Deep Learning Kurs i Sverige

Denna kurs i ledande undervisning (online eller på plats) vänder sig till utvecklare, datavetare och AI-praktiker på mellanavancerad nivå som vill utnyttja TensorFlow Lite för Edge AI-applikationer.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i TensorFlow Lite och dess roll inom Edge AI.
• Utveckla och optimera AI-modeller med TensorFlow Lite.
• Distribuera TensorFlow Lite-modeller på olika kantenheter.
• Använda verktyg och tekniker för modellkonvertering och optimering.
• Implementera praktiska Edge AI-applikationer med TensorFlow Lite.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till avancerade professionella som önskar fördjupa sin förståelse av datorseende och utforska TesnorsFlows möjligheter att utveckla sofistikerade visningsmodeller med hjälp av Google Colab.

Vid slutet av den här utbildningen kommer deltagarna att kunna:

• Bygga och träna konvolutionella neuronnät (CNNs) med TensorFlow.
• Utnyttja Google Colab för skalarbar och effektiv molnbaserad modellutveckling.
• Implementera bildförbearbetningsmetoder för datorseendeuppgifter.
• Distribuera datorseendemodeller för praktiska tillämpningar.
• Använda transfer learning för att förbättra prestandan på CNN-modeller.
• Visualisera och tolka resultaten av bildklassificeringsmodeller.

Denna instruktörsledda, live-träning (online eller på plats) riktar sig till datavetenskapsmän och utvecklare på mellan nivå som vill förstå och tillämpa djupinlärningstekniker med hjälp av Google Colab-miljön.

Vid kursens slut kommer deltagarna att kunna:

• Installera och navigera i Google Colab för djupinlärningsprojekt.
• Förstå grunderna i neurala nätverk.
• Implementera djupinlärningsmodeller med TensorFlow.
• Träna och utvärdera djupinlärningsmodeller.
• Använda avancerade funktioner i TensorFlow för djupinlärning.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till proffs på avancerad nivå som vill specialisera sig på banbrytande djupinlärningstekniker för NLU.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de viktigaste skillnaderna mellan NLU- och NLP-modeller.
• Tillämpa avancerade djupinlärningstekniker på NLU-uppgifter.
• Utforska djupa arkitekturer som transformatorer och uppmärksamhetsmekanismer.
• Utnyttja framtida trender i NLU för att bygga sofistikerade AI-system.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till yrkesverksamma på avancerad nivå som vill utforska toppmoderna XAI-tekniker för djupinlärningsmodeller, med fokus på att bygga tolkningsbara AI-system.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå utmaningarna med förklarbarhet inom djupinlärning.
• Implementera avancerade XAI-tekniker för neurala nätverk.
• Tolka beslut som fattas av djupinlärningsmodeller.
• Utvärdera kompromisserna mellan prestanda och transparens.

Denna instruktörledda, live-utbildning i Sverige (online eller på plats) riktar sig till data scientists, maskininlärningsingenjörer, djupinlärningsforskare och experter inom dataseende på medel- till avancerad nivå som vill utöka sin kunskap och sina färdigheter inom djupinlärning för text-till-bild-generering.

När den här utbildningen är avklarad kan deltagarna:

• Förstå avancerade arkitekturer och tekniker inom djupinlärning för text-till-bild-generering.
• Implementera komplexa modeller och optimeringar för syntes av högkvalitativa bilder.
• Optimera prestanda och skalbarhet för stora dataset och komplexa modeller.
• Ställa in hyperparametrar för bättre modellprestanda och generalisering.
• Integrera Stable Diffusion med andra djupinlärningsramverk och verktyg

Denna ledarde, liveutbildning på Sverige (online eller på plats) riktar sig till avancerade yrkesverksamma som vill utnyttja AI-tekniker för att revolutionera processerna för läkemedelsupptäckt och utveckling.

Vid kursens slut kommer deltagarna att kunna:

• Förstå rollen för AI i läkemedelsupptäckt och utveckling.
• Tillämpa maskininlärningstekniker för att förutsäga molekylära egenskaper och interaktioner.
• Använda djupinlärningsmodeller för virtuell screening och ledoptimering.
• Integrera AI-drivna tillvägagångssätt i kliniska försöksprocessen.

Denna instruktörsledda, levande utbildning i Sverige (online eller på plats) riktar sig till biologer som vill förstå hur AlphaFold fungerar och använda AlphaFolds modeller som underlag i deras experimentella studier.

När du har genomfört utbildningen kommer du att kunna:

• Förstå de grundläggande principerna bakom AlphaFold.
• Lära dig hur AlphaFold fungerar.
• Lära dig att tolka AlphaFolds prediktioner och resultat.

Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till utvecklare på nybörjarnivå till mellannivå som vill använda stora språkmodeller för olika naturliga språkuppgifter.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera en utvecklingsmiljö som innehåller en populär LLM.
• Skapa en grundläggande LLM och finjustera den på en anpassad datauppsättning.
• Använd LLM:er för olika uppgifter på naturligt språk som textsammanfattning, frågesvar, textgenerering och mer.
• Felsök och utvärdera LLM:er med hjälp av verktyg som TensorBoard, PyTorch Lightning och Hugging Face Datasets.

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till dataforskare, maskininlärningsingenjörer och forskare inom datorsyn som vill använda Stable Diffusion för att skapa högkvalitativa bilder för en mängd olika användningsfall.

Vid slutet av utbildningen kommer deltagarna att kunna:

• Förstå principerna för Stable Diffusion och hur den fungerar för bildgenerering.
• Bygga och träna Stable Diffusion-modeller för bildgenereringsuppgifter.
• Tillämpa Stable Diffusion på olika bildgenereringsscenarier, såsom inpainting, outpainting och bild-till-bild-översättning.
• Optimera prestanda och stabilitet hos Stable Diffusion-modeller.

I denna instruktörsvetade, liveutbildning i Sverige, lär sig deltagarna de mest aktuella och framgångsrika maskininlärningsmetoderna i Python genom att bygga en serie demonstrationsapplikationer som innehåller bilder, musik, text och finansiell data.

När denna utbildning är avslutad kommer deltagarna kunna:

• Implementera maskininlärningsalgoritmer och tekniker för att lösa komplexa problem.
• Tillämpa djupinlärning och halvövervakad inlärning på applikationer som involverar bilder, musik, text och finansiell data.
• Utveckla Pythonalgoritmer till det maximala potentiella.
• Använd bibliotek och paket som NumPy och Theano.

Denna instruktörsledda, live-träning i Sverige (online eller på plats) ger en introduktion till området mönsterigenkänning och maskininlärning. Den berör praktiska tillämpningar inom statistik, datavetenskap, signalbehandling, datorseende, datagruvning och bioinformatik.

Vid slutet av den här utbildningen kommer deltagarna att kunna:

• Använda grundläggande statistiska metoder för mönsterigenkänning.
• Använda nyckelmodeller som neurala nätverk och kärnmetoder för dataanalys.
• Implementera avancerade tekniker för komplicerat problemlösning.
• Förbättra prediktionsnoggrannhet genom att kombinera olika modeller.

Denna handledna, levande utbildning i Sverige (online eller på plats) riktar sig till mjukvaruutvecklare, dataanalytiker och tekniska yrkesverksamma som vill använda TensorFlow 2.x och Keras för att bygga, träna och implementera djupinlärningsmodeller för datorseende, natural language processing och multimodala applikationer.

Denna instruktörledda, liveutbildning i Sverige (online eller på plats) är riktad till dataanalytiker som vill använda TensorFlow för att analysera potentiella bedrägeridata.

När utbildningen är avslutad kommer deltagarna kunna:

• Skapa en bedrägeridetekteringsmodell i Python och TensorFlow.
• Bygga linjära regressions- och linjära regressionsmodeller för att förutsäga bedrägerier.
• Utveckla ett slut-i-slut AI-program för att analysera bedrägeridata.

I denna handledare-ledda, direkta utbildning kommer deltagarna att lära sig hur man använder Matlab för att designa, bygga och visualisera ett konvolutionsnätnätverk (CNN) för bildigenkänning.

I slutet av denna utbildning kommer deltagarna att kunna:

• Bygga ett djupinlärningsmodell
• Automatisera datamärkning
• Arbeta med modeller från Caffe och TensorFlow-Keras
• Träna data med flera GPU:er, molnet eller kluster

Publik

• Utvecklare
• Ingenjörer
• Domänexperter

Kursform

• Delvis föreläsning, delvis diskussion, övningar och omfattande praktiska moment

Den här instruktörsledda, direkta utbildningen i Sverige (online eller på plats) riktar sig till utvecklare och datavetare som vill använda TensorFlow 2.x för att bygga prediktorer, klassificerare, generativa modeller, neurala nätverk m.m.

Vid utbildningens slut kommer deltagarna att kunna:

• Installera och konfigurera TensorFlow 2.x.
• Uppskatta fördelarna med TensorFlow 2.x jämfört med tidigare versioner.
• Bygga deep learning-modeller.
• Implementera en avancerad bildklassificerare.
• Distribuera en deep learning-modell till molnet, mobila enheter och IoT-enheter.