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

Machine Translated

Testimonials

★★★★★
★★★★★

DL (Deep Learning) Subcategories

DL (Deep Learning) Course Outlines

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
Цей курс охоплює AI (підкреслюючи Machine Learning та Deep Learning ) в Automotive промисловості. Це допомагає визначити, яку технологію можна (потенційно) використовувати в різних ситуаціях в автомобілі: від простої автоматизації, розпізнавання зображень до автономного прийняття рішень.
21 hours
Overview
Deep learning is a subfield of machine learning. It uses methods based on learning data representations and structures such as neural networks.

Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.

This instructor-led, live training (onsite or remote) is aimed at developers who wish to build a self-driving car using deep learning techniques.

By the end of this training, participants will be able to:

- Use computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.

Format of the Course

- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.

Course Customization Options

- To request a customized training for this course, please contact us to arrange.
21 hours
Overview
Цей курс охоплює AI (підкреслюючи Machine Learning та Deep Learning )
28 hours
Overview
Цей курс дасть вам знання з нейронних мереж та загалом з алгоритму машинного навчання, глибокого навчання (алгоритми та програми).

Це навчання більш сфокусовані на основних принципах, але і допоможе вам вибрати правильну технологію: TensorFlow , Caffe , Teano, DeepDrive, Keras і т.д. Приклади зроблені в TensorFlow .
14 hours
Overview
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
14 hours
Overview
OpenFace - це програмне забезпечення для розпізнавання обличчя з відкритим вихідним кодом на базі Python і Torch на базі дослідження Google FaceNet.

У цій інструкції під керівництвом тренера, учасники навчаться використовувати компоненти OpenFace для створення та розгортання прикладів розпізнавання обличчя.

До кінця цього тренінгу учасники зможуть:

- Працюйте з компонентами OpenFace, включаючи dlib, OpenVC, Torch та nn4 для реалізації виявлення, вирівнювання та перетворення обличчя.
- Застосуйте OpenFace до реальних додатків, таких як стеження, перевірка особи, віртуальна реальність, ігри та ідентифікація повторюваних клієнтів тощо.

Аудиторія

- Розробники
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика
7 hours
Overview
У цьому 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
14 hours
Overview
У цій навчальній програмі під керівництвом інструкторів ми переходимо до принципів нейронних мереж і використовуємо OpenNN для реалізації зразкового додатку.

Формат курсу

- Лекція та обговорення в поєднанні з практичними вправами.
21 hours
Overview
PaddlePaddle (Distributed Deer LEARRING) - масштабована глибока навчальна платформа, розроблена компанією Baidu.

У цьому навчанні під керівництвом інструктора, учасники навчаться використовувати PaddlePaddle для забезпечення глибокого навчання у своїх продуктах і сервісних програмах.

До кінця цього тренінгу учасники зможуть:

- Налаштування та налаштування PaddlePaddle
- Налаштуйте нейронну мережу Convolutional (CNN) для розпізнавання зображень та виявлення об'єктів
- Налаштуйте повторювану нейронну мережу (RNN) для аналізу настроїв
- Налаштуйте глибоке вивчення систем рекомендацій, щоб допомогти користувачам знаходити відповіді
- Прогнозувати рейтинг кліків (CTR), класифікувати великомасштабні набори зображень, виконувати оптичне розпізнавання символів (OCR), виконувати пошук за рангом, виявляти комп'ютерні віруси та впроваджувати систему рекомендацій.

Аудиторія

- Розробники
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика
21 hours
Overview
У цій інструкції під керівництвом живих тренінгів учасники вивчать найбільш відповідні та найсучасніші технології машинного навчання в Python, будуючи серію демонстраційних програм, що включають зображення, музику, текст та фінансові дані.

До кінця цього тренінгу учасники зможуть:

- Впровадження алгоритмів машинного навчання та методів вирішення складних задач
- Застосовуйте глибоке навчання та напірний нагляд навчання до програм, що включають зображення, музику, текст та фінансові дані
- Натискайте алгоритми Python на максимальний потенціал
- Використовуйте бібліотеки та пакунки, такі як NumPy та Theano

Аудиторія

- Розробники
- Аналітики
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика
21 hours
Overview
У цій інструкції під керівництвом живих тренінгів учасники вивчатимуть передові технології машинного навчання з R, оскільки вони крокують до створення реального застосування.

До кінця цього тренінгу учасники зможуть:

- Використовуйте методи, такі як настроювання гіперпараметрів та глибоке вивчення
- Зрозуміти та застосувати безконтрольні методи навчання
- Покладіть модель у виробництво для використання у великому додатку

Аудиторія

- Розробники
- Аналітики
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика
21 hours
Overview
SINGA є загальнопоширеною платформою для глибокого навчання для підготовки великих моделей глибокого навчання на великих наборах даних. Він розроблений з інтуїтивною моделлю програмування на основі абстракції шарів. Підтримуються різноманітні популярні моделі глибокого навчання, а саме моделі перенаправлення, включаючи згорткові нейронні мережі (CNN), енергетичні моделі, такі як обмежена машина Больцмана (RBM), і рекурентні нейронні мережі (RNN). Для користувачів передбачено багато вбудованих шарів. Архітектура SINGA є досить гнучким для виконання синхронних, асинхронних і гібридних кадрів навчання. SINGA також підтримує різні схеми розділення нейронних мереж для паралелізації підготовки великих моделей, а саме розбиття на вимір партії, розмірності функцій або гібридного розбиття.

Аудиторія

Цей курс спрямований на дослідників, інженерів і розробників, які прагнуть використовувати Apache SINGA як глибоку структуру навчання.

Після завершення цього курсу делегати:

- розуміти структуру та механізми розгортання SINGA
- вміти виконувати завдання встановлення / виробничого середовища / архітектури та конфігурації
- вміти оцінювати якість коду, виконувати налагодження, моніторинг
- мати можливість впроваджувати передові технології, такі як навчальні моделі, терміни вбудовування, побудова графіків і ведення журналу
14 hours
Overview
У цьому тренінгу під керівництвом інструкторів учасники дізнаються, як використовувати Matlab для проектування, побудови та візуалізації звивистої нейронної мережі для розпізнавання зображень.

Після закінчення цього тренінгу учасники зможуть:

- Побудуйте модель глибокого навчання
- Автоматизація маркування даних
- Робота з моделями від Caffe та TensorFlow - Keras
- Тренуйте дані, використовуючи декілька GPU , хмари або кластерів

Аудиторія

- Розробники
- Інженери
- Експерти з домену

Формат курсу

- Частина лекції, частина дискусії, вправи та важкі практичні практики
7 hours
Overview
Tensor2Tensor (T2T) - це модульна, розширювана бібліотека для навчання моделей AI в різних завданнях, використовуючи різні типи навчальних даних, наприклад: розпізнавання образів, переклад, аналіз, підписування зображення та розпізнавання мовлення. Це підтримується командою Google Brain.

У цьому навчанні під керівництвом інструктора, учасники навчаться, як підготувати глибоку навчальну модель для вирішення багатьох завдань.

До кінця цього тренінгу учасники зможуть:

- Встановіть tensor2tensor, виберіть набір даних, навчіть та оцініть модель AI
- Налаштуйте середовище розробки, використовуючи інструменти та компоненти, включені в Tensor2Tensor
- Створіть та використовуйте одну модель, щоб одночасно вивчати ряд завдань з кількох доменів
- Використовуйте модель для вивчення завдань із великою кількістю навчальних даних і застосовуйте ці знання до завдань, де дані обмежені
- Отримати задовільні результати обробки за допомогою одного GPU

Аудиторія

- Розробники
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика
21 hours
Overview
TensorFlow - популярна бібліотека та машинне навчання, розроблена Go ogle для глибокого навчання, чисельних обчислень та масштабного машинного навчання. TensorFlow 2.0, випущений у січні 2019 року, є новітньою версією TensorFlow і включає вдосконалення в прагненні до виконання, сумісності та послідовності API.

Ця навчальна програма під керівництвом інструкторів (на місці або на віддаленому рівні) спрямована на розробників та науковців даних, які бажають використовувати Tensorflow 2.0 для створення прогнозів, класифікаторів, генеративних моделей, нейронних мереж тощо.

Після закінчення цього тренінгу учасники зможуть:

- Встановлення та налаштування TensorFlow 2.0.
- Зрозумійте переваги TensorFlow 2.0 над попередніми версіями.
- Побудувати моделі глибокого навчання.
- Вкажіть розширений класифікатор зображення.
- Розгорніть модель глибокого навчання до хмарних, мобільних та IoT-пристроїв.

Формат курсу

- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.

Параметри налаштування курсу

- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
- Щоб дізнатися більше про TensorFlow , відвідайте: https://www.tensorflow.org/
7 hours
Overview
TensorFlow Serving - це система подачі моделей машинного навчання (ML) до виробництва.

У цьому тренінгу під керівництвом інструкторів учасники дізнаються, як налаштувати та використовувати TensorFlow для розгортання та управління моделями ML у виробничих умовах.

Після закінчення цього тренінгу учасники зможуть:

- Тренуйте, експортуйте та обслуговуйте різні моделі TensorFlow
- Тестуйте та розгортайте алгоритми, використовуючи єдину архітектуру та набір API
- Розширення TensorFlow Служить для обслуговування інших типів моделей поза моделями TensorFlow

Аудиторія

- Розробники
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важкі практичні практики
21 hours
Overview
TensorFlow - це API 2-го покоління бібліотеки відкритого програмного забезпечення Go ogle для Deep Learning . Система призначена для полегшення досліджень в машинному навчанні, а також для швидкого і легкого переходу від дослідного прототипу до виробничої системи.

Аудиторія

Цей курс призначений для інженерів, які прагнуть використовувати TensorFlow для проектів Deep Learning

Після завершення цього курсу делегати:

- розуміти структуру TensorFlow і механізми розгортання
- вміти виконувати завдання встановлення / виробничого середовища / архітектури та конфігурації
- вміти оцінювати якість коду, виконувати налагодження, моніторинг
- мати можливість впроваджувати передові технології виробництва, такі як навчальні моделі, побудова графіків і ведення журналу
28 hours
Overview
Цей курс досліджує, з конкретними прикладами, застосування Tensor Flow для цілей розпізнавання зображень

Аудиторія

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

Після завершення цього курсу делегати зможуть:

- розуміти структуру TensorFlow і механізми розгортання
- виконувати завдання встановлення / виробничого середовища / архітектури та конфігурації
- оцінюють якість коду, виконують налагодження, моніторинг
- запровадити передові технології виробництва, такі як навчальні моделі, побудова графіків і ведення журналу
21 hours
Overview
Torch - це бібліотека машинного навчання з відкритим кодом та наукова обчислювальна база, заснована на мові програмування Lua . Це забезпечує середовище розробки для числення, машинного навчання та комп’ютерного зору, з особливим акцентом на глибоке навчання та складені мережі. Це одна з найшвидших і гнучких рамок для машинного і Deep Learning і використовується такими компаніями, як Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel та багато інших.

У цій навчальній програмі під керівництвом інструкторів ми висвітлюємо принципи Torch , його унікальні особливості та те, як його можна застосовувати в реальних програмах. Ми переглядаємо численні практичні вправи протягом усього часу, демонструючи та практикуючи вивчені поняття.

Після закінчення курсу учасники матимуть глибоке розуміння основних особливостей та можливостей Torch , а також його ролі та внеску в простір ШІ порівняно з іншими рамками та бібліотеками. Учасники також отримають необхідну практику для впровадження Torch у власних проектах.

Формат курсу

- Огляд машинного та Deep Learning
- Вправи на кодування та інтеграцію в класі
- Тестові запитання розсипали по дорозі, щоб перевірити розуміння
7 hours
Overview
Блок обробки тензорів (TPU) - це архітектура, яку Google використовує всередині компанії протягом декількох років, і зараз вона стає доступною для широкої публіки. Вона включає в себе кілька оптимізацій, спеціально призначених для використання в нейронних мережах, включаючи раціональні множення матриці, і 8-бітні цілі числа замість 16-бітових, для повернення відповідних рівнів точності.

У цій інструкції під керівництвом інструктора, учасники навчаться навчатися використовувати нововведення в процесорах TPU, щоб максимально підвищити продуктивність своїх власних додатків AI.

До кінця тренінгу учасники зможуть:

- Навчання різних типів нейронних мереж на великих обсягах даних
- Використовуйте TPU, щоб прискорити процес висновку на два порядки
- Використовуйте TPU для обробки інтенсивних додатків, таких як пошук зображень, хмарне бачення та фотографії

Аудиторія

- Розробники
- Дослідники
- Інженери
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика
35 hours
Overview
TensorFlow ™ - бібліотека програмного забезпечення з відкритим кодом для чисельного обчислення з використанням графіків потоку даних.

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

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

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

Аудиторія

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

Після закінчення курсу делегати:

- зрозуміти структуру та механізми розгортання TensorFlow
- бути в змозі виконувати установки / виробничого середовища / архітектури завдання та конфігурацію
- бути в змозі оцінити якість коду, виконувати налагодження, моніторинг
- бути в змозі впроваджувати передові технології виробництва, такі як тренувальні моделі, вбудовування термінів, побудова графіків та реєстрації
35 hours
Overview
Цей курс починається з надання концептуальних знань з нейронних мереж і, як правило, з алгоритму машинного навчання, глибокого навчання (алгоритми та програми).

Частина 1 (40%) цього навчання більше уваги на основних принципах, але і допоможе вам вибрати правильну технологію: TensorFlow , Caffe , Theano, DeepDrive, Keras і т.д.

Частина 2 (20%) цього тренінгу представляє Теано - бібліотеку пітонів, яка спрощує написання моделей глибокого навчання.

Частина 3 (40%) навчання буде широко базуватися на Tensorflow - API другого покоління з бібліотеки програмного забезпечення з відкритим кодом Go ogle для Deep Learning . Усі приклади та досвід роботи будуть зроблені в TensorFlow .

Аудиторія

Цей курс призначений для інженерів, які прагнуть використовувати TensorFlow для своїх проектів Deep Learning

Після закінчення цього курсу делегати:

-

добре розуміти глибокі нейронні мережі (DNN), CNN та RNN

-

зрозуміти структуру та механізми розгортання TensorFlow

-

вміти виконувати установки / виробниче середовище / архітектурні завдання та конфігурацію

-

вміти оцінювати якість коду, виконувати налагодження, моніторинг

-

вміти впроваджувати передові виробництва, такі як навчальні моделі, складання графіків та ведення журналів
21 hours
Overview
Microsoft Cognitive Toolkit 2.x (раніше CNTK) - це інструментарій з відкритим кодом, комерційним класом, який розробляє алгоритми глибокого навчання, щоб вивчати як людський мозок. За даними Microsoft, CNTK може бути на 5-10 разів швидше, ніж TensorFlow, у рекурентних мережах і в 2 - 3 рази швидше, ніж TensorFlow для завдань, пов'язаних із зображеннями.

У цій навчальному посібнику учасники навчаться використовувати курс когнітивного інструментарію Microsoft для створення, підготовки та оцінки алгоритмів глибокого навчання для використання в комерційних додатках із застосуванням ІР, що включають декілька типів даних, таких як дані, мова, текст та зображення. .

До кінця цього тренінгу учасники зможуть:

- Доступ до CNTK як бібліотеки з програми Python, C # або C ++
- Використовуйте CNTK як автономний інструмент навчання машини за допомогою власної мови опису моделі (BrainScript)
- Використовуйте функцію оцінки моделі CNTK з програми Java
- Об'єднайте канали DNN, канали згортки (CNN) та періодичні мережі (RNN / LSTM)
- Масштабна обчислювальна потужність на процесорах, графічних процесорах та декількох машинах
- Доступ до масивних наборів даних з використанням існуючих мов програмування та алгоритмів

Аудиторія

- Розробники
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика

Примітка

- Якщо ви хочете налаштувати будь-яку частину цього тренінгу, включаючи вибрану мову програмування, зв'яжіться з нами, щоб організувати.
21 hours
Overview
Keras є високорівнемною нейронні мережі API для швидкого розвитку та експериментів. Він працює на вершині TensorFlow, CNTK або Theano.

цей інструктор під керівництвом, жити навчання (на місці або віддалених), спрямованих на технічних осіб, які бажають застосувати глибоку модель навчання для програм розпізнавання зображень.

до кінця тренінгу учасники зможуть:

- встановити та налаштувати Keras.
- швидко прототипу глибокі моделі навчання.
- здійснити згортующе мережу.
- здійснити рекурентної мережі.
- виконати глибоку модель навчання на обох ПРОЦЕСОРІВ і GPU.

Формат курсу

- Інтерактивна лекція та дискусія.
- багато вправ і практики.
- практичної реалізації в живій лабораторній обстановці.

курс параметри налаштування

- щоб запросити індивідуальну підготовку за цей курс, будь ласка, зв'яжіться з нами, щоб організувати.
- щоб дізнатися більше про Keras, будь ласка, відвідайте: https://keras.io/
21 hours
Overview
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 hours
Overview
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 цій навчальній програмі під керівництвом інструкторів учасники дізнаються, як реалізувати моделі глибокого навчання для банківських операцій за допомогою Python під час створення моделі глибокого вивчення кредитного ризику.

Після закінчення цього тренінгу учасники зможуть:

- Розуміти основні поняття глибокого навчання
- Дізнайтеся про додатки та способи глибокого навчання в банківській справі
- Використовуйте Python , Keras і TensorFlow для створення глибоких моделей навчання для банківської справи
- Створіть власну модель кредитного ризику глибокого навчання за допомогою Python

Аудиторія

- Розробники
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важкі практичні практики
28 hours
Overview
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
21 hours
Overview
Штучна нейронна мережа - це 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 hours
Overview
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
21 hours
Overview
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.
Weekend Deep Learning (DL) courses, Evening DL (Deep Learning) training, DL (Deep Learning) boot camp, Deep Learning (DL) instructor-led, Weekend DL (Deep Learning) training, Evening Deep Learning (DL) courses, Deep Learning coaching, Deep Learning (DL) instructor, Deep Learning (DL) trainer, Deep Learning training courses, DL (Deep Learning) classes, DL (Deep Learning) on-site, DL (Deep Learning) private courses, DL (Deep Learning) one on one training

Course Discounts

Course Discounts Newsletter

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

Some of our clients

is growing fast!

We are looking to expand our presence in Ukraine!

As a Business Development Manager you will:

  • expand business in Ukraine
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!