1. Artificiell Intelligens Training
  2. Machine Learning Training
  3. Deep Learning Training
  4. Deep Learning kurser och utbildning

Deep Learning kurser och utbildning

Deep Learning kurser och utbildning

Lokala instruktionsledda Deep Learning (DL) -kurser visar genom handson att man övar grunden och användningen av Deep Learning och täcker ämnen som djup maskininlärning, djupt strukturerat lärande och hierarkiskt lärande Deep Learning-träning finns som "live-träning på plats" eller "fjärr-live-träning" Utbildning på plats kan genomföras lokalt på kundlokaler i Sverige eller i NobleProgs företagsutbildningscenter i Sverige Fjärrutbildning sker genom en interaktiv fjärrskrivbord NobleProg Din lokala utbildningsleverantör.

Testimonials

★★★★★
★★★★★

Deep Learning underkategorier

TensorFlowTensorFlow kurser och utbildning
Deeplearning4jDeeplearning4j kurser och utbildning
Apache SINGAApache SINGA kurser och utbildning
CaffeCaffe kurser och utbildning

Kursplaner från Deep Learning

KodNamnVaraktighetÖversikt
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 hoursArtificial Neural Network är en beräkningsmodell som används för att utveckla system för intelligent intelligens (AI) som kan utföra "intelligenta" uppgifter. Neurala nätverk används vanligtvis i maskinlärande (ML) applikationer, som själva är en implementering av AI. Deep Learning är en delmängd av ML.
deeplearning1Introduction to Deep Learning21 hoursKursen är allmän översikt för Deep Learning utan att gå för djupt i några specifika metoder Den är lämplig för personer som vill börja använda djupt lärande för att förbättra förutsägelsens noggrannhet .
dladvAdvanced Deep Learning28 hoursMaskininlärning är en gren av artificiell intelligens där datorer har förmåga att lära sig utan att uttryckligen programmeras Djupinlärning är ett underfält av maskininlärning som använder metoder baserade på att lära sig datarepresentationer och strukturer som neurala nätverk .
tf101Deep Learning with TensorFlow21 hoursTensorFlow är ett 2: a generations API för Googles öppna källprogram för Deep Learning Systemet är utformat för att underlätta forskning i maskininlärning och för att göra det snabbt och enkelt att övergå från forskningsprototyp till produktionssystem Publik Kursen är avsedd för ingenjörer som vill använda TensorFlow för sina Deep Learning-projekt Efter avslutad kurs kommer deltagare att: förstå TensorFlows struktur och implementeringsmekanismer kunna utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration kunna bedöma kodkvalitet, utföra felsökning, övervakning kunna genomföra avancerad produktion som träningsmodeller, bygggrafer och loggning .
dl4jirDeepLearning4J for Image Recognition21 hoursDeeplearning4j är en OpenSource DeepLearning-programvara för Java och Scala på Hadoop och Spark Publik Kursen är avsedd för ingenjörer och utvecklare som vill utnyttja DeepLearning4J i sina projekt för bildigenkänning .
dlvDeep Learning for Vision21 hoursPublik Kursen är lämplig för Deep Learning-forskare och ingenjörer som är intresserade av att använda tillgängliga verktyg (oftast öppen källkod) för att analysera datorbilder Kursen ger arbetsexempel .
tfirTensorFlow for Image Recognition28 hoursDenna kurs undersöker, med specifika exempel, tillämpningen av Tensor Flow i syfte att bildigenkänning Publik Kursen är avsedd för ingenjörer som vill utnyttja TensorFlow för bildigenkänning Efter avslutad kurs kommer deltagare att kunna: förstå TensorFlows struktur och implementeringsmekanismer utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration bedöma kodkvalitet, utföra felsökning, övervakning implementera avancerad produktion som träningsmodeller, bygggrafer och loggning .
tsflw2vNatural Language Processing with TensorFlow35 hoursTensorFlow ™ är ett open source-programbibliotek för numerisk beräkning med dataflödesdiagram SyntaxNet är ett nätverkssystem för naturliga språkbehandling för TensorFlow Word2Vec används för att lära vektorrepresentationer av ord, kallad "word embeddings" Word2vec är en särskilt beräkningsmässig effektiv predictive modell för att lära sig inbäddningar från rå text Den kommer i två smaker, den kontinuerliga BagofWords-modellen (CBOW) och SkipGram-modellen (kapitel 31 och 32 i Mikolov et al) Används i tandem, SyntaxNet och Word2Vec tillåter användare att generera Learned Embedding-modeller från Natural Language-inmatning Publik Kursen riktar sig till Utvecklare och ingenjörer som avser att arbeta med SyntaxNet och Word2Vec-modeller i sina TensorFlow-diagram Efter avslutad kurs kommer deltagare att: förstå TensorFlows struktur och implementeringsmekanismer kunna utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration kunna bedöma kodkvalitet, utföra felsökning, övervakning kunna implementera avancerad produktion som träningsmodeller, inbäddning av termer, bygggrafer och loggning .
NeuralnettfNeural Networks Fundamentals using TensorFlow as Example28 hoursKursen ger dig kunskaper i neurala nätverk och i allmänhet i maskininlärningsalgoritm, djup inlärning (algoritmer och applikationer) Denna utbildning är mer inriktad på grundläggande, men hjälper dig att välja rätt teknik: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc Exemplen är gjorda i TensorFlow .
w2vdl4jNLP with Deeplearning4j14 hoursDeeplearning4j är ett open source, distribuerat deeplearning-bibliotek skrivet för Java och Scala Integrerad med Hadoop och Spark, är DL4J utformad för att användas i affärsmiljöer på distribuerade GPU och CPU Word2Vec är en metod för att beräkna vektorpresentationer av ord som introduceras av ett team av forskare på Google ledd av Tomas Mikolov Publik Kursen riktar sig till forskare, ingenjörer och utvecklare som vill använda Deeplearning4J för att konstruera Word2Vec-modeller .
dl4jMastering Deeplearning4j21 hoursDeeplearning4j är det första kommersiella, open source-distribuerade deeplearning-biblioteket för Java och Scala Integrerad med Hadoop och Spark, är DL4J utformad för att användas i affärsmiljöer på distribuerade GPU och CPU Publik Kursen riktar sig till ingenjörer och utvecklare som vill utnyttja Deeplearning4j i sina projekt Efter kursen kommer deltagare att kunna: .
mldtMachine Learning and Deep Learning21 hoursKursen omfattar AI (betonar maskinlärning och djupt lärande) .
singaMastering Apache SINGA21 hoursSINGA är en allmän distribuerad djupläringsplattform för utbildning av stora djupa inlärningsmodeller över stora dataset Den är utformad med en intuitiv programmeringsmodell baserad på lagerabstraktionen En rad populära djupa inlärningsmodeller stöds, nämligen feedforward-modeller, inklusive convolutional neuron networks (CNN), energimodeller som begränsad Boltzmann-maskin (RBM) och återkommande neurala nätverk (RNN) Många inbyggda lager finns för användarna SINGA-arkitekturen är tillräckligt flexibel för att driva synkrona, asynkrona och hybridutbildningsramar SINGA stöder också olika neurala nätpartitioneringssystem för att parallellisera utbildningen av stora modeller, nämligen partitionering på batchdimension, egenskapsdimension eller hybridpartitionering Publik Kursen riktar sig till forskare, ingenjörer och utvecklare som vill utnyttja Apache SINGA som en djup inlärningsram Efter avslutad kurs kommer deltagare att: förstå SINGAs struktur och implementeringsmekanismer kunna utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration kunna bedöma kodkvalitet, utföra felsökning, övervakning kunna implementera avancerad produktion som träningsmodeller, inbäddning av termer, bygggrafer och loggning .
caffeDeep Learning for Vision with Caffe21 hoursCaffe är ett djupt lärande ramverk med uttryck, hastighet och modularitet i åtanke Kursen undersöker tillämpningen av Caffe som ett djupt lärande för bildigenkänning med MNIST som exempel Publik Kursen är lämplig för Deep Learning forskare och ingenjörer intresserade av att använda Caffe som ramverk Efter avslutad kurs kommer deltagare att kunna: förstå Caffes struktur och implementeringsmekanismer utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration bedöma kodkvalitet, utföra felsökning, övervakning implementera avancerad produktion som träningsmodeller, implementera lager och logga .
TorchTorch: Getting started with Machine and Deep Learning21 hoursTorch är ett open source-maskininlärningsbibliotek och en vetenskaplig beräkningsram baserad på Lua-programmeringsspråket Det ger en utvecklingsmiljö för numerik, maskininlärning och datorsyn, med särskild tonvikt på djupt lärande och falsningsnät Det är en av de snabbaste och mest flexibla ramarna för maskin och djupt lärande och används av företag som Facebook, Google, Twitter, NVIDIA, AMD, Intel och många andra I den här kursen täcker vi principerna för Torch, dess unika egenskaper och hur det kan appliceras i realworld applikationer Vi går igenom många handsonövningar hela tiden, demonstrerar och övar de begrepp som lärt sig Efter kursens slut kommer deltagarna att ha en grundlig förståelse för Torchs underliggande egenskaper och förmågor samt dess roll och bidrag inom AI-rymden jämfört med andra ramar och bibliotek Deltagarna kommer också att ha fått den praxis som krävs för att implementera Torch i sina egna projekt Publik Programutvecklare och programmerare som vill aktivera maskin och djupt lärande inom sina applikationer Kursens format Översikt över maskin och djupt lärande Inclass-kodning och integrationsövningar Testfrågor ströks under vägen för att kontrollera förståelsen .
OpenNNOpenNN: Implementing Neural Networks14 hoursOpenNN är ett open source klassbibliotek skrivet i C ++ som implementerar neurala nätverk, för användning i maskininlärning I denna kurs går vi över principerna för neurala nätverk och använder OpenNN för att genomföra en provapplikation Publik Programutvecklare och programmerare som vill skapa Deep Learning-applikationer Kursens format Föreläsning och diskussion i kombination med handsonövningar .
mlentreMachine Learning Concepts for Entrepreneurs and Managers21 hoursDenna kurs är för personer som vill tillämpa maskinlärning i praktiska tillämpningar för deras team Utbildningen kommer inte att dyka in i tekniken och kringgå grundläggande begrepp och affärs / operativa tillämpningar av samma Målgrupp Investerare och AI-entreprenörer Chefer och ingenjörer vars företag satsar på AI-utrymme Affärsanalytiker och investerare .
opennmtOpenNMT: Setting Up a Neural Machine Translation System7 hoursOpenNMT är ett fullfärdat, opensource (MIT) neuraltranslationssystem som använder Torch matematiska verktygssatsen I den här utbildningen kommer deltagarna att lära sig hur man konfigurerar och använder OpenNMT för att utföra översättning av olika provdatasatser Kursen börjar med en översikt över neurala nätverk som de gäller för maskinöversättning Deltagarna kommer att genomföra levande övningar under hela kursen för att visa sin förståelse för de begrepp som lärs och få feedback från instruktören Vid slutet av denna utbildning kommer deltagarna att ha den kunskap och övning som behövs för att genomföra en live OpenNMT-lösning Käll- och målspråksproverna kommer att prioriteras enligt publikens krav Publik Lokalisering specialister med teknisk bakgrund Globala innehållshanterare Lokalisering ingenjörer Programutvecklare som ansvarar för implementering av globala innehållslösningar Kursens format Delföreläsning, deldiskussion, tung handson-övning .
FairseqFairseq: Setting up a CNN-based machine translation system7 hoursFairseq is an open-source sequence-to-sequence learning toolkit created by Facebok for use in Neural Machine Translation (NMT).

In this training participants will learn how to use Fairseq to carry out translation of sample content.

By the end of this training, participants will have the knowledge and practice needed to implement a live Fairseq based machine translation solution.

Audience

- Localization specialists with a technical background
- Global content managers
- Localization engineers
- Software developers in charge of implementing global content solutions

Format of the course
Part lecture, part discussion, heavy hands-on practice

Note

- If you wish to use specific source and target language content, please contact us to arrange.
facebooknmtFacebook NMT: Setting up a Neural Machine Translation System7 hoursFairseq är en open source sequencetosequence lärande verktygslåda skapad av Facebok för användning i Neural Machine Translation (NMT) I den här utbildningen kommer deltagarna att lära sig hur man använder Fairseq för att genomföra översättning av provinnehåll Vid slutet av denna utbildning kommer deltagarna att ha den kunskap och övning som krävs för att genomföra en live Fairseq-baserad maskinöversättningslösning Publik Lokalisering specialister med teknisk bakgrund Globala innehållshanterare Lokalisering ingenjörer Programutvecklare som ansvarar för implementering av globala innehållslösningar Kursens format Delföreläsning, deldiskussion, tung handson-övning Notera Om du vill använda specifikt källa och målspråk innehåll, kontakta oss för att ordna .
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7 hoursTensor Processing Unit (TPU) är den arkitektur som Google har använt internt i flera år och blir just nu tillgänglig för allmänheten Den innehåller flera optimeringar specifikt för användning i neurala nätverk, inklusive strömlinjeformad matrismultiplicering och 8bit heltal istället för 16bit för att återställa lämpliga precisionsnivåer I den här instruktionsledda träningspasset lär deltagarna att dra nytta av innovationerna i TPU-processorer för att maximera prestanda för sina egna AI-applikationer Vid slutet av träningen kommer deltagarna att kunna: Träna olika typer av neurala nätverk på stora mängder data Använd TPU: er för att påskynda inferensprocessen med upp till två storleksordningar Använd TPU för att bearbeta intensiva applikationer som bildsökning, molnsyn och foton Publik utvecklare forskare ingenjörer Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 hoursMicrosoft Cognitive Toolkit 2x (tidigare CNTK) är en open source, commercialgrade verktygssats som tränar djupa inlärningsalgoritmer för att lära sig som den mänskliga hjärnan Enligt Microsoft kan CNTK vara 510x snabbare än TensorFlow på återkommande nätverk, och 2 till 3 gånger snabbare än TensorFlow för bildrelaterade uppgifter I den här instruktionsledda träningen lär deltagarna att lära sig hur man använder Microsoft Cognitive Toolkit för att skapa, träna och utvärdera djupa inlärningsalgoritmer för användning i kommersiella AI-applikationer som omfattar flera typer av data, såsom data, tal, text och bilder Vid slutet av denna utbildning kommer deltagarna att kunna: Få tillgång till CNTK som ett bibliotek inom ett Python-, C #- eller C ++-program Använd CNTK som ett fristående verktyg för maskininlärning genom sitt eget modellbeskrivningsspråk (BrainScript) Använd CNTK-modellutvärderingsfunktionen från ett Java-program Kombinera feed-forward-DNN, faltningsnät (CNN) och återkommande nätverk (RNN / LSTM) Skala beräkningskapacitet på processorer, GPU och flera maskiner Få tillgång till massiva dataset med hjälp av befintliga programmeringsspråk och algoritmer Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning Notera Om du vill anpassa någon del av denna träning, inklusive det programmerade språket du vill ha, kontakta oss för att ordna .
PaddlePaddlePaddlePaddle21 hoursPaddlePaddle (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 .
dsstneAmazon DSSTNE: Build a recommendation system7 hoursAmazon DSSTNE är ett open source bibliotek för träning och implementering av rekommendationsmodeller Det tillåter modeller med viktmatriser som är för stora för en enda GPU att utbildas på en enda värd I den här instruktörsledningen, live-träning, kommer deltagarna att lära sig hur man använder DSSTNE för att bygga en rekommendationsansökan Vid slutet av denna utbildning kommer deltagarna att kunna: Träna en rekommendationsmodell med glesa dataset som input Skalutbildning och prediktionsmodeller över flera GPU: er Sprid ut beräkning och lagring på ett modellparallellt sätt Skapa Amazon-anpassade produktrekommendationer Implementera en produktserierad applikation som kan skala vid tunga arbetsbelastningar Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
t2tT2T: Creating Sequence to Sequence models for generalized learning7 hoursTensor2Tensor (T2T) är ett modulärt, utökbart bibliotek för träning av AI-modeller i olika uppgifter, med olika typer av träningsdata, till exempel: bildigenkänning, översättning, parsning, bildtextning och taligenkänning Det underhålls av Googles hjärnteam I den här instruktörsledda träningsutbildningen kommer deltagarna att lära sig hur man förbereder en deeplearning-modell för att lösa flera uppgifter Vid slutet av denna utbildning kommer deltagarna att kunna: Installera tensor2tensor, välj en dataset och träna och utvärdera en AI-modell Anpassa en utvecklingsmiljö med hjälp av de verktyg och komponenter som ingår i Tensor2Tensor Skapa och använd en enda modell för att samtidigt lära dig ett antal uppgifter från flera domäner Använd modellen för att lära av uppgifter med en stor mängd träningsdata och tillämpa den kunskapen på uppgifter där data är begränsade Skaffa tillfredsställande bearbetningsresultat med en enda GPU Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
embeddingprojectorEmbedding Projector: Visualizing your Training Data14 hoursEmbedding Projector är en open source webbapplikation för visualisering av data som används för att träna maskininlärningssystem Skapat av Google är det en del av TensorFlow Denna instruktörsledda, levande träning introducerar koncepten bakom Embedding Projector och går deltagare genom installationen av ett demoprojekt Vid slutet av denna utbildning kommer deltagarna att kunna: Utforska hur data tolkas av maskininlärningsmodeller Navigera genom 3D- och 2D-visningar av data för att förstå hur en maskininlärningsalgoritm tolkar den Förstå begreppen bakom Embeddings och deras roll i att representera matematiska vektorer för bilder, ord och siffror Utforska egenskaperna för en specifik inbäddning för att förstå hur en modell fungerar Applicera Inbäddningsprojekt till realworld-användarfall, så att du bygger ett låtrekommendationssystem för musikälskare Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
openfaceOpenFace: Creating Facial Recognition Systems14 hoursOpenFace är Python och Torch-baserad open source, realtime ansiktsigenkänningsprogram baserat på Googles FaceNet-forskning I den här instruktionsledda träningspasset lär deltagarna att använda OpenFace-komponenter för att skapa och distribuera ett ansiktsigenkänningsprogram för ansikte Vid slutet av denna utbildning kommer deltagarna att kunna: Arbeta med OpenFace-komponenter, inklusive dlib, OpenVC, Torch och nn4 för att genomföra ansiktsdetektering, anpassning och transformation Applicera OpenFace till realworld-applikationer som övervakning, identitetsverifiering, virtuell verklighet, spel och identifiering av upprepade kunder etc Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
pythonadvmlPython for Advanced Machine Learning21 hoursI den här instruktörsledda träningen kommer deltagarna att lära sig de mest relevanta och skärande maskininlärningsteknikerna i Python, eftersom de bygger en serie demoapplikationer som innefattar bild, musik, text och ekonomiska data Vid slutet av denna utbildning kommer deltagarna att kunna: Implementera maskininlärningsalgoritmer och tekniker för att lösa komplexa problem Tillämpa djupt lärande och semisupervised lärande till applikationer som inbegriper bild, musik, text och ekonomiska data Push Python-algoritmer till deras maximala potential Använd bibliotek och paket som NumPy och Theano Publik utvecklare analytiker Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
radvmlAdvanced Machine Learning with R21 hoursI den här instruktörsledningen, levande träning, kommer deltagarna att lära sig avancerade tekniker för maskinlärning med R, eftersom de går igenom skapandet av en realworld-applikation Vid slutet av denna utbildning kommer deltagarna att kunna: Använd tekniker som hyperparameter tuning och djupt lärande Förstå och genomföra oövervakade inlärningstekniker Sätt en modell i produktion för användning i en större applikation Publik utvecklare analytiker Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
tensorflowservingTensorFlow Serving7 hoursTensorFlow Serving is a system for serving machine learning (ML) models to production.

In this instructor-led, live training, participants will learn how to configure and use TensorFlow Serving to deploy and manage ML models in a production environment.

By the end of this training, participants will be able to:

- Train, export and serve various TensorFlow models
- Test and deploy algorithms using a single architecture and set of APIs
- Extend TensorFlow Serving to serve other types of models beyond TensorFlow models

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice

Kommande utbildning från Deep Learning

KursCourse DateCourse Price [Remote / Classroom]
Understanding Deep Neural Networks - Uppsalamån, 2018-09-03 09:3016520EUR / 18220EUR
Advanced Deep Learning - Linköpingmån, 2018-09-10 09:307290EUR / 8290EUR
Deep Learning for Vision with Caffe - Stockholm, Hötorgetons, 2018-09-12 09:305450EUR / 6250EUR
Machine Learning Concepts for Entrepreneurs and Managers - Västeråsons, 2018-09-12 09:303730EUR / 4530EUR
Machine Learning for Banking (with Python) - Göteborgons, 2018-10-03 09:303730EUR / 4530EUR

Other regions

ÖrebroÖstergötlandSkåneStockholmUppsalaVästmanlandVästra Götaland

Other countries

These courses are also available in other countries ››

Consulting

Deep Learning Consulting
Helg Deep Learning kurser, Evening Deep Learning utbildning, Deep Learning boot camp, Deep Learning instructor-led, Helg Deep Learning kurs, KvällDeep Learning kurser, Deep Learning coaching, Deep Learning instruktör, Deep Learning tränare , Deep Learning träningskurser, Deep Learning klasser, Deep Learning on-site, Deep Learning privata kurser, Deep Learning one on one training

Rabatterade kurser

Kurs Venue Course Date Course Price [Remote / Classroom]
Haskell Fundamentals Malmö, Stadskärna mån, 2018-09-10 09:30 2394EUR / 2994EUR
MariaDB Database Administration Stockholm, Hötorget tis, 2018-09-11 09:30 2673EUR / 3273EUR
Introduction to Recommendation Systems Stockholm, Hötorget fre, 2018-10-12 09:30 1314EUR / 1714EUR
Statistical Thinking for Decision Makers Malmö, Stadskärna mån, 2018-11-26 09:30 1503EUR / 1903EUR
Managing Business Rules with PHP Business Rules Malmö, Stadskärna ons, 2018-12-12 09:30 2430EUR / 3030EUR

Nyhetsbrev & Erbjudanden

Anmäl dig till vårt nyhetsbrev så får du information om aktuella rabatter på öppna kurser. Vi respekterar ditt privatliv, så att din e-postadress kommer endast att användas för sändning vårt nyhetsbrev. När som helst kan du ändra inställningarna eller helt avbeställa den.

Våra kunder