
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.
Machine Translated
Vittnesmål
Det var mycket interaktivt och mer avslappnat och informellt än förväntat. Vi omfattade många ämnen på tiden och tränaren var alltid mottaglig för att prata mer i detalj eller mer allmänt om ämnena och hur de var relaterade. Jag tycker att träningen har gett mig verktygen för att fortsätta att lära sig i motsats till att det är en engångsperiod där lärandet slutar när du är klar vilket är mycket viktigt med tanke på ämnets skala och komplexitet.
Jonathan Blease
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Ämnet är väldigt intressant.
Wojciech Baranowski
Kurs: Introduction to Deep Learning
Machine Translated
Tränare teoretisk kunskap och vilja att lösa problemen med deltagarna efter träningen.
Grzegorz Mianowski
Kurs: Introduction to Deep Learning
Machine Translated
Ämne. Mycket intressant!.
Piotr
Kurs: Introduction to Deep Learning
Machine Translated
Övningar efter varje ämne var verkligen hjälpsamma, trots att det var för komplicerat i slutet. I allmänhet var det presenterade materialet mycket intressant och involverat! Övningar med bildigenkänning var stora.
Dolby Poland Sp. z o.o.
Kurs: Introduction to Deep Learning
Machine Translated
Jag tror att om träning skulle ske på polska skulle det göra det möjligt för tränaren att dela sin kunskap effektivare.
Radek
Kurs: Introduction to Deep Learning
Machine Translated
Den globala översikten av djupt lärande.
Bruno Charbonnier
Kurs: Advanced Deep Learning
Machine Translated
Övningarna är tillräckligt praktiska och behöver inte ha hög kunskap i Python .
Alexandre GIRARD
Kurs: Advanced Deep Learning
Machine Translated
Göra övningar på riktiga exempel med hjälp av Eras. Italien förstod helt våra förväntningar om denna utbildning.
Paul Kassis
Kurs: Advanced Deep Learning
Machine Translated
Jag uppskattade verkligen kristallklara svaren på Chris till våra frågor.
Léo Dubus
Kurs: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Jag har i allmänhet haft den kunniga tränaren.
Sridhar Voorakkara
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Jag var förvånad över standarden på den här klassen - jag skulle säga att det var universitetsstandard.
David Relihan
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Mycket bra översikt över hela världen. Go bakom bakgrund till varför Tensorflow fungerar som det gör.
Kieran Conboy
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Jag gillade möjligheterna att ställa frågor och få djupare förklaringar av teorin.
Sharon Ruane
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Vi har fått mycket mer inblick i ämnet. En del fina diskussioner gjordes med några riktiga ämnen inom vårt företag.
Sebastiaan Holman
Kurs: Machine Learning and Deep Learning
Machine Translated
Utbildningen gav rätt grund som gör att vi kan vidareutveckla oss genom att visa hur teori och praktik går hand i hand. Det fick mig faktiskt mer intresserad av ämnet än jag var tidigare.
Jean-Paul van Tillo
Kurs: Machine Learning and Deep Learning
Machine Translated
Jag har verkligen haft täckning och djup av ämnen.
Anirban Basu
Kurs: Machine Learning and Deep Learning
Machine Translated
Trainernas djupa kunskaper om ämnet.
Sebastian Görg
Kurs: Introduction to Deep Learning
Machine Translated
Mycket uppdaterat tillvägagångssätt eller KPI (tensorflöde, era, lär) att göra maskininlärning.
Paul Lee
Kurs: TensorFlow for Image Recognition
Machine Translated
Mycket flexibel.
Frank Ueltzhöffer
Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Jag har i allmänhet haft flexibilitet.
Werner Philipp
Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Med tanke på tekniken: vilken teknik / process kan bli viktigare i framtiden; se vad tekniken kan användas till.
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Jag fick nytta av ämnesval. Stil av träning. Övningsorientering.
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
sätt att leda och exempel ges av tränaren
ORANGE POLSKA S.A.
Kurs: Machine Learning and Deep Learning
Machine Translated
Möjlighet att diskutera de föreslagna frågorna själv
ORANGE POLSKA S.A.
Kurs: Machine Learning and Deep Learning
Machine Translated
Kommunikation med föreläsare
文欣 张
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Gilla det
lisa xie
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Fördjupad täckning av maskininlärning, särskilt neurala nätverk. Demystified mycket av ämnet.
Sacha Nandlall
Kurs: Python for Advanced Machine Learning
Machine Translated
Stor och aktuell kunskap om ledande och praktiska tillämpningsexempel.
ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Machine Translated
Många övningar, mycket bra samarbete med gruppen.
Janusz Chrobot - ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Machine Translated
arbeta på colaborators,
ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Machine Translated
Det var uppenbart att entusiasterna av de presenterade ämnena ledde fram. Används intressanta exempel under träning.
ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Machine Translated
Ett brett spektrum av ämnen och omfattande kunskaper om ledarna.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
brist
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Stor teoretisk och praktisk kunskap om lärarna. Kommunikativitet av tränare. Under kursen kan du ställa frågor och få tillfredsställande svar.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Praktisk del, där vi implementerade algoritmer. Detta möjliggjorde en bättre förståelse av ämnet.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
övningar och exempel genomförda på dem
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Exempel och problem diskuterade.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Väsentlig kunskap, engagemang, ett passionerat sätt att överföra kunskap. Praktiska exempel efter en teoretisk föreläsning.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Praktiska övningar utarbetade av Mr Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Jag var nytta av passionen att undervisa och fokusera på att göra saker förnuftiga.
Zaher Sharifi - GOSI
Kurs: Advanced Deep Learning
Machine Translated
Mänsklig identifiering och kretskort dålig punkt detektering
王 春柱 - 中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Visa
中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Om ansikte område.
中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
De informella utbyten vi hade under föreläsningarna hjälpte mig verkligen att fördjupa min förståelse av ämnet
Explore
Kurs: Deep Reinforcement Learning with Python
Machine Translated
Många praktiska tips
Pawel Dawidowski - ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
Mycket information relaterad till implementering av lösningar
Michał Smolana - ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
En mängd praktiska tips och kunskaper om läraren från ett brett spektrum av AI / IT / SQL / IoT-frågor.
ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
mycket information, alla svarade frågor, intressanta exempel
A1 Telekom Austria AG
Kurs: Deep Learning for Telecom (with Python)
Machine Translated
Jag började med nästan noll kunskap, och i slutet kunde jag bygga och utbilda mina egna nätverk.
Huawei Technologies Duesseldorf GmbH
Kurs: TensorFlow for Image Recognition
Machine Translated
Deep Learning (DL) underkategorier
Deep Learning läroplaner
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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
Kursformat
- Föreläsning och diskussion i kombination med praktiska övningar.
Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.
This instructor-led, live training (online or onsite) is aimed at developers who wish to build a self-driving car (autonomous vehicle) using deep learning techniques.
By the end of this training, participants will be able to:
- Use computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Publik
Kursen riktar sig till forskare, ingenjörer och utvecklare som försöker använda Apache SINGA som en djup inlärningsram.
Efter avslutad kurs kommer delegaterna 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, inbäddningsvillkor, bygga grafer och logga
Den här instruktörsledda, liveutbildningen (på plats eller fjärrkontroll) riktar sig till utvecklare och datavetare som vill använda Tensorflow 2.0 för att bygga prediktorer, klassificerare, generativa modeller, neurala nätverk och så vidare.
I slutet av denna träning kommer deltagarna att kunna:
- Installera och konfigurera TensorFlow 2.0.
- Förstå fördelarna med TensorFlow 2.0 jämfört med tidigare versioner.
- Bygg djupa inlärningsmodeller.
- Implementera en avancerad bildklassificerare.
- Distribuera en djup inlärningsmodell till moln-, mobil- och IoT-enheter.
Kursformat
- Interaktiv föreläsning och diskussion.
- Massor av övningar och träning.
- Praktisk implementering i en levande labbmiljö.
Alternativ för kursanpassning
- För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.
- För mer TensorFlow om TensorFlow , besök: https://www.tensorflow.org/
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing machine learning models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand their default capabilities.
- Deploy deep learning models on embedded devices running Linux to solve physical world problems such as recognizing images and voice, predicting patterns, and initiating movements and responses from robots and other embedded systems in the field.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
- To learn more about TensorFlow, please visit: https://www.tensorflow.org/lite/
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
I den här lärarledda liveutbildningen får deltagarna lära sig att konfigurera och använda TensorFlow Servering för att distribuera och hantera ML-modeller i en produktionsmiljö.
I slutet av denna utbildning kommer deltagarna att kunna:
- Träna, exportera och betjäna olika TensorFlow modeller
- Testa och distribuera algoritmer med en enda arkitektur och uppsättning API:er
- Utöka TensorFlow Servering för att betjäna andra typer av modeller utöver TensorFlow modeller
Kursens format
- Delföreläsning, deldiskussion, övningar och tunga praktiska övningar
Alternativ för kursanpassning
- För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.
Publik
Kursen är avsedd för ingenjörer som vill använda TensorFlow för sina Deep Learning projekt
Efter avslutad kurs kommer delegaterna att:
- 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
Publik
Kursen är avsedd för ingenjörer som vill använda TensorFlow för TensorFlow
Efter avslutad kurs kommer deltagarna att kunna:
- förstå TensorFlow struktur och distributionsmekanismer
- utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration
- utvärdera kodkvalitet, utföra felsökning, övervakning
- implementera avancerad produktion som träningsmodeller, bygga grafer och logga
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
I denna instruktörsledda, liveträning täcker vi principerna för Torch , dess unika funktioner och hur den kan tillämpas i verkliga applikationer. Vi går igenom många praktiska övningar hela tiden, demonstrerar och övar de lärda koncepten.
I slutet av kursen kommer deltagarna att ha en grundlig förståelse av Torch underliggande funktioner och kapacitet samt dess roll och bidrag inom AI-rymden jämfört med andra ramverk och bibliotek. Deltagarna kommer också ha fått nödvändig praxis för att implementera Torch i sina egna projekt.
Kursformat
- Översikt över maskin- och Deep Learning
- Kodnings- och integrationsövningar i klassen
- Testfrågor strö på vägen för att kontrollera förståelsen
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
This instructor-led, live training (online or onsite) is aimed at developers who wish to build hardware-accelerated object detection and tracking models to analyze streaming video data.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Den här utbildningen är mer fokuserad på fundament, men hjälper dig att välja rätt teknik: TensorFlow , Caffe , Teano, DeepDrive, Keras , etc. Exemplen är gjorda i TensorFlow .