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

CodeNameDurationOverview
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 hoursШтучна 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.
undnnUnderstanding Deep Neural Networks35 hoursЦей 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.
dsstneAmazon DSSTNE: Build a Recommendation System7 hoursAmazon 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
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7 hoursTensor2Tensor (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
embeddingprojectorEmbedding Projector: Visualizing Your Training Data14 hoursВбудовування 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
openfaceOpenFace: Creating Facial Recognition Systems14 hoursOpenFace - 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
pythonadvmlPython for Advanced Machine Learning21 hoursУ 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
radvmlAdvanced Machine Learning with R21 hoursУ 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
tensorflowservingTensorFlow Serving7 hoursTensorFlow 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
matlabdlMatlab for Deep Learning14 hoursУ 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
dlfornlpDeep Learning for NLP (Natural Language Processing)28 hoursГлибоке 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
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 hoursMicrosoft 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.
dlfinancewithrDeep Learning for Finance (with R)28 hoursМашинознавство 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
dlforbankingwithpythonDeep Learning for Banking (with Python)28 hoursМашинознавство 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
dlforbankingwithrDeep Learning for Banking (with R)28 hoursМашинознавство 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
dlforfinancewithpythonDeep Learning for Finance (with Python)28 hoursМашинознавство 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
drlpythonDeep Reinforcement Learning with Python21 hoursНавчання "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
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21 hoursВведення :

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_LBGNeural computing – Data science14 hoursЦей 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
dlformedicineDeep Learning for Medicine14 hoursМашинознавство - 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.
dlfortelecomwithpythonDeep Learning for Telecom (with Python)28 hoursМашинознавство 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
PaddlePaddlePaddlePaddle21 hoursPaddlePaddle (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
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7 hoursБлок 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
deeplearning1Introduction to Deep Learning21 hoursЦей 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.
dl4jirDeepLearning4J for Image Recognition21 hoursDeeplearning4j - 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.
bspkannmldtArtificial Neural Networks, Machine Learning and Deep Thinking21 hoursШтучна 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.
dladvAdvanced Deep Learning28 hoursМашинознавство 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.
tf101Deep Learning with TensorFlow21 hoursTensorFlow - 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
tfirTensorFlow for Image Recognition28 hoursЦей 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
tsflw2vNatural Language Processing with TensorFlow35 hoursTensorFlow ™ - 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

Upcoming Deep Learning Courses

CourseCourse DateCourse Price [Remote / Classroom]
Advanced Deep Learning - Kiev, Holosiyvskiy Park Mon, 2019-04-15 09:307000EUR / 8000EUR
Deep Learning for NLP (Natural Language Processing) - Kiev, Holosiyvskiy Park Mon, 2019-05-20 09:307000EUR / 8000EUR
Advanced Deep Learning - Kiev, Holosiyvskiy Park Tue, 2019-06-11 09:307000EUR / 8000EUR
Advanced Deep Learning - Kiev, Holosiyvskiy Park Mon, 2019-08-05 09:307000EUR / 8000EUR
Advanced Deep Learning - Kiev, Holosiyvskiy Park Mon, 2019-09-30 09:307000EUR / 8000EUR
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

CourseVenueCourse DateCourse Price [Remote / Classroom]
Business Process Modeling using BPMN and UMLKiev, Holosiyvskiy Park Tue, 2019-04-02 09:303150EUR / 3750EUR
Elasticsearch Advanced Administration, Monitoring and MaintenanceKiev, Holosiyvskiy Park Tue, 2019-04-02 09:303150EUR / 3750EUR
Introduction to Embedded ComputersKiev, Holosiyvskiy Park Wed, 2019-06-05 09:303150EUR / 3750EUR
Advanced Go ProgrammingKiev, Holosiyvskiy Park Mon, 2019-06-10 09:304725EUR / 5525EUR
Introduction to R for FinanceKiev, Holosiyvskiy Park Mon, 2019-06-17 09:305250EUR / 6050EUR

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!