Навчальні курси "Місцевий навчальний курс" ("ML") під керівництвом інструктора демонструють практичну практику застосування методів і засобів машинного навчання для вирішення реальних проблем у різних галузях промисловості. Курси NobleProg ML охоплюють різні мови та основи програмування, включаючи Python, R-мову та Matlab. Курси машинного навчання пропонуються для ряду галузевих програм, включаючи фінансові, банківські та страхові послуги, а також охоплюють основи машинного навчання, а також більш просунуті підходи, такі як глибоке навчання. Підготовка до машиноукладань доступна як "тренування на місці" або "дистанційна навчальна програма". Навчання на місці може здійснюватися локально на приміщеннях клієнта в Україні україна або в корпоративних навчальних центрах NobleProg в Росії україна . Дистанційне навчання в режимі реального часу здійснюється за допомогою інтерактивного, віддаленого робочого столу. NobleProg - Ваш постачальник місцевих навчальних закладів
Реф-матеріали для використання пізніше було дуже добре.
PAUL BEALES- Seagate Technology.
Course: Applied Machine Learning
Translated by
Що вам найбільше подобається у тренінгу ?: Я дав мені корисну практику з використанням R для створення машинних навчальних систем для реальних ситуацій. Я можу використати це в моїй роботі відразу. Це був відмінний курс. Один з кращих, який я мав.
Matthew Thomas - British Telecom
Course: Applied Machine Learning
Translated by
Це було дуже інтерактивним, більш спокійним та неформальним, ніж очікувалося. Ми розглянули багато тем у той час, і тренер завжди був сприйнятливим, щоб докладніше говорити про це теми та як вони були пов'язані. Я відчуваю, що навчання дало мені інструменти для продовження навчання, на відміну від того, що це один сеанс, де навчання закінчується після того, як ви закінчите, що дуже важливо з урахуванням масштабу та складності теми.
Jonathan Blease
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Тренер був настільки обізнаним та включив до сфери, в якій мене цікавило
Mohamed Salama
Course: Data Mining & Machine Learning with R
Translated by
Тема дуже цікава
Wojciech Baranowski
Course: Introduction to Deep Learning
Translated by
Тренажери теоретичні знання та готовність вирішити проблеми з учасниками після тренінгу
Grzegorz Mianowski
Course: Introduction to Deep Learning
Translated by
Тема Дуже цікаво!
Piotr
Course: Introduction to Deep Learning
Translated by
Вправи після кожної теми були дійсно корисними, незважаючи на те, що в кінці були занадто складні. Взагалі, представлений матеріал був дуже цікавим і залучав! Вправи з розпізнаванням зображення були чудовими.
Dolby Poland Sp. z o.o.
Course: Introduction to Deep Learning
Translated by
Я думаю, що якщо навчання буде виконане польською, це дозволить тренерові поділитися своїми знаннями більш ефективними
Radek
Course: Introduction to Deep Learning
Translated by
Глобальний огляд глибокого навчання
Bruno Charbonnier
Course: Advanced Deep Learning
Translated by
Вправи є достатньо практичними і не потребують високих знань у Python для виконання.
Alexandre GIRARD
Course: Advanced Deep Learning
Translated by
Вправи на реальних прикладах з використанням Keras. Міхай цілком зрозумів наші очікування щодо цього навчання.
Paul Kassis
Course: Advanced Deep Learning
Translated by
Тема. це здавалося цікавим, але я залишив знати не набагато більше, ніж раніше.
Radoslaw Labedzki
Course: Introduction to Deep Learning
Translated by
Цікавий предмет
Wojciech Wilk
Course: Introduction to Deep Learning
Translated by
Я дуже ціную кришталево чіткі відповіді Кріса на наші запитання.
Léo Dubus
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Знаючий тренер
Sridhar Voorakkara
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Я був вражений стандартом цього класу - я б сказав, що це був університетський стандарт.
David Relihan
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Дуже добре все круглий огляд. Добрий фон в тому, чому Tensorflow працює так, як це робить.
Kieran Conboy
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Мені сподобались можливості задавати питання і отримати більш глибоке пояснення цієї теорії.
Sharon Ruane
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Ми отримали набагато більше уявлення про предмет. Деякі хороші обговорення були зроблені з деякими реальними предметами в нашій компанії
Sebastiaan Holman
Course: Machine Learning and Deep Learning
Translated by
Тренінг забезпечив правильний фундамент, який дозволяє нам продовжувати розширюватися, показуючи, як теорія та практика йдуть рука об руку. Насправді мені більше цікавила ця тема, ніж я раніше.
Jean-Paul van Tillo
Course: Machine Learning and Deep Learning
Translated by
Покриття та глибина тем
Anirban Basu
Course: Machine Learning and Deep Learning
Translated by
Тренер дуже легко пояснив складні та розширені теми.
Leszek K
Course: Artificial Intelligence Overview
Translated by
Глибоке знання тренера з теми.
Sebastian Görg
Course: Introduction to Deep Learning
Translated by
Дуже оновлений підхід чи API (tensorflow, kera, tflearn) робити машину навчання
Paul Lee
Course: TensorFlow for Image Recognition
Translated by
Дуже гнучкий
Frank Ueltzhöffer
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
гнучкість
Werner Philipp
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
З огляду на світогляд технології: яка технологія / процес може стати більш важливим у майбутньому; Подивіться, якою може бути технологія
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Вибір теми. Стиль навчання. Практична орієнтація
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Мені це дуже подобається.
蒙 李
Course: Machine Learning Fundamentals with Python
Translated by
спосіб проведення та приклад тренера
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Translated by
Можливість самостійно обговорити запропоновані питання
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Translated by
Зв'язок з викладачем
文欣 张
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Як це
lisa xie
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Поглиблений виклад тем машинного навчання, зокрема нейронних мереж. Демифіксація багато теми.
Sacha Nandlall
Course: Python for Advanced Machine Learning
Translated by
Вправи
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
лабораторні вправи
Marcell Lorant - L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Форма ноутбука Jupyter, в якій доступний навчальний матеріал
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Було багато вправ та цікавих тем.
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
деякі великі лабораторні вправи, проаналізовані та пояснені тренером глибоко (наприклад, коваріанти в лінійній регресії, відповідні реальній функції)
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Це просто здорово, що весь матеріал, включаючи вправи, знаходиться на тій же сторінці, а потім його оновлюється на льоту. Рішення виявляється в кінці. Круто! Крім того, я вдячний, що Кшиштоф доклав додаткових зусиль, щоб зрозуміти наші проблеми і запропонував нам можливі методи.
Attila Nagy - L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Великі та сучасні знання про провідні та практичні приклади застосування.
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Translated by
Багато вправ, дуже гарне співробітництво з групою.
Janusz Chrobot - ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Translated by
робота над колегаторами
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Translated by
Очевидно, що провідними були ентузіасти представлених тем. Використовуються цікаві приклади під час вправ.
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Translated by
Широкий спектр тем охоплює і значні знання лідерів.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
відсутність
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Великі теоретичні та практичні знання викладачів. Комунікативність тренерів. Під час курсу ви можете задавати питання та отримати задовільні відповіді.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Практична частина, де ми реалізували алгоритми. Це дозволило краще зрозуміти тему.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
вправи та приклади, що їх реалізують на них
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Обговорювалися приклади та питання.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Значущі знання, відданість, пристрасний спосіб передачі знань. Практичні приклади після теоретичної лекції.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Практичні вправи, підготовлені паном Мацеєм
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Translated by
Я отримав користь від пристрасті навчати і зосередитись на тому, щоб робити речі розумними.
Zaher Sharifi - GOSI
Course: Advanced Deep Learning
Translated by
Code | Name | Duration | Overview |
---|---|---|---|
aiint | Artificial Intelligence Overview | 7 hours | Цей курс був створений для керівників, рішень архітекторів, інноваційних працівників, технічних працівників, програмних архітекторів та всіх, хто цікавиться оглядом прикладного штучного інтелекту та найближчим прогнозом його розвитку. |
mlios | Machine Learning on iOS | 14 hours | У цій навчальній інструкції учасники навчаться навчатися, як використовувати стек технології iOS Machine Learning (ML), оскільки вони виконують роль створення та розгортання мобільного додатка iOS. До кінця цього тренінгу учасники зможуть: - Створіть мобільний додаток, здатний обробляти зображення, аналіз тексту та розпізнавання мовлення - Отримайте доступ до попередньо підготовлених ML-моделей для інтеграції в додатки iOS - Створіть власну модель ML - Додайте підтримку Siri Voice для додатків iOS - Розуміння та використання рамок, таких як coreML, Vision, CoreGraphics та GamePlayKit - Використовуйте мови та інструменти, такі як Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda, Spyder. Аудиторія - Розробники Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
textsum | Text Summarization with Python | 14 hours | У програмі Python Machine Learning функція підсумовування тексту здатна читати вхідний текст і створювати текстові зведення. Ця можливість доступна з командного рядка або як API / бібліотека Python. Одним із захоплюючих прикладів є швидке створення виконавчого резюме; це особливо корисно для організацій, які потребують перегляду великих об'єктів текстових даних, перш ніж створювати звіти та презентації. У цій навчальному посібнику, учасники навчаться використовувати Python для створення простої програми, яка автоматично генерує резюме введення тексту. До кінця цього тренінгу учасники зможуть: - Використовуйте інструмент командного рядка, який узагальнює текст. - Створіть та створіть код підсумовування тексту за допомогою бібліотек Python. - Оцініть три бібліотеки підсумовування Python: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17 Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
undnn | Understanding Deep Neural Networks | 35 hours | Цей курс починається з надання вам концептуальних знань в нейронних мережах і, як правило, в алгоритмі машинного навчання, глибоке навчання (алгоритми та програми). Частина 1 (40%) цього тренінгу більше зосереджується на фундаментальних принципах, але допоможе вам вибрати правильну технологію: TensorFlow, Caffe, Theano, DeepDrive, Keras та ін. Частина 2 (20%) цього тренінгу представляє Theano - бібліотеку Python, яка робить глибокі дослідження глибинних моделей навчання. Частина третя (40%) навчання буде широко заснована на Tensorflow - 2-го покоління API від Google open source програмного забезпечення бібліотеки для глибокого навчання. Приклади та ручний інструмент будуть створені в TensorFlow. Аудиторія Цей курс призначений для інженерів, які прагнуть використовувати TensorFlow для своїх проектів глибокого навчання Після закінчення курсу делегати: - добре знайомитися з глибокими нейронними мережами (DNN), CNN і RNN - зрозуміти структуру та механізми розгортання TensorFlow - бути в змозі виконувати установки / виробничого середовища / архітектури завдання та конфігурацію - бути в змозі оцінити якість коду, виконувати налагодження, моніторинг - бути в змозі впроваджувати передові технології виробництва, такі як тренувальні моделі, графічні роботи та ведення журналів Не всі теми будуть висвітлюватися в загальноосвітній аудиторії з тривалістю 35 годин у зв'язку з обширністю теми. Тривалість курсу буде близько 70 годин, а не 35 годин. |
opennlp | OpenNLP for Text Based Machine Learning | 14 hours | Бібліотека Apache OpenNLP - це інструментарій для машинного навчання, призначений для обробки тексту природної мови. Він підтримує найпоширеніші завдання NLP, такі як виявлення мови, токенізація, сегментація пропозицій, мітки теги "частина слова", вилучення названого об'єкта, роздільна здатність, роздільна здатність та кореляція. У цій інструкції під керівництвом живих тренінгів учасники навчаться створювати моделі для обробки текстових даних за допомогою OpenNLP. Приклади навчальних даних, а також настроєні набори даних будуть використовуватися як основа для лабораторних вправ. До кінця цього тренінгу учасники зможуть: - Встановити та налаштувати OpenNLP - Завантажте існуючі моделі, а також створюйте їх самостійно - Навчіть моделі на різних наборах зразкових даних - Інтеграція OpenNLP з існуючими Java-програмами Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
mlbankingpython_ | Machine Learning for Banking (with Python) | 21 hours | Машинознавство - це галузь штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного запрограмування. Python - це мова програмування, відомий своїм зрозумілим синтаксисом та читаемостью. Він пропонує відмінну колекцію добре перевірених бібліотек та технологій для розробки додатків для машинного навчання. У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися методам і засобам машинного навчання для вирішення реальних проблем у банківській галузі. Учасники спочатку вивчають основні принципи, а потім впроваджують свої знання на практиці, створюючи власні моделі машинного навчання та використовуючи їх для виконання ряду командних проектів. Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
mlbankingr | Machine Learning for Banking (with R) | 28 hours | У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися методам і засобам машинного навчання для вирішення реальних проблем у банківській галузі. R буде використовуватися як мова програмування. Учасники спочатку вивчають основні принципи, потім застосовують свої знання на практиці шляхом створення власних моделей машинного навчання та їх використання для виконання ряду живих проектів. Аудиторія - Розробники - Дані вчених - Банківські фахівці з технічною освітою Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
matlabdl | Matlab for Deep Learning | 14 hours | У цій інструкції під керівництвом живих тренінгів учасники навчаться використовувати Matlab для проектування, побудови та візуалізації нейронної мережі зі зварювання для розпізнавання зображень. До кінця цього тренінгу учасники зможуть: - Створіть глибоку модель навчання - Автоматизація маркування даних - Робота з моделями від Caffe та TensorFlow-Keras - Потягніть дані, використовуючи кілька графічних процесорів, хмар або кластерів Аудиторія - Розробники - Інженери - Експерти домену Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
tensorflowserving | TensorFlow Serving | 7 hours | TensorFlow Serving - це система для обслуговування моделей машинного навчання (ML) для виробництва. У цій навчальній інструкції, учасники навчаться, як налаштовувати та використовувати TensorFlow Serving, щоб розгорнути та керувати моделями ML у виробничому середовищі. До кінця цього тренінгу учасники зможуть: - Поїзд, експорт та обслуговування різних моделей TensorFlow - Тестувати та розгортати алгоритми з використанням єдиної архітектури та набору API - Розширюйте подання TensorFlow, щоб обслуговувати інші типи моделей поза моделями TensorFlow Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
pythontextml | Python: Machine Learning with Text | 21 hours | У цій навчальному посібнику учасники навчаться навчатися, як правильно використовувати машинне навчання та технології NLP (Natural Language Processing), щоб отримати значення від текстових даних. До кінця цього тренінгу учасники зможуть: - Вирішуйте проблеми текстових даних з високоякісним, багаторазовим кодом - Застосовуйте різні аспекти scikit-learn (класифікація, кластеризація, регресія, зменшення розмірності) для вирішення проблем - Створіть ефективні моделі машинного навчання, використовуючи текстові дані - Створіть набір даних і витягуйте функції з неструктурованого тексту - Візуалізувати дані з Matplotlib - Побудуйте та оцініть моделі, щоб отримати розуміння - Усунення помилок кодування тексту Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
mlfinancepython | Machine Learning for Finance (with Python) | 21 hours | Машинознавство є галуззю штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного програмування. Python - це мова програмування, відомий своїм зрозумілим синтаксисом та читаемостью. Він пропонує відмінну колекцію добре перевірених бібліотек та технологій для розробки додатків для машинного навчання. У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися методам і засобам машинного навчання для вирішення реальних проблем в галузі фінансів. Учасники спочатку вивчають основні принципи, а потім впроваджують свої знання на практиці, створюючи власні моделі машинного навчання та використовуючи їх для виконання ряду командних проектів. До кінця цього тренінгу учасники зможуть: - Зрозумійте основні концепції машинного навчання - Дізнайтеся про програми та використання машинного навчання у фінансах - Розробити власну алгоритмічну стратегію торгівлі за допомогою машинного навчання за допомогою Python Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
encogintro | Encog: Introduction to Machine Learning | 14 hours | Encog - це платформа навчання для роботи з відкритим кодом для Java та .Net. У цьому навчанні під керівництвом тренера, учасники навчаться створювати різні компоненти нейронної мережі, використовуючи ENCOG. Будуть обговорюватися реальні ситуаційні дослідження, і будуть розглянуті на цих мовах рішення на основі машинного мовлення. До кінця цього тренінгу учасники зможуть: - Підготуйте дані для нейронних мереж із використанням процесу нормалізації - Впроваджувати методологію тренінгових мереж передачі та розповсюдження - Виконувати класифікаційні та регресійні завдання - Модель і поїзд нейронні мережі з використанням Encog на графічному інтерфейсі на базі верстатів - Інтеграція підтримки нейронної мережі в реальних додатках Аудиторія - Розробники - Аналітики - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
encogadv | Encog: Advanced Machine Learning | 14 hours | Encog - це платформа навчання для роботи з відкритим кодом для Java та .Net. У цій інструкції під керівництвом живих тренінгів учасники вивчатимуть передові технології машинного навчання для побудови чітких прогнозних моделей нейронної мережі. До кінця цього тренінгу учасники зможуть: - Впроваджуйте різні методи оптимізації нейронних мереж для вирішення проблем, пов'язаних із встановленням та переобладнанням - Зрозумійте та оберіть з низки архітектур нейронної мережі - Впроваджувати контрольовані канали прямого та зворотного зв'язку Аудиторія - Розробники - Аналітики - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
radvml | Advanced Machine Learning with R | 21 hours | У цій інструкції під керівництвом живих тренінгів учасники вивчатимуть передові технології машинного навчання з R, оскільки вони крокують до створення реального застосування. До кінця цього тренінгу учасники зможуть: - Використовуйте методи, такі як настроювання гіперпараметрів та глибоке вивчення - Зрозуміти та застосувати безконтрольні методи навчання - Покладіть модель у виробництво для використання у великому додатку Аудиторія - Розробники - Аналітики - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
pythonadvml | Python for Advanced Machine Learning | 21 hours | У цій інструкції під керівництвом живих тренінгів учасники вивчать найбільш відповідні та найсучасніші технології машинного навчання в Python, будуючи серію демонстраційних програм, що включають зображення, музику, текст та фінансові дані. До кінця цього тренінгу учасники зможуть: - Впровадження алгоритмів машинного навчання та методів вирішення складних задач - Застосовуйте глибоке навчання та напірний нагляд навчання до програм, що включають зображення, музику, текст та фінансові дані - Натискайте алгоритми Python на максимальний потенціал - Використовуйте бібліотеки та пакунки, такі як NumPy та Theano Аудиторія - Розробники - Аналітики - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
openface | OpenFace: Creating Facial Recognition Systems | 14 hours | OpenFace - це програмне забезпечення для розпізнавання обличчя з відкритим вихідним кодом на базі Python і Torch на базі дослідження Google FaceNet. У цій інструкції під керівництвом тренера, учасники навчаться використовувати компоненти OpenFace для створення та розгортання прикладів розпізнавання обличчя. До кінця цього тренінгу учасники зможуть: - Працюйте з компонентами OpenFace, включаючи dlib, OpenVC, Torch та nn4 для реалізації виявлення, вирівнювання та перетворення обличчя. - Застосуйте OpenFace до реальних додатків, таких як стеження, перевірка особи, віртуальна реальність, ігри та ідентифікація повторюваних клієнтів тощо. Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 hours | Вбудовування проектора - це веб-додаток з відкритим кодом для візуалізації даних, які використовуються для навчання машинних систем навчання. Створений Google, він є частиною TensorFlow. Під керівництвом інструктора, живого тренінгу вводяться концепції, що стосуються вбудованого проектора, та йде учасникам шляхом встановлення демонстраційного проекту. До кінця цього тренінгу учасники зможуть: - Дослідіть, як дані інтерпретуються моделями машинного навчання - Перейдіть за допомогою 3D та 2D переглядів даних, щоб зрозуміти, як алгоритм машинного навчання інтерпретує це - Зрозумійте концепції вкладання та їх роль у представленні математичних векторів для зображень, слів та цифр. - Вивчіть властивості певного вкладеного поля, щоб зрозуміти поведінку моделі - Застосовуйте вставлення проекту до реальних випадків використання, таких як створення системи рекомендацій для пісень для любителів музики Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 hours | Tensor2Tensor (T2T) - це модульна, розширювана бібліотека для навчання моделей AI в різних завданнях, використовуючи різні типи навчальних даних, наприклад: розпізнавання образів, переклад, аналіз, підписування зображення та розпізнавання мовлення. Це підтримується командою Google Brain. У цьому навчанні під керівництвом інструктора, учасники навчаться, як підготувати глибоку навчальну модель для вирішення багатьох завдань. До кінця цього тренінгу учасники зможуть: - Встановіть tensor2tensor, виберіть набір даних, навчіть та оцініть модель AI - Налаштуйте середовище розробки, використовуючи інструменти та компоненти, включені в Tensor2Tensor - Створіть та використовуйте одну модель, щоб одночасно вивчати ряд завдань з кількох доменів - Використовуйте модель для вивчення завдань із великою кількістю навчальних даних і застосовуйте ці знання до завдань, де дані обмежені - Отримати задовільні результати обробки за допомогою одного GPU Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 hours | Глибоке навчання для NLP дозволяє машині вивчати просту та складну обробку мови. Серед можливих зараз завдань - переклад мовлення та генерація підписів для фотографій. DL (Deep Learning) є підмножиною ML (Machine Learning). Python - це популярна мова програмування, що містить бібліотеки для глибокого навчання для NLP. У цій навчальному посібнику учасники навчаться використовувати бібліотеки Python для NLP (Natural Language Processing), створюючи прикладну програму, яка обробляє набір фотографій та створює підписи. До кінця цього тренінгу учасники зможуть: - Дизайн та код DL для NLP за допомогою бібліотек Python - Створіть код Python, який зчитує значно велику колекцію фотографій і генерує ключові слова - Створіть код Python, який генерує підписи з виявлених ключових слів Аудиторія - Програмісти з інтересом до лінгвістики - Програмісти, які шукають розуміння NLP (природна обробка мови) Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
mlfinancer | Machine Learning for Finance (with R) | 28 hours | Машинознавство є галуззю штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного програмування. R - це популярна мова програмування в фінансовій галузі. Він використовується у фінансових цілях, починаючи від основних програм торгівлі до систем управління ризиками. У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися методам і засобам машинного навчання для вирішення реальних проблем в галузі фінансів. R буде використовуватися як мова програмування. Учасники спочатку вивчають основні принципи, а потім впроваджують свої знання на практиці, створюючи власні моделі машинного навчання та використовуючи їх для виконання ряду командних проектів. До кінця цього тренінгу учасники зможуть: - Зрозумійте основні концепції машинного навчання - Дізнайтеся про програми та використання машинного навчання у фінансах - Розробити власну алгоритмічну стратегію торгівлі з використанням машинного навчання з R Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
snorkel | Snorkel: Rapidly Process Training Data | 7 hours | Snorkel - це система для швидкого створення, моделювання та управління навчальними даними. Вона фокусується на прискоренні розробки структурованих або "темних" додатків для вилучення даних для доменів, у яких великі позначені набори навчальних програм недоступні або їх легко отримати. У цій навчальній інструкції учасники вивчатимуть методи отримання значень з неструктурованих даних, таких як текст, таблиці, малюнки та зображення, шляхом моделювання тренувальних даних з Snorkel. До кінця цього тренінгу учасники зможуть: - Програмувати навчальні комплекти, щоб забезпечити маркування масових тренувальних наборів - Поїзд високоякісних кінцевих моделей спочатку моделювання шумних тренувальних наборів - Використовуйте Snorkel для реалізації слабких методів нагляду та застосування програм обробки даних слабко контрольованим системам машинного навчання Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
ML_LBG | Machine Learning – Data science | 21 hours | Ця навчальна сесія, присвячена класі, буде вивчати інструменти навчання для машин із (запропонованим) Python. Делегати матимуть комп'ютерні приклади та навчальні практичні заняття. |
appai | Applied AI from Scratch | 28 hours | 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. |
dlfortelecomwithpython | Deep Learning for Telecom (with Python) | 28 hours | Машинознавство є галуззю штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного програмування. Глибоке навчання - це підполе машинного навчання, яке використовує методи, засновані на представлення даних навчання та структури, такі як нейронні мережі. Python - це мова програмування високого рівня, відомий своїм зрозумілим синтаксисом та читаемості коду. У цій навчальному курсі, учасники навчаться навчатися, як впровадити глибокі моделі навчання для телекомунікацій за допомогою Python, оскільки вони проходять через створення глибокої моделі кредитного ризику навчання. До кінця цього тренінгу учасники зможуть: - Зрозуміти основні поняття глибокого навчання - Дізнайтеся про програми та способи глибокого навчання в телекомунікаціях - Використовуйте Python, Keras і TensorFlow для створення глибоких моделей навчання для телекомунікацій - Створіть власну глибоку програму прогнозування споживачів, використовуючи Python Аудиторія - Розробники - Дані вчених Формат курсу - Частина лекції, частина дискусії, вправи та важка практика |
rapidminer | RapidMiner for Machine Learning and Predictive Analytics | 14 hours | RapidMiner - це платформа програмного забезпечення з відкритим вихідним кодом для швидкого створення і створення прототипів. Вона включає в себе інтегроване середовище для підготовки даних, машинного навчання, глибокого вивчення, виведення тексту та прогнозної аналітики. У цій навчальній інструкції, учасники навчаться навчатися, як використовувати RapidMiner Studio для підготовки даних, машинного навчання та розгортання інтелектуальної моделі. До кінця цього тренінгу учасники зможуть: - Встановити та налаштувати RapidMiner - Підготовка та візуалізація даних за допомогою RapidMiner - Перевірте моделі машинного навчання - Дані Mashup та створення прогнозних моделей - Виконувати прогнозну аналітику в рамках бізнес-процесу - Усунення несправностей та оптимізація RapidMiner Аудиторія - Дані вчених - Інженери - Розробники Формат курсу - Частина лекції, частина дискусії, вправи та важка практика Примітка - Щоб просити індивідуальне навчання для цього курсу, зв'яжіться з нами, щоб організувати. |
aicityplanning | Artificial Intelligence for City Planning | 14 hours | Що буде виглядати у майбутньому? Як можна використовувати штучний інтелект (ІІ) для поліпшення планування міста? Як можна використовувати AI, щоб робити міста більш ефективними, живими, безпечними та екологічними? У цьому навчанні під керівництвом інструктора, живе навчання (на місці або віддаленому), ми розглядаємо різні технології, що складають AI, а також набори навичок та психічні основи, необхідні для їх використання для містобудування. Ми також розглядаємо інструменти та підходи для збору та організації відповідних даних для використання в інтелектуальній власності, включаючи вишукування даних. Аудиторія - Містобудівники - Архітектори - Розробники - Перевезення посадових осіб Формат курсу - Частина лекції, частина обговорення та серія інтерактивних вправ. Примітка Щоб просити індивідуальне навчання для цього курсу, зв'яжіться з нами, щоб організувати. |
dlformedicine | Deep Learning for Medicine | 14 hours | Машинознавство - це галузь штучного інтелекту, в якому комп'ютери мають можливість вивчати без явного запрограмування. Глибоке Навчання - це підполе машинного навчання, яке намагається імітувати роботу людського мозку при прийнятті рішень. Він навчається з даними, щоб автоматично пропонувати рішення проблем. Глибоке Навчання надає величезні можливості для медичної галузі, що сидить на даних золотарі. У цьому інструкторі під керівництвом, живе навчання, учасники будуть взяти участь у серії дискусій, вправ та аналізу конкретних ситуацій, щоб зрозуміти фундаментальні аспекти глибокого навчання. Будуть оцінені найважливіші інструменти та методи глибокого навчання, а також будуть проведені e- курси для підготовки учасників для проведення власної оцінки та впровадження рішень глибоких навчань у своїх організаціях . До кінця цього тренінгу учасники зможуть: - Зрозумійте основи глибокого навчання - Вивчіть методи глибокого навчання та їх застосування в галузі - Вивчіть проблеми в медицині, які можна вирішити за допомогою технологій глибокого навчання - Дослідіть приклади вивчення глибокого навчання в медицині - Сформулюйте стратегію застосування найновітніших технологій у глибокому навчанні для вирішення проблем в медицині Аудиторія - Менеджери - Медичні професіонали в керівних ролях Формат курсу - Частина лекції, частина дискусії, вправи та важка практика Примітка - Щоб просити індивідуальне навчання для цього курсу, зв'яжіться з нами, щоб організувати. |
algebraforml | Algebra for Machine Learning | 14 hours | Лінійна алгебра - гілка математики, яка займається векторами, матрицями та лінійними перетвореннями. Знання лінійної алгебри допомагає інженерам і розробникам вдосконалювати свої можливості машинного навчання. Розуміння концепцій лінійної алгебри дозволяє їм краще зрозуміти принципи, що лежать в основі методів машинного навчання, і тим самим вирішити проблеми швидше. У цій інструкції під керівництвом живих тренінгів учасники вивчатимуть основи лінійної алгебри, коли вони намагаються вирішити проблему машинного навчання за допомогою методів лінійної алгебри. До кінця цього тренінгу учасники зможуть: - Зрозуміти фундаментальні поняття лінійної алгебри - Вивчіть навички лінійної алгебри, необхідні для машинного навчання - Використовуйте конструкції та поняття лінійної алгебри при роботі з даними, зображеннями, алгоритмами тощо. - Вирішити проблему машинного навчання за допомогою лінійної алгебри Аудиторія - Розробники - Інженери Формат курсу - Частина лекції, частина дискусії, вправи та важка практика Примітка - Щоб просити індивідуальне навчання для цього курсу, зв'яжіться з нами, щоб організувати. |
Nue_LBG | Neural computing – Data science | 14 hours | Цей тренінговий семінар, який буде проводитись у класі, міститиме презентації та наведені на комп'ютері приклади та навчальні практичні заняття з відповідними нейронними та глибокими мережевими бібліотеками |
mllbg | Machine Learning in business – AI/Robotics | 14 hours | Ця навчальна сесія, присвячена класі, буде вивчати методи машинного навчання, на прикладі комп'ютерних прикладів та вправи для вирішення конкретних прикладів, використовуючи відповідну програму мови |
Course | Course Date | Course Price [Remote / Classroom] |
---|---|---|
DeepLearning4J for Image Recognition - Kiev, Holosiyvskiy Park | Mon, 2019-04-08 09:30 | 5250EUR / 6050EUR |
Deep Learning for Telecom (with Python) - Kiev, Holosiyvskiy Park | Tue, 2019-04-16 09:30 | 6000EUR / 7000EUR |
DeepLearning4J for Image Recognition - Kiev, Holosiyvskiy Park | Wed, 2019-05-29 09:30 | 5250EUR / 6050EUR |
Deep Learning for Telecom (with Python) - Kiev, Holosiyvskiy Park | Mon, 2019-06-10 09:30 | 6000EUR / 7000EUR |
DeepLearning4J for Image Recognition - Kiev, Holosiyvskiy Park | Mon, 2019-07-22 09:30 | 5250EUR / 6050EUR |
Course | Venue | Course Date | Course Price [Remote / Classroom] |
---|---|---|---|
Business Process Modeling using BPMN and UML | Kiev, Holosiyvskiy Park | Tue, 2019-04-02 09:30 | 3150EUR / 3750EUR |
Elasticsearch Advanced Administration, Monitoring and Maintenance | Kiev, Holosiyvskiy Park | Tue, 2019-04-02 09:30 | 3150EUR / 3750EUR |
Introduction to Embedded Computers | Kiev, Holosiyvskiy Park | Wed, 2019-06-05 09:30 | 3150EUR / 3750EUR |
Advanced Go Programming | Kiev, Holosiyvskiy Park | Mon, 2019-06-10 09:30 | 4725EUR / 5525EUR |
Introduction to R for Finance | Kiev, Holosiyvskiy Park | Mon, 2019-06-17 09:30 | 5250EUR / 6050EUR |
We are looking to expand our presence in Ukraine!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!