1. Artificiell Intelligens Training
  2. Machine Learning Training
  3. 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

TensorFlow kurser och utbildningTensorFlow
Deeplearning4j kurser och utbildningDeeplearning4j
Apache SINGA kurser och utbildningApache SINGA
Caffe kurser och utbildningCaffe
Torch kurser och utbildningTorch

Kursplaner från Deep Learning

KodNamnVaraktighetÖversikt
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 timmarArtificial 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.
undnnUnderstanding Deep Neural Networks35 timmarKursen börjar med att ge dig konceptuell kunskap i neurala nätverk och i allmänhet i maskininlärningsalgoritm, djup inlärning (algoritmer och applikationer) Del 1 (40%) av denna utbildning är mer inriktad på grundläggande, men hjälper dig att välja rätt teknik: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc Part2 (20%) av denna utbildning introducerar Theano ett pythonbibliotek som gör det enkelt att skriva djupa inlärningsmodeller Del 3 (40%) av utbildningen skulle i hög grad baseras på Tensorflow 2nd Generation API för Googles öppna källprogram 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 deltagare att: ha en god förståelse för djupa neurala nätverk (DNN), CNN och RNN 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 Inte alla ämnen skulle täckas i ett offentligt klassrum med 35 timmars varaktighet på grund av ämnets storhet Varaktigheten av hela kursen är cirka 70 timmar och inte 35 timmar .
dsstneAmazon DSSTNE: Build a Recommendation System7 timmarAmazon 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 timmarTensor2Tensor (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 timmarEmbedding 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 timmarOpenFace 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 timmarI 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 timmarI 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 timmarTensorFlow Serving är ett system för servering av maskinlärande (ML) modeller till produktion I den här instruktionsledda träningen lär deltagarna att konfigurera och använda TensorFlow Serving för att distribuera och hantera ML-modeller i en produktionsmiljö Vid slutet av denna utbildning kommer deltagarna att kunna: Tåg, exportera och betjäna olika TensorFlow-modeller Testa och distribuera algoritmer med en enda arkitektur och uppsättning API: er Utök TensorFlow Serving för att betjäna andra typer av modeller utöver TensorFlow-modeller Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
matlabdlMatlab for Deep Learning14 timmarI den här instruktionsledda träningen lär deltagarna att lära sig att använda Matlab för att designa, bygga och visualisera ett fällande neuralt nätverk för bildigenkänning Vid slutet av denna utbildning kommer deltagarna att kunna: Bygg en djup inlärningsmodell Automatisera datamärkning Arbeta med modeller från Caffe och TensorFlowKeras Träna data med flera GPU: er, molnet eller klustren Publik utvecklare ingenjörer Domänexperter Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
dlfornlpDeep Learning for NLP (Natural Language Processing)28 timmarDeep Learning för NLP tillåter en maskin att lära sig enkel till komplex språkbehandling Bland de uppgifter som för närvarande är möjliga är språköversättning och bildgenerering för foton DL (Deep Learning) är en delmängd av ML (Machine Learning) Python är ett populärt programmeringsspråk som innehåller bibliotek för Deep Learning för NLP I den här instruktörsledda träningen lär deltagarna att använda Python-bibliotek för NLP (Natural Language Processing) eftersom de skapar en applikation som behandlar en uppsättning bilder och genererar bildtexter Vid slutet av denna utbildning kommer deltagarna att kunna: Design och kod DL för NLP med Python-bibliotek Skapa Python-kod som läser en väldigt stor samling bilder och genererar nyckelord Skapa Python-kod som genererar bildtexter från de upptäckta sökorden Publik Programmerare med intresse för lingvistik Programmerare som söker en förståelse för NLP (Natural Language Processing) Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 timmarMicrosoft 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 .
dlfinancewithrDeep Learning for Finance (with R)28 timmarMaskininlärning 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 R är ett populärt programmeringsspråk i finansbranschen Den används i finansiella applikationer, allt från grundläggande handelsprogram till riskhanteringssystem I den här instruktörsledda träningen kommer deltagarna att lära sig att implementera djupa inlärningsmodeller för finansiering genom att använda R, eftersom de går igenom skapandet av en djup inlärning av aktiekursutvecklingsmodell Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå de grundläggande begreppen djupt lärande Lär dig applikationer och användningsområden för djupt lärande i ekonomi Använd R för att skapa djupa inlärningsmodeller för ekonomi Bygg din egen djupt lärande aktiekurs förutsägelse modell med hjälp av R Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
dlforbankingwithpythonDeep Learning for Banking (with Python)28 timmarMaskininlärning 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 Python är ett högkvalitets programmeringsspråk känt för sin tydliga syntax och kodläsbarhet I den här instruktörsledda träningen kommer deltagarna att lära sig hur man genomför djupa inlärningsmodeller för banker med Python, eftersom de går igenom skapandet av en djupinlärningsmodell för kreditrisk Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå de grundläggande begreppen djupt lärande Lär dig applikationer och användningsområden för djupt lärande i bank Använd Python, Keras och TensorFlow för att skapa djupa inlärningsmodeller för bank Bygg din egen djupt lärande kreditrisk modell med Python Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
dlforbankingwithrDeep Learning for Banking (with R)28 timmarMaskininlärning 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 R är ett populärt programmeringsspråk i finansbranschen Den används i finansiella applikationer, allt från grundläggande handelsprogram till riskhanteringssystem I den här instruktörsledda träningen kommer deltagarna att lära sig hur man genomför djupa inlärningsmodeller för banker med hjälp av R, eftersom de går igenom skapandet av en djupinlärningsmodell för kreditrisk Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå de grundläggande begreppen djupt lärande Lär dig applikationer och användningsområden för djupt lärande i bank Använd R för att skapa djupa inlärningsmodeller för bank Bygg din egen djuplärande kreditriskmodell med hjälp av R Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
dlforfinancewithpythonDeep Learning for Finance (with Python)28 timmarMaskininlärning 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 Python är ett högkvalitets programmeringsspråk känt för sin tydliga syntax och kodläsbarhet I den här instruktörsledda träningsutbildningen kommer deltagarna att lära sig hur man genomför djupa inlärningsmodeller för finansiering genom att använda Python eftersom de går igenom skapandet av en djup inlärning av aktiekursutvecklingsmodell Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå de grundläggande begreppen djupt lärande Lär dig applikationer och användningsområden för djupt lärande i ekonomi Använd Python, Keras och TensorFlow för att skapa djupa inlärningsmodeller för ekonomi Bygg din egen djupt lärande aktiekurs förutsägelse modell med Python Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
drlpythonDeep Reinforcement Learning with Python21 timmarDeep Reinforcement Learning hänvisar till förmågan hos ett "artificiellt medel" att lära sig genom trialanderror och rewardsandpunishments Ett konstgjort medel syftar till att efterlikna en människas förmåga att erhålla och konstruera kunskap på egen hand, direkt från råa ingrepp som visioner För att uppnå förstärkning lärande används djupt lärande och neurala nätverk Förstärkningsinlärning skiljer sig från maskininlärning och litar inte på övervakade och oövervakade inlärningsmetoder I den här instruktörsledda träningsutbildningen kommer deltagarna att lära sig grunden för Deep Reinforcement Learning som de går igenom skapandet av en Deep Learning Agent Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå nyckelbegreppen bakom Deep Reinforcement Learning och kunna särskilja det från maskinlärande Applicera avancerade förstärkningsinlärningsalgoritmer för att lösa realworldproblem Bygg ett djupt lärandeagent Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21 timmarIntroduktion : Djupinlärning blir en viktig del av framtida produktdesign som vill integrera artificiell intelligens i deras modeller Inom de närmaste 5 till 10 åren kommer utvecklingsverktyg för djupt lärande , bibliotek och språk att bli standardkomponenter i varje mjukvaruutvecklingsverktyg Hittills har Google, Sales Force, Facebook, Amazon framgångsrikt använt djupt lärande AI för att öka sin verksamhet Applikationer varierade från automatisk maskinöversättning, bildanalys, videoanalys, rörelsesanalys, generering av riktade annonser och många fler Denna kurs syftar till de organisationer som vill integrera Deep Learning som en väsentlig del av sin produkt- eller servicestrategi Nedan beskrivs den djupa inlärningskursen som vi kan anpassa för olika nivåer av anställda / intressenter i en organisation Målgrupp: (Beroende på målgrupp, kommer kursmaterial att anpassas) chefer En allmän översikt över AI och hur det passar in i företagsstrategi, med breakouts på strategisk planering, vägkartor för teknik och resursallokering för att säkerställa maximalt värde Projektledare Hur man planerar ett AI-projekt, inklusive insamling och utvärdering av data, datauppsättning och verifiering, utveckling av en proofofconceptmodell, integration i affärsprocesser och leverans över hela organisationen utvecklare Indepth tekniska utbildningar, med fokus på neurala nätverk och djupt lärande, bild- och videoanalys (CNN), ljud- och textanalys (NLP), och förmedling av AI till befintliga applikationer säljare En allmän översikt över AI och hur den kan tillgodose kundernas behov, värdera propositioner för olika produkter och tjänster, och hur man kan undanröja rädslan och främja fördelarna med AI .
Nue_LBGNeural computing – Data science14 timmarDenna klassrumsbaserade träningssession kommer att innehålla presentationer och datorbaserade exempel och fallstudieövningar för att genomföra med relevanta neurala och djupa nätverksbibliotek .
dlformedicineDeep Learning for Medicine14 timmarMaskininlärning är en gren av artificiell intelligens där datorer har förmåga att lära sig utan att uttryckligen programmeras Deep Learning är ett delfält av maskinlärning som försöker efterlikna den mänskliga hjärnans arbete vid beslut Det är utbildat med data för att automatiskt ge lösningar på problem Deep Learning ger stora möjligheter till den medicinska industrin som sitter på en data goldmine I denna instruktörledda, levande träning kommer deltagarna att delta i en serie diskussioner, övningar och casestudy analys för att förstå grunden som Deep Learning De viktigaste Deep Learning-verktygen och -teknikerna kommer att utvärderas och e- övningar utförs för att förbereda deltagarna för att genomföra sin egen utvärdering och implementering av Deep Learning-lösningar inom sina organisationer Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå grunden för Deep Learning Lär dig djupt lärande tekniker och deras tillämpningar inom branschen Undersök problem i medicin som kan lösas av Deep Learning-tekniken Utforska Deep Learning casestudier i medicin Formulera en strategi för att anta den senaste tekniken i Deep Learning för att lösa problem i medicinen Publik chefer Medicinska experter i ledarrollen Kursens format Delföreläsning, diskussion, övningar och tung handson-övning Notera För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna .
dlfortelecomwithpythonDeep Learning for Telecom (with Python)28 timmarMachine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability.

In this instructor-led, live training, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model.

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

- Understand the fundamental concepts of deep learning
- Learn the applications and uses of deep learning in telecom
- Use Python, Keras, and TensorFlow to create deep learning models for telecom
- Build their own deep learning customer churn prediction model using Python

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
PaddlePaddlePaddlePaddle21 timmarPaddlePaddle (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 .
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7 timmarTensor 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 .
deeplearning1Introduction to Deep Learning21 timmarKursen 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.
dl4jirDeepLearning4J for Image Recognition21 timmarDeeplearning4j 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 .
bspkannmldtArtificial Neural Networks, Machine Learning and Deep Thinking21 timmarArtificial 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.
dladvAdvanced Deep Learning28 timmarMaskininlärning 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 timmarTensorFlow 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 .
tfirTensorFlow for Image Recognition28 timmarDenna 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 timmarTensorFlow ™ 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 .

Kommande utbildning från Deep Learning

KursCourse DateCourse Price [Remote / Classroom]
Deep Learning for Vision with Caffe - Stockholm, Hötorgetmån, 2019-02-18 09:305450EUR / 6250EUR
Deep Learning for Vision with Caffe - Malmö, Stadskärnaons, 2019-02-20 09:305450EUR / 6250EUR
Deep Learning for Vision with Caffe - Göteborgmån, 2019-02-25 09:305450EUR / 6250EUR
Deep Learning for Vision with Caffe - Linköpingtis, 2019-03-05 09:305450EUR / 6250EUR
Deep Learning for Vision with Caffe - Uppsalaons, 2019-03-06 09:305450EUR / 6550EUR

Other regions

StockholmUppsalaSkåneVästra GötalandVästmanlandÖrebroÖstergötland

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

KursVenueCourse DateCourse Price [Remote / Classroom]
OCEB2 OMG Certified Expert in BPM - Business Intermediate Exam PreparationGöteborgtis, 2019-02-26 09:303510EUR / 4310EUR
Apache Spark MLlibGöteborgmån, 2019-03-18 09:305679EUR / 6879EUR
Docker for Developers and System AdministratorsGöteborgons, 2019-03-20 09:302430EUR / 3030EUR
Hyperledger Fabric for BeginnersGöteborgfre, 2019-03-29 09:302124EUR / 2524EUR
IoT security Linköpingtis, 2019-07-02 09:304455EUR / 5255EUR

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

is growing fast!

We are looking to expand our presence in Sweden!

As a Business Development Manager you will:

  • expand business in Sweden
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!