крокують через створення моделі глибокого прогнозування цін акцій.
Після закінчення цього тренінгу учасники зможуть:
- Розуміти основні поняття глибокого навчання
- Вивчіть додатки та використання глибокого навчання у фінансах
- Використовуйте R для створення глибоких моделей навчання для фінансування
- Побудуйте власну модель прогнозування цін на глибокі ціни за допомогою R
Аудиторія
- Розробники
- Дані вчених
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
У цій навчальній програмі під керівництвом викладачів учасники дізнаються, як реалізувати моделі глибокого навчання для фінансування за допомогою R, коли вони крокують через створення моделі глибокого прогнозування цін акцій.
Після закінчення цього тренінгу учасники зможуть:
- Розуміти основні поняття глибокого навчання
- Вивчіть додатки та використання глибокого навчання у фінансах
- Використовуйте R для створення глибоких моделей навчання для фінансування
- Побудуйте власну модель прогнозування цін на глибокі ціни за допомогою R
Аудиторія
- Розробники
- Дані вчених
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
28 годин
Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability.
In this instructor-led, live training, participants will learn how to implement deep learning models for banking using Python as they step through the creation of a deep learning credit risk model.
By the end of this training, participants will be able to:
- Understand the fundamental concepts of deep learning
- Learn the applications and uses of deep learning in banking
- Use Python, Keras, and TensorFlow to create deep learning models for banking
- Build their own deep learning credit risk model using Python
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
In this instructor-led, live training, participants will learn how to implement deep learning models for banking using Python as they step through the creation of a deep learning credit risk model.
By the end of this training, participants will be able to:
- Understand the fundamental concepts of deep learning
- Learn the applications and uses of deep learning in banking
- Use Python, Keras, and TensorFlow to create deep learning models for banking
- Build their own deep learning credit risk model using Python
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
28 годин
Машинне навчання - це галузь Штучного інтелекту, в якій комп'ютери мають можливість вчитися без явного запрограмування. Глибоке навчання - це підполе машинного навчання, яке використовує методи, засновані на навчанні подання даних та структур, таких як нейронні мережі. R - популярна мова програмування у фінансовій галузі. Він використовується у фінансових додатках, починаючи від основних торгових програм до систем управління ризиками.
У цьому навчанні на практиці під керівництвом викладачів учасники дізнаються, як реалізувати моделі глибокого навчання для банківської діяльності, використовуючи R, коли вони крокують через створення моделі кредитного ризику з глибоким навчанням.
Після закінчення цього тренінгу учасники зможуть:
- Розуміти основні поняття глибокого навчання
- Дізнайтеся про додатки та способи глибокого навчання в банківській справі
- Використовуйте R для створення глибоких моделей навчання для банківської справи
- Побудувати власну модель кредитного ризику глибокого навчання за допомогою R
Аудиторія
- Розробники
- Дані вчених
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
У цьому навчанні на практиці під керівництвом викладачів учасники дізнаються, як реалізувати моделі глибокого навчання для банківської діяльності, використовуючи R, коли вони крокують через створення моделі кредитного ризику з глибоким навчанням.
Після закінчення цього тренінгу учасники зможуть:
- Розуміти основні поняття глибокого навчання
- Дізнайтеся про додатки та способи глибокого навчання в банківській справі
- Використовуйте R для створення глибоких моделей навчання для банківської справи
- Побудувати власну модель кредитного ризику глибокого навчання за допомогою R
Аудиторія
- Розробники
- Дані вчених
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
28 годин
Машинне навчання - це галузь Штучного інтелекту, в якій комп'ютери мають можливість вчитися без явного запрограмування. Глибоке навчання - це підполе машинного навчання, яке використовує методи, засновані на навчанні подання даних та структур, таких як нейронні мережі. Python - мова програмування високого рівня, що славиться чітким синтаксисом та читабельністю коду.
У цьому тренінгу під керівництвом інструкторів учасники дізнаються, як реалізувати моделі глибокого навчання для фінансування за допомогою Python коли вони крокують через створення моделі глибокого прогнозування цін на акції.
Після закінчення цього тренінгу учасники зможуть:
- Розуміти основні поняття глибокого навчання
- Вивчіть додатки та використання глибокого навчання у фінансах
- Використовуйте Python , Keras та TensorFlow для створення глибоких моделей навчання для фінансування
- Побудуйте власну модель прогнозування цін на глибокі навчання за допомогою Python
Аудиторія
- Розробники
- Дані вчених
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
У цьому тренінгу під керівництвом інструкторів учасники дізнаються, як реалізувати моделі глибокого навчання для фінансування за допомогою Python коли вони крокують через створення моделі глибокого прогнозування цін на акції.
Після закінчення цього тренінгу учасники зможуть:
- Розуміти основні поняття глибокого навчання
- Вивчіть додатки та використання глибокого навчання у фінансах
- Використовуйте Python , Keras та TensorFlow для створення глибоких моделей навчання для фінансування
- Побудуйте власну модель прогнозування цін на глибокі навчання за допомогою Python
Аудиторія
- Розробники
- Дані вчених
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
21 годин
Введення в:
Глибоке навчання стає головним компонентом майбутнього дизайну продукту, який прагне включити штучний інтелект в серце своїх моделей. Протягом наступних 5-10 років інструменти розвитку глибокого навчання, бібліотеки та мови стануть стандартними компонентами кожного комплекту інструментів розвитку програмного забезпечення. На сьогоднішній день Google, Sales Force, Facebook, Amazon успішно використовує глибоке навчання AI для підвищення свого бізнесу. Приклади варіюються від автоматичного машинного перекладу, аналізу зображень, аналізу відео, аналізу руху, генерування цільової реклами і багато іншого.
Цей курс спрямований на ті організації, які хочуть включити Deep Learning як дуже важливу частину своєї стратегії продукту або послуги. Нижче наведено резюме глибокого навчання, яке ми можемо налаштувати для різних рівнів співробітників / учасників в організації.
Цільова аудиторія:
(Залежно від цільової аудиторії, матеріали курсу будуть персоналізовані)
Виконавці
Загальний огляд інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелекту.
Менеджер проекту
Як планувати проект з інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелекту.
Розробники
Глибоке технічне навчання, з акцентом на нейронні мережі та глибоке навчання, аналітику зображень і відео (CNN), аудіо- і текстову аналітику (NLP), а також впровадження інтелектуальної інтелекту в існуючі додатки.
продавці
Загальний огляд ІТ і як він може задовольнити потреби клієнтів, пропозиції цінності для різних продуктів і послуг, а також як усунути занепокоєння і просувати переваги ІТ.
Глибоке навчання стає головним компонентом майбутнього дизайну продукту, який прагне включити штучний інтелект в серце своїх моделей. Протягом наступних 5-10 років інструменти розвитку глибокого навчання, бібліотеки та мови стануть стандартними компонентами кожного комплекту інструментів розвитку програмного забезпечення. На сьогоднішній день Google, Sales Force, Facebook, Amazon успішно використовує глибоке навчання AI для підвищення свого бізнесу. Приклади варіюються від автоматичного машинного перекладу, аналізу зображень, аналізу відео, аналізу руху, генерування цільової реклами і багато іншого.
Цей курс спрямований на ті організації, які хочуть включити Deep Learning як дуже важливу частину своєї стратегії продукту або послуги. Нижче наведено резюме глибокого навчання, яке ми можемо налаштувати для різних рівнів співробітників / учасників в організації.
Цільова аудиторія:
(Залежно від цільової аудиторії, матеріали курсу будуть персоналізовані)
Виконавці
Загальний огляд інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелекту.
Менеджер проекту
Як планувати проект з інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелектуальної інтелекту.
Розробники
Глибоке технічне навчання, з акцентом на нейронні мережі та глибоке навчання, аналітику зображень і відео (CNN), аудіо- і текстову аналітику (NLP), а також впровадження інтелектуальної інтелекту в існуючі додатки.
продавці
Загальний огляд ІТ і як він може задовольнити потреби клієнтів, пропозиції цінності для різних продуктів і послуг, а також як усунути занепокоєння і просувати переваги ІТ.
14 годин
Це навчальне заняття на основі аудиторії буде містити презентації та приклади на комп’ютері та приклади навчальних занять для відповідних нейронних та глибоких мережевих бібліотек
Last Updated:
Інші країни
Консалтинг
Online DL (Deep Learning) courses, Weekend Deep Learning courses, Evening Deep Learning (DL) training, Deep Learning boot camp, DL (Deep Learning) instructor-led, Weekend DL (Deep Learning) training, Evening Deep Learning courses, Deep Learning (DL) coaching, Deep Learning (DL) instructor, Deep Learning (DL) trainer, DL (Deep Learning) training courses, DL (Deep Learning) classes, Deep Learning (DL) on-site, Deep Learning (DL) private courses, Deep Learning (DL) one on one training
