Explore Our Courses

Edge AI with TensorFlow Lite

 14 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare på mellannivå, datavetare och AI-utövare 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 i Edge AI.
  • Utveckla och optimera AI-modeller med hjälp av TensorFlow Lite.
  • Distribuera TensorFlow Lite-modeller på olika gränsenheter.
  • Använda verktyg och tekniker för modellkonvertering och optimering.
  • Implementera praktiska Edge AI-applikationer med TensorFlow Lite.
LÄS MER...

AI-Driven Drug Discovery and Development

 21 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till yrkesverksamma på avancerad nivå som vill utnyttja AI-tekniker för att revolutionera processer för upptäckt och utveckling av läkemedel.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå AI:s roll i läkemedelsupptäckt och utveckling.
  • Tillämpa maskininlärningstekniker för att förutsäga molekylära egenskaper och interaktioner.
  • Använd djupinlärningsmodeller för virtuell screening och leadoptimering.
  • Integrera AI-drivna metoder i den kliniska prövningsprocessen.
LÄS MER...

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

 21 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare på mellannivå till avancerad nivå, maskininlärningsingenjörer, forskare inom djupinlärning och experter på datorseende som vill utöka sina kunskaper och färdigheter inom djupinlärning för text-till-bild-generering.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå avancerade arkitekturer och tekniker för djupinlärning för text-till-bild-generering.
  • Implementera komplexa modeller och optimeringar för högkvalitativ bildsyntes.
  • Optimera prestanda och skalbarhet för stora datamängder och komplexa modeller.
  • Justera hyperparametrar för bättre modellprestanda och generalisering.
  • Integrera Stable Diffusion med andra ramverk och verktyg för djupinlärning
LÄS MER...

DeepSpeed for Deep Learning

 21 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till nybörjare till mellannivå datavetare och maskininlärningsingenjörer som vill förbättra prestandan för sina djupinlärningsmodeller.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå principerna för distribuerad djupinlärning.
  • Installera och konfigurera DeepSpeed.
  • Skala djupinlärningsmodeller på distribuerad maskinvara med hjälp av DeepSpeed.
  • Implementera och experimentera med DeepSpeed-funktioner för optimering och minneseffektivitet.
LÄS MER...

Introduction to Large Language Models (LLMs)

 14 timmar
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.
LÄS MER...

Introduction to Stable Diffusion for Text-to-Image Generation

 21 timmar
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare, maskininlärningsingenjörer och forskare inom datorseende som vill utnyttja Stable Diffusion för att generera bilder av hög kvalitet för en mängd olika användningsfall.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå principerna för Stable Diffusion och hur det fungerar för bildgenerering.
  • Skapa 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 för Stable Diffusion-modeller.
LÄS MER...

AlphaFold

 7 timmar
Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till biologer som vill förstå hur AlphaFold fungerar och använda AlphaFold-modeller som guider i sina experimentella studier.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå de grundläggande principerna för AlphaFold.
  • Lär dig hur AlphaFold fungerar.
  • Lär dig hur du tolkar AlphaFold förutsägelser och resultat.
LÄS MER...

Advanced Machine Learning with Python

 21 timmar
I denna instruktörsledda, liveträning i Sverige kommer deltagarna att lära sig de mest relevanta och banbrytande maskininlärningsteknikerna i Python när de bygger en serie demoapplikationer som involverar bild, musik, text och finansiella data.I slutet av denna utbildning kommer deltagarna att kunna:
  • Implementera maskininlärningsalgoritmer och tekniker för att lösa komplexa problem.
  • Tillämpa djupinlärning och halvövervakad inlärning på program som involverar bild, musik, text och finansiella data.
  • Pusha Python-algoritmerna till sin maximala potential.
  • Använd bibliotek och paket som NumPy och Theano.
LÄS MER...

Deep Reinforcement Learning with Python

 21 timmar
Denna 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.
LÄS MER...

Deep Learning for Telecom (with Python)

 28 timmar
I denna instruktörsledda, live-utbildning i Sverige kommer deltagarna att lära sig hur man implementerar djupinlärningsmodeller för telekom med hjälp av Python när de går igenom skapandet av en djupinlärningskreditriskmodell.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå de grundläggande begreppen inom djupinlärning.
  • Lär dig tillämpningarna och användningen av djupinlärning inom telekom.
  • Använd Python, Keras och TensorFlow för att skapa djupinlärningsmodeller för telekom.
  • Skapa en egen modell för förutsägelse av kundomsättning med djupinlärning med hjälp av Python.
LÄS MER...

Artificial Intelligence (AI) in Automotive

 14 timmar
Denna 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.
LÄS MER...

Artificial Neural Networks, Machine Learning and Deep Thinking

 21 timmar
Artificial 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.
LÄS MER...

Deep Learning for Vision with Caffe

 21 timmar
Caffe är en djup inlärningsram skapad med uttryck, snabbhet och modularitet i åtanke. Denna kurs undersöker tillämpningen av Caffe som ett djupet lärande ramverk för bildigenkänning med hjälp av MNIST som ett exempel Publik Denna kurs är lämplig för Deep Learning forskare och ingenjörer som är intresserade av att använda Caffe som ramverk. Efter avslutad kurs kommer deltagarna att kunna:
  • förstå Caffe struktur och implementeringsmekanismer
  • utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration
  • utvärdera kodkvalitet, utföra felsökning, övervakning
  • implementera avancerad produktion som träningsmodeller, implementera lager och loggning
LÄS MER...

Introduction to Deep Learning

 21 timmar
Den här kursen är en allmän översikt för Deep Learning utan att gå för djupt in på några specifika metoder. Det är lämpligt för personer som vill börja använda djupinlärning för att förbättra sin förutsägelsenoggrannhet.
LÄS MER...

DeepMind Lab

 14 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till forskare och utvecklare som vill installera, konfigurera, anpassa och använda DeepMind Lab-plattformen för att utveckla allmän artificiell intelligens och maskininlärningssystem.I slutet av denna utbildning kommer deltagarna att kunna:
  • Anpassa DeepMind Lab för att skapa och köra en miljö som passar inlärnings- och utbildningsbehov.
  • Använd DeepMind Lab:s 3D-simuleringsmiljö för att träna utbildningsagenter i förstapersonsperspektiv.
  • Underlätta agenternas utvärdering för att utveckla intelligens i en 3D-spelliknande värld.
LÄS MER...

Advanced Deep Learning

 28 timmar
Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att vara explicit programmerade. Djupinlärning är ett delområde inom maskininlärning som använder metoder baserade på inlärning, data, representationer och strukturer, såsom neurala nätverk.
LÄS MER...

Deep Learning AI Techniques for Executives, Developers and Managers

 21 timmar
Introduktion:Djupinlärning håller på att bli en huvudkomponent i framtida produktdesign som vill införliva artificiell intelligens i hjärtat av sina modeller. Inom de närmaste 5 till 10 åren kommer utvecklingsverktyg, bibliotek och språk för djupinlärning att bli standardkomponenter i varje verktygslåda för mjukvaruutveckling. Hittills har Google, Sales Force, Facebook och Amazon framgångsrikt använt deep learning AI för att öka sin verksamhet. Tillämpningarna sträckte sig från automatisk maskinöversättning, bildanalys, videoanalys, rörelseanalys, generering av riktad reklam och många fler.Dessa kurser riktar sig till de organisationer som vill införliva Deep Learning som en mycket viktig del av sin produkt- eller tjänstestrategi. Nedan följer en översikt över djupinlärningskursen som vi kan anpassa för olika nivåer av anställda/intressenter i en organisation.Målgrupp:(Beroende på målgrupp kommer kursmaterial att anpassas)CheferEn allmän översikt över AI och hur den passar in i företagsstrategin, med breakout-sessioner om strategisk planering, teknikfärdplaner och resursallokering för att säkerställa maximalt värde.ProjektledareHur man planerar ett AI-projekt, inklusive datainsamling och utvärdering, datarensning och verifiering, utveckling av en proof-of-concept-modell, integration i affärsprocesser och leverans i hela organisationen.UtvecklareDjupgående tekniska utbildningar, med fokus på neurala nätverk och djupinlärning, bild- och videoanalys (CNN), ljud- och textanalys (NLP) och införande av AI i befintliga applikationer.SäljareEn allmän översikt över AI och hur den kan tillfredsställa kundernas behov, värdeerbjudanden för olika produkter och tjänster och hur man kan dämpa farhågor och främja fördelarna med AI.
LÄS MER...

Deep Learning for Business

 14 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till affärsanalytiker, datavetare och utvecklare som vill bygga och implementera djupinlärningsmodeller för att påskynda intäktstillväxten och lösa problem i affärsvärlden.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå de grundläggande begreppen inom maskininlärning och djupinlärning.
  • Få insikter om framtiden för företag och industri med ML och DL.
  • Definiera affärsstrategier och lösningar med djupinlärning.
  • Lär dig hur du använder datavetenskap och djupinlärning för att lösa affärsproblem.
  • Skapa djupinlärningsmodeller med hjälp av Python, Pandas, TensorFlow, CNTK, Torch, Keras osv.
LÄS MER...

Deep Learning for Finance (with R)

 28 timmar
Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att uttryckligen programmeras. Djupt lärande är ett underfält av maskininlärning som använder metoder baserade på lärandedata-representationer och strukturer som neurala nätverk. R är ett populärt programmeringsspråk inom finansbranschen. Det används i finansiella applikationer som sträcker sig från kärnhandelsprogram till riskhanteringssystem. I denna instruktörsledda, live-utbildning, kommer deltagarna att lära sig att implementera djupa inlärningsmodeller för ekonomi med R när de går igenom skapandet av en djup inlärning av aktiekursmodell. I slutet av denna träning kommer deltagarna att kunna:
  • Förstå de grundläggande begreppen djup inlärning
  • Lär dig applikationer och användningar av djup inlärning inom ekonomi
  • Använd R för att skapa djupa inlärningsmodeller för ekonomi
  • Bygg upp sin egen djupa inlärning av aktiekursmodell med R
Publik
  • utvecklare
  • Datavetare
Kursformat
  • Delföreläsning, delvis diskussion, övningar och tung praktisk övning
LÄS MER...

Deep Learning for Banking (with Python)

 28 timmar
Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att vara explicit programmerade. Djupinlärning är ett delområde inom maskininlärning som använder metoder baserade på inlärning, data, representationer och strukturer, såsom neurala nätverk. Python är ett programmeringsspråk på hög nivå som är känt för sin tydliga syntax och kodläsbarhet.I denna instruktörsledda, live-utbildning kommer deltagarna att lära sig hur man implementerar djupinlärningsmodeller för bankverksamhet med hjälp av Python när de går igenom skapandet av en djupinlärningskreditriskmodell.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå de grundläggande begreppen inom djupinlärning
  • Lär dig tillämpningarna och användningen av djupinlärning inom bankväsendet
  • Använd Python, Keras och TensorFlow för att skapa djupinlärningsmodeller för banktjänster
  • Skapa en egen kreditriskmodell för djupinlärning med hjälp av Python
Publik
  • Utvecklare
  • Datavetare
Kursens upplägg
  • Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning
LÄS MER...

Deep Learning for Banking (with R)

 28 timmar
Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att uttryckligen programmeras. Djupt lärande är ett underfält av maskininlärning som använder metoder baserade på lärandedata-representationer och strukturer som neurala nätverk. R är ett populärt programmeringsspråk inom finansbranschen. Det används i finansiella applikationer som sträcker sig från kärnhandelsprogram till riskhanteringssystem. I denna instruktörsledda, live-utbildning kommer deltagarna att lära sig att implementera djupa inlärningsmodeller för bank med R när de går igenom skapandet av en djup inlärningsriskmodell. I slutet av denna träning kommer deltagarna att kunna:
  • Förstå de grundläggande begreppen djup inlärning
  • Lär dig applikationer och användningar av djup inlärning i bank
  • Använd R för att skapa djupa inlärningsmodeller för bank
  • Bygg upp sin egen djupa inlärnings kreditriskmodell med R
Publik
  • utvecklare
  • Datavetare
Kursformat
  • Delföreläsning, delvis diskussion, övningar och tung praktisk övning
LÄS MER...

Deep Learning for Finance (with Python)

 28 timmar
Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att vara explicit programmerade. Djupinlärning är ett delområde inom maskininlärning som använder metoder baserade på inlärning, data, representationer och strukturer, såsom neurala nätverk. Python är ett programmeringsspråk på hög nivå som är känt för sin tydliga syntax och kodläsbarhet.I denna instruktörsledda, liveträning kommer deltagarna att lära sig hur man implementerar djupinlärningsmodeller för ekonomi med hjälp av Python när de går igenom skapandet av en aktiekursprognosmodell för djupinlärning.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå de grundläggande begreppen inom djupinlärning
  • Lär dig tillämpningarna och användningen av djupinlärning inom ekonomi
  • Använd Python, Keras och TensorFlow för att skapa djupinlärningsmodeller för ekonomi
  • Bygg sin egen modell för aktiekursförutsägelser med djupinlärning med hjälp av Python
Publik
  • Utvecklare
  • Datavetare
Kursens upplägg
  • Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning
LÄS MER...

Deep Learning for Medicine

 14 timmar
Machine Learning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att vara explicit programmerade. Deep Learning är ett delområde av Machine Learning som försöker efterlikna hur den mänskliga hjärnan fungerar när den fattar beslut. Den tränas med data för att automatiskt kunna ge lösningar på problem. Deep Learning ger stora möjligheter för den medicinska industrin som sitter på en guldgruva i data.I denna instruktörsledda, liveträning kommer deltagarna att delta i en serie diskussioner, övningar och fallstudieanalys för att förstå grunderna i Deep Learning. De viktigaste Deep Learning verktygen och teknikerna kommer att utvärderas och övningar kommer att genomföras för att förbereda deltagarna för att genomföra sin egen utvärdering och implementering av Deep Learning lösningar inom sina organisationer.I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå grunderna i Deep Learning
  • Lär dig Deep Learning tekniker och deras tillämpningar i branschen
  • Undersök problem inom medicin som kan lösas med Deep Learning teknologier
  • Utforska Deep Learning fallstudier inom medicin
  • Formulera en strategi för att införa den senaste tekniken i Deep Learning för att lösa problem inom medicinen
Publik
  • Chefer
  • Medicinsk personal i ledande roller
Kursens upplägg
  • Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning
Not
  • För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.
LÄS MER...

Deep Learning for Healthcare

 14 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare och datavetare som vill tillämpa convolutional neural networks (CNN) för analys av MR-skanningar.I slutet av denna utbildning kommer deltagarna att kunna:
  • Installera och konfigurera den nödvändiga utvecklingsmiljön, programvaran och biblioteken för att börja utveckla.
  • Analysera MR-bilder med hjälp av djupinlärningstekniker som CNN.
  • Upptäck potentiella hälsotillstånd som hjärtsjukdomar genom MR-skanningsanalys.
  • Tillämpa tekniker som bildsegmentering och CNN-träning för att identifiera potentiell sjukdom.
  • Identifiera genomiken för en sjukdom med hjälp av radiomik.
  • Skapa och distribuera ett djupinlärningsprogram som syftar till bildanalys inom hälso- och sjukvården.
LÄS MER...

Deep Learning for Vision

 21 timmar
Publik Denna kurs är lämplig för Deep Learning forskare och ingenjörer som är intresserade av att använda tillgängliga verktyg (mestadels öppen källkod) för att analysera datorbilder Kursen ger fungerande exempel.
LÄS MER...

Introduktion Deep Learning & Neurala nätverk för ingenjörer

 21 timmar
Typ: 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.
LÄS MER...

Matlab for Deep Learning

 14 timmar
I 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
LÄS MER...

Machine Learning and Deep Learning

 21 timmar
Kursen behandlar AI (med betoning på Machine Learning och Deep Learning)
LÄS MER...

Neural computing – Data science

 14 timmar
Denna klassrumsbaserade träning kommer att innehålla presentationer och datorbaserade exempel och fallstudieövningar att genomföra med relevanta neurala och djupa nätverksbibliotek
LÄS MER...

Python and Deep Learning with OpenCV 4

 14 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till mjukvaruingenjörer som vill programmera i Python med OpenCV 4 för djupinlärning.I slutet av denna utbildning kommer deltagarna att kunna:
  • Visa, ladda och klassificera bilder och videor med hjälp av OpenCV 4.
  • Implementera djupinlärning i OpenCV, 4 med TensorFlow och Keras.
  • Kör djupinlärningsmodeller och generera effektfulla rapporter från bilder och videor.
LÄS MER...

OpenFace: Creating Facial Recognition Systems

 14 timmar
OpenFace är Python och Torch baserad på ansiktsigenkänningsprogramvara med öppen källkod i realtid baserad på Googles FaceNet-forskning.I denna instruktörsledda, liveträning kommer deltagarna att lära sig hur man använder OpenFaces komponenter för att skapa och distribuera ett exempel på ansiktsigenkänningsapplikation.I slutet av denna utbildning kommer deltagarna att kunna:
  • Arbeta med OpenFace-komponenter, inklusive dlib, OpenVC, Torch och nn4 för att implementera ansiktsigenkänning, justering och transformation
  • Använd OpenFace på verkliga applikationer som övervakning, identitetsverifiering, virtuell verklighet, spel och identifiering av återkommande kunder, etc.
Publik
  • Utvecklare
  • Datavetare
Kursens upplägg
  • Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning
LÄS MER...

OpenNMT: Setting Up a Neural Machine Translation System

 7 timmar
I denna instruktörsledda, liveträning, kommer deltagarna att lära sig hur man ställer in och använder OpenNMT att genomföra översättning av olika exempeldata. Kursen börjar med en översikt över neurala nätverk eftersom de gäller maskinöversättning. Deltagarna kommer att genomföra liveövningar under hela kursen för att visa sin förståelse för de lärda koncepten och få feedback från instruktören. I slutet av denna utbildning kommer deltagarna att ha den kunskap och praxis som krävs för att implementera en Live OpenNMT lösning. Prover av käll- och målspråk kommer att ordnas i enlighet med publikens krav.
    Kursformat
    • Delföreläsning, delvis diskussion, tung praktisk övning
    LÄS MER...

    PaddlePaddle

     21 timmar
    PaddlePaddle (PArallel Distributed Deep LEarning) är en skalbar djup lärplattform utvecklad av Baidu I den här instruktörsledningen, levande träning, kommer deltagarna att lära sig hur man använder PaddlePaddle för att möjliggöra djupt lärande i sina produkt- och tjänsteprogram Vid slutet av denna utbildning kommer deltagarna att kunna: Ställ in och konfigurera PaddlePaddle Ställ in ett konvolutionellt neuralt nätverk (CNN) för bildigenkänning och objektdetektering Ställ in ett återkommande neuralt nätverk (RNN) för sentimentanalys Ställ in djupt lärande på rekommendationssystem för att hjälpa användare att hitta svar Beräkna klickfrekvens (CTR), klassificera storskaliga bildsatser, utföra optisk teckenigenkänning (OCR), rangsökningar, upptäcka datavirus och implementera ett rekommendationssystem Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
    LÄS MER...

    Advanced Machine Learning with R

     21 timmar
    I denna instruktörsledda, live-utbildning kommer deltagarna att lära sig avancerade tekniker för Machine Learning med R när de går igenom skapandet av en verklig applikation.I slutet av denna utbildning kommer deltagarna att kunna:
    • Förstå och implementera oövervakade inlärningstekniker
    • Tillämpa klustring och klassificering för att göra förutsägelser baserade på verkliga data.
    • Visualisera data för att snabbt få insikter, fatta beslut och ytterligare förfina analysen.
    • Förbättra prestandan för en maskininlärningsmodell med hjälp av hyperparameterjustering.
    • Sätt en modell i produktion för användning i en större applikation.
    • Använd avancerade maskininlärningstekniker för att svara på frågor som involverar sociala nätverksdata, big data och mer.
    LÄS MER...

    Hardware-Accelerated Video Analytics

     14 timmar
    Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill bygga hårdvaruaccelererade objektdetekterings- och spårningsmodeller för att analysera strömmande videodata.I slutet av denna utbildning kommer deltagarna att kunna:
    • Installera och konfigurera nödvändig utvecklingsmiljö, programvara och bibliotek för att börja utveckla.
    • Bygg, träna och implementera modeller för djupinlärning för att analysera livevideoflöden.
    • Identifiera, spåra, segmentera och förutsäga olika objekt inom videoramar.
    • Optimera objektdetekterings- och spårningsmodeller.
    • Implementera ett intelligent videoanalysprogram (IVA).
    LÄS MER...

    TensorFlow Lite for Embedded Linux

     21 timmar
    Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill använda TensorFlow Lite för att distribuera modeller för djupinlärning på inbäddade enheter.I slutet av denna utbildning kommer deltagarna att kunna:
    • Installera och konfigurera Tensorflow Lite på en inbäddad enhet.
    • Förstå de begrepp och komponenter som ligger bakom TensorFlow Lite.
    • Konvertera befintliga modeller till format TensorFlow Lite för exekvering på inbäddade enheter.
    • Arbeta inom begränsningarna för små enheter och TensorFlow Lite, samtidigt som du lär dig hur du utökar omfattningen av operationer som kan köras.
    • Implementera en modell för djupinlärning på en inbäddad enhet som kör Linux.
    LÄS MER...

    TensorFlow Lite for Android

     21 timmar
    Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill använda TensorFlow Lite för att utveckla mobila applikationer med djupinlärningsmöjligheter.I slutet av denna utbildning kommer deltagarna att kunna:
    • Installera och konfigurera TensorFlow Lite.
    • Förstå principerna bakom TensorFlow, maskininlärning och djupinlärning.
    • Ladda TensorFlow-modeller på en Android-enhet.
    • Aktivera djupinlärning och maskininlärningsfunktioner som datorseende och naturligt språkigenkänning i en mobilapplikation.
    LÄS MER...

    TensorFlow Lite for iOS

     21 timmar
    Denna instruktörsledda, liveutbildning i (online eller på plats) riktar sig till utvecklare som vill använda TensorFlow Lite för att utveckla iOS-mobilapplikationer med djupinlärningsmöjligheter.I slutet av denna utbildning kommer deltagarna att kunna:
    • Installera och konfigurera TensorFlow Lite.
    • Förstå principerna bakom TensorFlow och maskininlärning på mobila enheter.
    • Ladda TensorFlow-modeller på en iOS-enhet.
    • Kör en iOS-applikation som kan upptäcka och klassificera ett objekt som fångas med enhetens kamera.
    LÄS MER...

    Tensorflow Lite for Microcontrollers

     21 timmar
    Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till ingenjörer som vill skriva, ladda och köra maskininlärningsmodeller på mycket små inbäddade enheter.I slutet av denna utbildning kommer deltagarna att kunna:
    • Installera TensorFlow Lite.
    • Ladda maskininlärningsmodeller på en inbäddad enhet så att den kan upptäcka tal, klassificera bilder etc.
    • Lägg till AI till hårdvaruenheter utan att förlita sig på nätverksanslutning.
    LÄS MER...

    Deep Learning Neural Networks with Chainer

     14 timmar
    Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till forskare och utvecklare som vill använda Chainer för att bygga och träna neurala nätverk i Python samtidigt som koden är lätt att felsöka.I slutet av denna utbildning kommer deltagarna att kunna:
    • Konfigurera den utvecklingsmiljö som krävs för att börja utveckla neurala nätverksmodeller.
    • Definiera och implementera neurala nätverksmodeller med hjälp av en begriplig källkod.
    • Kör exempel och modifiera befintliga algoritmer för att optimera träningsmodeller för djupinlärning samtidigt som du utnyttjar GPUs för hög prestanda.
    LÄS MER...

    Distributed Deep Learning with Horovod

     7 timmar
    Den här instruktörsledda, live-utbildningen i Sverige (online eller på plats) riktar sig till utvecklare eller datavetare som vill använda Horovod för att köra distribuerade djupinlärningsträningar och skala upp dem för att köra över flera GPUs parallellt.I slutet av denna utbildning kommer deltagarna att kunna:
    • Konfigurera den utvecklingsmiljö som krävs för att börja köra djupinlärningsträningar.
    • Installera och konfigurera Horovod för att träna modeller med TensorFlow, Keras, PyTorch och Apache MXNet.
    • Skala djupinlärningsträning med Horovod för att köras på flera GPU:er.
    LÄS MER...

    Accelerating Deep Learning with FPGA and OpenVINO

     35 timmar
    Den här instruktörsledda, liveutbildningen i Sverige (online eller på plats) riktar sig till datavetare som vill påskynda maskininlärningsprogram i realtid och distribuera dem i stor skala.I slutet av denna utbildning kommer deltagarna att kunna:
    • Installera verktyget OpenVINO.
    • Accelerera ett program för visuellt innehåll med hjälp av en FPGA.
    • Kör olika CNN-lager på FPGA:n.
    • Skala programmet över flera noder i ett Kubernetes-kluster.
    LÄS MER...

    Building Deep Learning Models with Apache MXNet

     21 timmar
    Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare som vill använda Apache MXNet-tals för att bygga och distribuera en djupinlärningsmodell för bildigenkänning.I slutet av denna utbildning kommer deltagarna att kunna:
    • Installera och konfigurera Apache MXNet och dess komponenter.
    • Förstå MXNets arkitektur och datastrukturer.
    • Använd Apache MXNet:s lågnivå- och högnivå-API:er för att effektivt bygga neurala nätverk.
    • Skapa ett faltningsneuralt nätverk för bildklassificering.
    LÄS MER...

    Deep Learning with Keras

     21 timmar
    Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till tekniska personer som vill tillämpa djupinlärningsmodellen på bildigenkänningsapplikationer.I slutet av denna utbildning kommer deltagarna att kunna:
    • Installera och konfigurera Keras.
    • Skapa snabbt prototyper av djupinlärningsmodeller.
    • Implementera ett faltningsnätverk.
    • Implementera ett återkommande nätverk.
    • Kör en djupinlärningsmodell på både en CPU och GPU.
    LÄS MER...

    Advanced Deep Learning with Keras and Python

     14 timmar
    Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till mjukvaruingenjörer som vill utveckla avancerade neurala nätverk och modeller för djupinlärning med hjälp av Keras och Python.I slutet av denna utbildning kommer deltagarna att kunna:
    • Tillämpa djupinlärning med övervakade eller oövervakade inlärningsmetoder.
    • Utveckla, träna och implementera samtidiga neurala nätverk och återkommande neurala nätverk.
    • Använd Keras och Python för att skapa djupinlärningsmodeller för att lösa problem som rör bilder, text, ljud med mera.
    LÄS MER...

    Deep Learning for Self Driving Cars

     21 timmar
    Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill bygga en självkörande bil med hjälp av djupinlärningstekniker.I slutet av denna utbildning kommer deltagarna att kunna:
    • Använd Keras för att skapa och träna ett faltningsneuralt nätverk.
    • Använda datorseendetekniker för att identifiera körfält i ett autonomt körprojekt.
    • Träna en djupinlärningsmodell för att särskilja trafikskyltar.
    • Simulera en helt autonom bil.
    LÄS MER...

    Torch for Machine and Deep Learning

     21 timmar
    Torch är ett maskininlärningsbibliotek med öppen källkod och ett ramverk för vetenskaplig databehandling baserat på programmeringsspråket Lua. Det ger en utvecklingsmiljö för numeriskt, maskininlärning och datorseende, med särskild tonvikt på djupinlärning och faltningsnät. Det är ett av de snabbaste och mest flexibla ramverken för Machine och Deep Learning och används av företag som Facebook, Google, Twitter, NVIDIA, AMD, Intel och många andra.I denna instruktörsledda, liveutbildning täcker vi principerna för Torch, dess unika egenskaper och hur den kan tillämpas i verkliga applikationer. Vi går igenom många praktiska övningar hela tiden, demonstrerar och övar på de begrepp vi lärt oss.I slutet av kursen kommer deltagarna att ha en grundlig förståelse för Torch:s underliggande funktioner och förmågor samt dess roll och bidrag inom AI-området jämfört med andra ramverk och bibliotek. Deltagarna kommer också att ha fått den nödvändiga övningen för att implementera Torch i sina egna projekt.
       
    Kursens upplägg
    • Översikt över maskin och Deep Learning
    • Kodnings- och integrationsövningar i klassen
    • Testfrågor strösslade längs vägen för att kontrollera förståelsen
    LÄS MER...

    Mastering Apache SINGA

     21 timmar
    SINGA är en generell distribuerad djupinlärningsplattform för träning av stora djupinlärningsmodeller över stora datamängder. Den är designad med en intuitiv programmeringsmodell baserad på lagerabstraktionen. En mängd populära djupinlärningsmodeller stöds, nämligen feed-forward-modeller inklusive konvolutionella neurala nätverk (CNN), energimodeller som restricted Boltzmann machine (RBM) och återkommande neurala nätverk (RNN). Många inbyggda lager tillhandahålls för användare. SINGA-arkitekturen är tillräckligt flexibel för att köra synkrona, asynkrona och hybrida träningsramverk. SINGA stöder också olika neurala nätpartitioneringsscheman för att parallellisera träningen av stora modeller, nämligen partitionering på batchdimension, funktionsdimension eller hybridpartitionering.PublikKursen riktar sig till forskare, ingenjörer och utvecklare som vill använda Apache SINGA som ett ramverk för djupinlärning.Efter att ha slutfört denna kurs kommer deltagarna att:
    • förstå SINGAs struktur och implementeringsmekanismer
    • kunna utföra installations-/produktionsmiljö-/arkitekturuppgifter och konfiguration
    • kunna bedöma kodkvalitet, utföra felsökning, övervakning
    • kunna implementera avancerad produktion som att träna modeller, bädda in termer, bygga grafer och loggning
     
    LÄS MER...

    Mastering Deeplearning4j

     21 timmar
    Deeplearning4j är det första kommersiella distribuerade djupinlärningsbiblioteket med öppen källkod som skrivits för Java och Scala. DL4J är integrerat med Hadoop och Spark och är utformat för att användas i företagsmiljöer på distribuerade GPU:er och CPU:er. PublikKursen riktar sig till ingenjörer och utvecklare som vill använda Deeplearning4j i sina projekt. Efter denna kurs kommer deltagarna att kunna:
    LÄS MER...

    NLP with Deeplearning4j

     14 timmar
    Deeplearning4j är ett distribuerat djupinlärningsbibliotek med öppen källkod skrivet för Java och Scala. DL4J är integrerat med Hadoop och Spark och är utformat för att användas i företagsmiljöer på distribuerade GPU:er och CPU:er.Word2Vec är en metod för att beräkna vektorrepresentationer av ord som introducerats av ett team av forskare vid Google under ledning av Tomas Mikolov.PublikKursen riktar sig till forskare, ingenjörer och utvecklare som vill använda Deeplearning4J för att konstruera Word2Vec modeller.
    LÄS MER...

    Using Computer Network ToolKit (CNTK)

     28 timmar
    Computer Network ToolKit (CNTK) är Microsoft:s Open Source, Multi-machine, Multi-GPU, mycket effektiva RNN-träningsmaskininlärningsramverk för tal, text och bilder.PublikKursen riktar sig till ingenjörer och arkitekter som vill använda CNTK i sina projekt.
    LÄS MER...

    Last Updated:

    Vittnesmål(16)

    Hunter är fantastisk, mycket engagerande, extremt kunnig och personlig. Mycket bra gjort.

    Rick Johnson - Laramie County Community College

    Kurs - Artificial Intelligence (AI) Overview

    Machine Translated

    The clarity with which it was presented

    John McLemore - Motorola Solutions

    Kurs - Deep Learning for Telecom (with Python)

    The trainer explained the content well and was engaging throughout. He stopped to ask questions and let us come to our own solutions in some practical sessions. He also tailored the course well for our needs.

    Robert Baker

    Kurs - Deep Learning with TensorFlow 2.0

    Tomasz really know the information well and the course was well paced.

    Raju Krishnamurthy - Google

    Kurs - TensorFlow Extended (TFX)

    Organization, adhering to the proposed agenda, the trainer's vast knowledge in this subject

    Ali Kattan - TWPI

    Kurs - Natural Language Processing with TensorFlow

    The trainer was a professional in the subject field and related theory with application excellently

    Fahad Malalla - Tatweer Petroleum

    Kurs - Applied AI from Scratch in Python

    In-depth coverage of machine learning topics, particularly neural networks. Demystified a lot of the topic.

    Sacha Nandlall

    Kurs - Python for Advanced Machine Learning

    Very flexible.

    Frank Ueltzhöffer

    Kurs - Artificial Neural Networks, Machine Learning and Deep Thinking

    Very updated approach or CPI (tensor flow, era, learn) to do machine learning.

    Paul Lee

    Kurs - TensorFlow for Image Recognition

    I liked the new insights in deep machine learning.

    Josip Arneric

    Kurs - Neural Network in R

    We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.

    Sebastiaan Holman

    Kurs - Machine Learning and Deep Learning

    I really appreciated the crystal clear answers of Chris to our questions.

    Léo Dubus

    Kurs - Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple

    The global overview of deep learning.

    Bruno Charbonnier

    Kurs - Advanced Deep Learning

    The topic is very interesting.

    Wojciech Baranowski

    Kurs - Introduction to Deep Learning

    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

    It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.

    Jonathan Blease

    Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking

    Upcoming Courses

    Other regions in Sverige

    Other Countries

    Dessa kurser finns också i andra länder

    Konsult

    Deep Learning Konsult
    Helg DL (Deep Learning) kurs, kvällDeep Learning utbildning, Deep Learning (DL) bootcamp, DL (Deep Learning) instruktörledd, Helg DL (Deep Learning) utbildning, Kväll DL (Deep Learning) kurs, Deep Learning coaching, Deep Learning instruktör, DL (Deep Learning) tränare, Deep Learning kurs, DL (Deep Learning) klasser, DL (Deep Learning) on-site, Deep Learning (DL) privata kurser, Deep Learning en till en utbildning