Introduction to the Use of Neural Networks Träningskurs
Utbildningen riktar sig till personer som vill lära sig grunderna i neurala nätverk och deras tillämpningar.
Kursplan
Det grundläggande
- Om datorer kan tänka sig?
- Imperativ och deklarativ metod för att lösa problem
- Syfte Bedan på artificiell intelligens
- Definitionen av artificiell intelligens. Turing test. Andra bestämningsfaktorer
- Utvecklingen av konceptet intelligenta system
- De viktigaste prestationerna och utvecklingsriktningarna
Neural Networks
- Det grundläggande
- Begreppet neuroner och neurala nätverk
- En förenklad modell av hjärnan
- Möjligheter neuron
- XOR-problem och arten av fördelningen av värden
- Sigmoidalens polymorfa natur
- Övriga funktioner aktiverade
- Konstruktion av neurala nätverk
- Begreppet neuroner ansluta
- Neuralt nätverk som noder
- Bygga ett nätverk
- Neuroner
- Skikten
- Vågar
- In- och utdata
- Område 0 till 1
- Normalisering
- Lärande Neural Networks
- Förökning bakåt
- Steg spridning
- Nätverksträningsalgoritmer
- användningsområde
- Uppskattning
- Problem med möjlighet till approximation av
- Exempel
- XOR problem
- Lotto?
- Aktier
- OCR och bildmönsterigenkänning
- Andra applikationer
- Implementering av ett neuralt nätverksmodelleringsjobb som förutsäger börskurser
Problem för idag
- Kombinatorisk explosion och spelproblem
- Turingtest igen
- Överförtroende för datorernas kapacitet
Open Training Courses require 5+ participants.
Introduction to the Use of Neural Networks Träningskurs - Booking
Introduction to the Use of Neural Networks Träningskurs - Enquiry
Introduction to the Use of Neural Networks - Consultancy Enquiry
Vittnesmål (3)
It felt like we were going through directly relevant information at a good pace (i.e. no filler material)
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Introduction to the use of neural networks
The interactive part, tailored to our specific needs.
Thomas Stocker
Kurs - Introduction to the use of neural networks
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.
Gudrun Bickelq
Kurs - Introduction to the use of neural networks
Upcoming Courses
Relaterade Kurser
Artificial Intelligence (AI) Overview
7 timmarDen här kursen har skapats för chefer, lösningsarkitekter, innovationsansvariga, CTO:er, mjukvaruarkitekter och alla som är intresserade av en översikt över tillämpad artificiell intelligens och närmaste prognos för dess utveckling.
Neural Network in R
14 timmarDenna kurs är en introduktion till tillämpning av neurala nätverk i verkliga problem med R-projektprogram.
Applied Machine Learning
14 timmarDenna utbildning är för människor som vill använda Machine Learning i praktiska tillämpningar.
Publik
Denna kurs är för datavetare och statistiker som känner till statistik och vet hur man programmerar R (eller Python eller annat valt språk). Tyngdpunkten i denna kurs ligger på de praktiska aspekterna av data / modellberedning, exekvering, post hoc-analys och visualisering.
Syftet är att ge praktiska applikationer för Machine Learning till deltagare som är intresserade av att tillämpa metoderna på jobbet.
Sektorspecifika exempel används för att göra utbildningen relevant för publiken.
Artificial Neural Networks, Machine Learning, Deep Thinking
21 timmarArtificiellt neuralt nätverk är en beräkningsdatamodell som används vid utvecklingen av Artificial Intelligence (AI) system som kan utföra "intelligenta" uppgifter. Neural Networks används ofta i Machine Learning (ML) applikationer, som i sig är en implementering av AI. Deep Learning är en delmängd av ML.
Artificial Neural Networks, Machine Learning and Deep Thinking
21 timmarArtificial Neural Network är en beräkningsmodell som används vid utvecklingen av Artificial Intelligence (AI) -system som kan utföra "intelligenta" uppgifter. Neural Networks används ofta i Machine Learning (ML) -applikationer, som själva är en implementering av AI. Deep Learning är en delmängd av ML.
From Zero to AI
35 timmarDen här kursen är skapad för personer som inte har någon tidigare erfarenhet av sannolikhet och statistik.
Artificial Intelligence (AI) in Automotive
14 timmarDenna kurs täcker AI (emphasizing Machine Learning och Deep Learning) i Automotive Industri. Det hjälper till att bestämma vilken teknik som kan (potentiellt) användas i flera situationer i en bil: från enkel automatisering, bildupplysning till självständigt beslutsfattande.
Neural Networks Fundamentals using TensorFlow as Example
28 timmarDenna kurs kommer att ge dig kunskaper i neurala nätverk och generellt inom maskininlärningsalgoritm, djupinlärning (algoritmer och applikationer).
Denna utbildning är mer fokuserad på grunderna, men kommer att hjälpa dig att välja rätt teknik: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Exemplen är gjorda i TensorFlow.
Pattern Recognition
21 timmarDenna instruktörsledda, livekurs ger en introduktion till området mönsterigenkänning och maskininlärning. Den berör praktiska tillämpningar inom statistik, datavetenskap, signalbehandling, datorvision, data mining och bioinformatik.
Kursen är interaktiv och innehåller massor av praktiska övningar, instruktöråterkoppling och testning av förvärvade kunskaper och färdigheter.
Introduction Deep Learning & Réseaux de neurones pour l’ingénieur
21 timmarTyp: Teoretisk utbildning med ansökningar som bestäms i förväg med eleverna på lasagne eller Keras beroende på pedagogisk grupp
Undervisningsform: presentation, utbyten och fallstudier
Artificiell intelligens, efter att ha stört många vetenskapliga områden, har börjat revolutionera ett stort antal ekonomiska sektorer (industri, medicin, kommunikation, etc.). Icke desto mindre är dess presentation i mainstream-media ofta en fantasi, långt ifrån vad fälten Machine Learning eller Deep Learning verkligen är. Syftet med denna utbildning är att ge ingenjörer som redan behärskar datorverktyg (inklusive grundläggande programvaruprogrammering) en introduktion till Deep Learning samt till dess olika specialiseringsområden och därmed till de viktigaste nätverksarkitekturerna som finns idag. Om grunderna i matematik återkallas under kursens gång rekommenderas en nivå av matematik av typen BAC+2 för mer komfort. Det är absolut möjligt att hoppa över den matematiska axeln för att bara behålla en "system"-vision, men detta tillvägagångssätt kommer i hög grad att begränsa din förståelse av ämnet.
TPU Programming: Building Neural Network Applications on Tensor Processing Units
7 timmarI denna instruktörsledda, liveutbildning i Sverige kommer deltagarna att lära sig hur man drar fördel av innovationerna i TPU-processorer för att maximera prestandan för sina egna AI-applikationer.
I slutet av utbildningen kommer deltagarna att kunna:
- Träna olika typer av neurala nätverk på stora mängder data.
- Använd TPU:er för att påskynda slutledningsprocessen med upp till två storleksordningar.
- Använd TPU:er för att bearbeta intensiva applikationer som bildsökning, molnvision och foton.
PaddlePaddle
21 timmarMatlab for Deep Learning
14 timmarI denna instruktörsledda, liveträning kommer deltagarna att lära sig att använda Matlab för att designa, bygga och visualisera ett invändigt neuralt nätverk för bildigenkänning.
I slutet av denna träning kommer deltagarna att kunna:
- Bygg en djup inlärningsmodell
- Automatisera datamärkning
- Arbeta med modeller från Caffe och TensorFlow - Keras
- Träna data med hjälp av flera GPU er, molnet eller kluster
Publik
- utvecklare
- ingenjörer
- Domänexperter
Kursformat
- Delföreläsning, delvis diskussion, övningar och tung praktisk övning
Understanding Deep Neural Networks
35 timmarDenna kurs börjar med att ge dig konceptuell kunskap i neurala nätverk och generellt i maskininlärningsalgoritm, djupinlärning (algoritmer och applikationer).
Del-1 (40%) av denna utbildning är mer fokus på grundläggande, men hjälper dig att välja rätt teknik: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc.
Del-2 (20%) av denna utbildning introducerar Theano - ett pythonbibliotek som gör det enkelt att skriva djupa inlärningsmodeller.
Del-3 (40%) av utbildningen skulle i stor utsträckning baseras på Tensorflow - 2nd Generation API of Go ogles open source software bibliotek för Deep Learning . Exemplen och handson skulle alla göras i TensorFlow .
Publik
Kursen är avsedd för ingenjörer som vill använda TensorFlow för sina Deep Learning projekt
Efter avslutad kurs kommer delegaterna att:
ha god förståelse för djupa neurala nätverk (DNN), CNN och RNN
förstå TensorFlow struktur och distributionsmekanismer
kunna utföra installations / produktionsmiljö / arkitekturuppgifter och konfiguration
kunna bedöma kodkvalitet, utföra felsökning, övervakning
kunna implementera avancerad produktion som träningsmodeller, bygga grafer och logga
Deep Reinforcement Learning with Python
21 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare och datavetare som vill lära sig grunderna i Deep Reinforcement Learning när de går igenom skapandet av en Deep Learning Agent.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå nyckelbegreppen bakom Deep Reinforcement Learning och kunna skilja det från Machine Learning.
- Använd avancerade Reinforcement Learning algoritmer för att lösa verkliga problem.
- Bygg en Deep Learning Agent.