курси Deep Learning

  1. Artificial Intelligence Training
  2. Machine Learning Training
  3. курси Deep Learning
курси Deep Learning

Local, instructor-led live Deep Learning (DL) training courses demonstrate through hands-on practice the fundamentals and applications of Deep Learning and cover subjects such as deep machine learning, deep structured learning, and hierarchical learning.

Deep Learning training is available as "onsite live training" or "remote live training". Onsite live Deep Learning trainings in україна can be carried out locally on customer premises or in NobleProg corporate training centers. Remote live training is carried out by way of an interactive, remote desktop.

NobleProg -- Your Local Training Provider

Testimonials

★★★★★
★★★★★

DL (Deep Learning) Subcategories

курси TensorFlowTensorFlow
курси Deeplearning4jDeeplearning4j
курси Apache SINGAApache SINGA
курси CaffeCaffe
курси TorchTorch
курси KerasKeras

DL (Deep Learning) Course Outlines

Title
Duration
Overview
Title
Duration
Overview

Artificial Intelligence in Automotive

14 hours
Overview
Цей курс охоплює AI (підкреслюючи машинного навчання та глибоке навчання) у автомобільній промисловості. Це допомагає визначити, які технології можуть бути (потенційно) використані в декількох ситуаціях в автомобілі: від простої автоматики, розпізнавання образів до автономного прийняття рішень.

Deep Learning for Self Driving Cars

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.

Machine Learning and Deep Learning

21 hours
Overview
Цей курс охоплює AI (підкреслюючи машинного навчання та глибоке навчання)

Neural Networks Fundamentals using TensorFlow as Example

28 hours
Overview
Цей курс дасть вам знання в нейронних мережах і, як правило, в алгоритмі машинного навчання, глибоке вивчення (алгоритми та програми).

Цей тренінг більше зосереджено на фундаментальних принципах, але допоможе вам вибрати правильні технології: TensorFlow, Caffe, Teano, DeepDrive, Keras і т. Д. Приклади зроблені в TensorFlow.

Neural computing – Data science

14 hours
Overview
Цей тренінговий семінар, який буде проводитись у класі, міститиме презентації та наведені на комп'ютері приклади та навчальні практичні заняття з відповідними нейронними та глибокими мережевими бібліотеками

OpenFace: Creating Facial Recognition Systems

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

OpenNMT: Setting Up a Neural Machine Translation System

7 hours
Overview
у цьому інструктор під керівництвом, жива підготовка, учасники дізнаються, як налаштувати і використовувати OpenNMT для здійснення перекладу різних наборів даних зразка. Курс починається з огляду нейронних мереж, як вони застосовуються до машинного перекладу. Учасники будуть проводити живі вправи протягом усього курсу, щоб продемонструвати своє розуміння концепцій дізналися і отримати зворотний зв'язок від інструктора.

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

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

Формат курсу

- частина лекції, частина обговорення, важка практичний практика

OpenNN: Implementing Neural Networks

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

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

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

Формат курсу
Лекція та дискусія в поєднанні з практичними вправами.

PaddlePaddle

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

Python for Advanced Machine Learning

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

Advanced Machine Learning with R

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

Mastering Apache SINGA

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

Аудиторія

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

Після закінчення курсу делегати:

- зрозуміти структуру та механізми розгортання SINGA
- бути в змозі виконувати установки / виробничого середовища / архітектури завдання та конфігурацію
- бути в змозі оцінити якість коду, виконувати налагодження, моніторинг
- бути в змозі впроваджувати передові технології виробництва, такі як тренувальні моделі, вбудовування термінів, побудова графіків та реєстрації

Matlab for Deep Learning

14 hours
Overview
У цій інструкції під керівництвом живих тренінгів учасники навчаться використовувати Matlab для проектування, побудови та візуалізації нейронної мережі зі зварювання для розпізнавання зображень.

До кінця цього тренінгу учасники зможуть:

- Створіть глибоку модель навчання
- Автоматизація маркування даних
- Робота з моделями від Caffe та TensorFlow-Keras
- Потягніть дані, використовуючи кілька графічних процесорів, хмар або кластерів

Аудиторія

- Розробники
- Інженери
- Експерти домену

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика

T2T: Creating Sequence to Sequence Models for Generalized Learning

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

Deep Learning with TensorFlow 2.0

21 hours
Overview
TensorFlow є популярною і машинного навчання бібліотеки, розробленої компанією Google для глибокого навчання, числові обчислення, і великомасштабних машинного навчання. TensorFlow 2,0, випущений в Jan 2019, є новітнім варіантом TensorFlow і включає в себе поліпшення жадібних виконання, сумісність і API консистенції.

цей інструктор під керівництвом, жити навчання (на місці або віддалених), спрямованих на розробників і даних вчених, які хочуть використовувати Tensorflow 2,0 для створення pressors, класифікаторів, генеративних моделей, нейронні мережі і так далі.

до кінця тренінгу учасники зможуть:

- встановити та налаштувати TensorFlow 2,0.
- зрозуміти переваги TensorFlow 2,0 над попередніми версіями.
- побудувати глибокі моделі навчання.
- впровадити розширений класифікатор зображень.
- розгорнути модель глибокого навчання з хмарами, мобільними та пристроями.

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 TensorFlow, будь ласка, відвідайте: https://www.tensorflow.org/

TensorFlow Serving

7 hours
Overview
TensorFlow Serving - це система для обслуговування моделей машинного навчання (ML) для виробництва.

У цій навчальній інструкції, учасники навчаться, як налаштовувати та використовувати TensorFlow Serving, щоб розгорнути та керувати моделями ML у виробничому середовищі.

До кінця цього тренінгу учасники зможуть:

- Поїзд, експорт та обслуговування різних моделей TensorFlow
- Тестувати та розгортати алгоритми з використанням єдиної архітектури та набору API
- Розширюйте подання TensorFlow, щоб обслуговувати інші типи моделей поза моделями TensorFlow

Аудиторія

- Розробники
- Дані вчених

Формат курсу

- Частина лекції, частина дискусії, вправи та важка практика

Deep Learning with TensorFlow

21 hours
Overview
TensorFlow - це API-код другого покоління бібліотеки програмного забезпечення Google із відкритим вихідним кодом для глибокого навчання. Система призначена для полегшення досліджень у галузі машинного навчання та швидкого та легкого переходу від дослідного зразка до виробничої системи.

Аудиторія

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

Після закінчення курсу делегати:

- зрозуміти структуру та механізми розгортання TensorFlow
- бути в змозі виконувати установки / виробничого середовища / архітектури завдання та конфігурацію
- бути в змозі оцінити якість коду, виконувати налагодження, моніторинг
- бути в змозі впроваджувати передові технології виробництва, такі як тренувальні моделі, графічні роботи та ведення журналів

TensorFlow for Image Recognition

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

Аудиторія

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

Після закінчення цього курсу делегати зможуть:

- зрозуміти структуру та механізми розгортання TensorFlow
- виконувати установки / виробниче середовище / завдання архітектури та конфігурацію
- оцінити якість коду, виконувати налагодження, моніторинг
- впроваджувати передові технології, такі як тренувальні моделі, створення графіків та ведення журналів

Torch for Machine and Deep Learning

21 hours
Overview
Torch — бібліотека з відкритим джерельним кодом, яка базується на мові програмування Lua. Вона забезпечує середовище розробки для numics, машинного навчання і комп'ютерного бачення, з особливим акцентом на глибоке навчання і згортування мереж. Це один з найшвидших і найбільш гнучких рамок для машинного і глибокого навчання і використовуються такі компанії, як Facebook, Google, Twitter, NVIDIA, AMD, Intel, і багато інших.

в цьому інструктор під керівництвом, жити навчання, ми покриємо принципи факел, його унікальні риси, і як вона може бути застосована в реальних додатках. Ми кроком через численні практичні вправи протягом всього, демонструючи і практикуючи концепції дізналися.

до кінця курсу, учасники будуть мати глибоке розуміння факела & #39; s основні риси та можливості, а також його роль і внесок у просторі AI в порівнянні з іншими фреймворками та бібліотеками. Учасники також отримають необхідну практику для реалізації факела у власних проектах.

Формат курсу

- Огляд машини і глибоке навчання
- в класі кодування та інтеграції вправи
- тестові питання посипають по дорозі, щоб перевірити розуміння

TPU Programming: Building Neural Network Applications on Tensor Processing Units

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

Natural Language Processing with TensorFlow

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

Understanding Deep Neural Networks

35 hours
Overview
Цей курс починається з надання вам концептуальних знань в нейронних мережах і, як правило, в алгоритмі машинного навчання, глибоке навчання (алгоритми та програми).

Частина 1 (40%) цього тренінгу більше зосереджується на фундаментальних принципах, але допоможе вам вибрати правильну технологію: TensorFlow, Caffe, Theano, DeepDrive, Keras та ін.

Частина 2 (20%) цього тренінгу представляє Theano - бібліотеку Python, яка робить глибокі дослідження глибинних моделей навчання.

Частина третя (40%) навчання буде широко заснована на Tensorflow - 2-го покоління API від Google open source програмного забезпечення бібліотеки для глибокого навчання. Приклади та ручний інструмент будуть створені в TensorFlow.

Аудиторія

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

Після закінчення курсу делегати:

-

добре знайомитися з глибокими нейронними мережами (DNN), CNN і RNN

-

зрозуміти структуру та механізми розгортання TensorFlow

-

бути в змозі виконувати установки / виробничого середовища / архітектури завдання та конфігурацію

-

бути в змозі оцінити якість коду, виконувати налагодження, моніторинг

-

бути в змозі впроваджувати передові технології виробництва, такі як тренувальні моделі, графічні роботи та ведення журналів

Не всі теми будуть висвітлюватися в загальноосвітній аудиторії з тривалістю 35 годин у зв'язку з обширністю теми.

Тривалість курсу буде близько 70 годин, а не 35 годин.

Microsoft Cognitive Toolkit 2.x

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.

Deep Learning with Keras

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/

Artificial Neural Networks, Machine Learning, Deep Thinking

21 hours
Overview
Штучна нейронна мережа - це модель обчислювальних даних, що використовується для розробки систем штучного інтелекту (АІ), здатних виконувати "інтелектуальні" завдання. Нейронні мережі часто використовуються в програмах для автоматичного навчання (ML), які самі по собі є однією реалізацією AI. Глибоке Навчання - це підмножина ML.

Deep Learning for Banking (with Python)

28 hours
Overview
Машинознавство є галуззю штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного програмування. Глибоке навчання - це підполе машинного навчання, яке використовує методи, засновані на представлення даних навчання та структури, такі як нейронні мережі. 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

Applied AI from Scratch

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.

Artificial Neural Networks, Machine Learning and Deep Thinking

21 hours
Overview
Штучна нейронна мережа - це модель обчислювальних даних, що використовується для розробки систем штучного інтелекту (АІ), здатних виконувати "інтелектуальні" завдання. Нейронні мережі часто використовуються в програмах для автоматичного навчання (ML), які самі по собі є однією реалізацією AI. Глибоке Навчання - це підмножина ML.

Deep Learning for Vision with Caffe

21 hours
Overview
Кав`я - це глибоке навчальне середовище, створене з урахуванням вираження, швидкості та модульності.

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

Аудиторія

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

Після закінчення цього курсу делегати зможуть:

- зрозуміти структуру та механізми розгортання Caffe
- виконувати установки / виробниче середовище / завдання архітектури та конфігурацію
- оцінити якість коду, виконувати налагодження, моніторинг
- впроваджувати передові технології виробництва, такі як тренувальні моделі, впровадження шару та ведення журналів

Introduction to Deep Learning

21 hours
Overview
Цей курс є загальним оглядом для глибокого навчання, не заглиблюючись в будь-які конкретні методи. Це підходить для людей, які хочуть почати використовувати глибоке навчання, щоб підвищити їх точність прогнозування.

Upcoming Deep Learning Courses

Amazon DSSTNE: Build a Recommendation System

2019-08-23 09:30:00
Kiev, Holosiyvskiy Park
Remote
1500EUR
 Classroom
1900EUR
Read more

PaddlePaddle

2019-09-03 09:30:00
Kiev, Holosiyvskiy Park
Remote
N/A
 Classroom
5300EUR
Read more

T2T: Creating Sequence to Sequence Models for Generalized Learning

2019-09-05 09:30:00
Kiev, Holosiyvskiy Park
Remote
1500EUR
 Classroom
1900EUR
Read more

Python for Advanced Machine Learning

2019-09-17 09:30:00
Kiev, Holosiyvskiy Park
Remote
5250EUR
 Classroom
6050EUR
Read more

OpenFace: Creating Facial Recognition Systems

2019-10-09 09:30:00
Kiev, Holosiyvskiy Park
Remote
3500EUR
 Classroom
4100EUR
Read more

Other regions

;київ

Other countries

These courses are also available in other countries ››

Consulting

Deep Learning Consulting
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

Deep Learning for Vision with Caffe

Mon, 2019-07-29 09:30
Kiev, Holosiyvskiy Park
Remote
5250EUR
4725EUR
 Classroom
6050EUR
5525EUR
Read more

OCUP2 UML 2.5 Certification - Intermediate Exam Preparation

Tue, 2019-08-13 09:30
Kiev, Holosiyvskiy Park
Remote
3500EUR
3150EUR
 Classroom
4100EUR
3750EUR
Read more

Node.JS and Web Application Security

Tue, 2019-09-03 09:30
Kiev, Holosiyvskiy Park
Remote
5250EUR
4725EUR
 Classroom
6050EUR
5525EUR
Read more

RPA workshops

Wed, 2019-10-23 09:30
Kiev, Holosiyvskiy Park
Remote
3500EUR
3150EUR
 Classroom
4100EUR
3750EUR
Read more

Introduction to Data Visualization with Tidyverse and R

Mon, 2019-12-16 09:30
Kiev, Holosiyvskiy Park
Remote
1750EUR
1575EUR
 Classroom
2150EUR
1975EUR
Read more

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 your region!

As a Business Development Manager you will:

  • expand business in your region
  • 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!