Deep Learning kurser och utbildning

  1. Kurskatalog
  2. Artificiell Intelligens Utbildning
  3. Machine Learning Utbildning
  4. 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.

Machine Translated

Vittnesmål

★★★★★
★★★★★

Deep Learning (DL) underkategorier

TensorFlow kurser och utbildningTensorFlow
Caffe kurser och utbildningCaffe
Deeplearning4j kurser och utbildningDeeplearning4j
Torch kurser och utbildningTorch
Apache SINGA kurser och utbildningApache SINGA
Keras kurser och utbildningKeras
Apache MXNet kurser och utbildningApache MXNet
OpenVINO kurser och utbildningOpenVINO

Deep Learning läroplaner

Kurs Namn
Varaktighet
Översikt
Kurs Namn
Varaktighet
Översikt

Artificial Neural Networks, Machine Learning, Deep Thinking

21 timmar
Översikt
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.

Introduction to Deep Learning

21 timmar
Översikt
Kursen är en allmän översikt för Deep Learning utan att gå för djupt in i några specifika metoder. Det är lämpligt för människor som vill börja använda Deep learning för att förbättra deras noggrannhet i förutsägelse.

Artificial Neural Networks, Machine Learning and Deep Thinking

21 timmar
Översikt
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.

Advanced Deep Learning

28 timmar
Översikt
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.

Deep Learning with TensorFlow

21 timmar
Översikt
TensorFlow är ett 2: a generationens API för Go ogles öppna källkodsbibliotek för Deep Learning . Systemet är utformat för att underlätta forskning inom 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 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

TensorFlow for Image Recognition

28 timmar
Översikt
Denna kurs undersöker, med specifika exempel, tillämpningen av Tensor Flow för syftena med bildigenkänning

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

Natural Language Processing with TensorFlow

35 timmar
Översikt
TensorFlow ™ 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 .

NLP with Deeplearning4j

14 timmar
Översikt
Deeplearning4j är ett open source-distribuerat djupinlärningsbibliotek skrivet för Java och Scala . Integrerad med Hadoop och Spark är DL4J designad för att användas i affärsmiljöer på distribuerade GPU er och CPU: er.

Word 2Vec är en metod för att beräkna vektorrepresentationer av ord introducerade av ett team av forskare på Go ogle under ledning av Tomas Mikolov.

Publik

Kursen riktar sig till forskare, ingenjörer och utvecklare som vill använda Deeplearning4J för att konstruera Word 2Vec-modeller.

Mastering Deeplearning4j

21 timmar
Översikt
Deeplearning4j är det första kommersiella klass, open source, distribuerat djupinlärningsbibliotek skriven för Java och Scala . Integrerad med Hadoop och Spark är DL4J designad för att användas i affärsmiljöer på distribuerade GPU er och CPU: er.

Publik

Kursen riktar sig till ingenjörer och utvecklare som vill använda Deeplearning4j i sina projekt.

Efter denna kurs kommer delegater att kunna:

Mastering Apache SINGA

21 timmar
Översikt
SINGA är en allmänt distribuerad plattform för djup inlärning för utbildning av stora djupa inlärningsmodeller över stora datasätt. Den är utformad med en intuitiv programmeringsmodell baserad på skiktabstraktionen. En mängd populära djupa inlärningsmodeller stöds, nämligen framåtriktade modeller inklusive inblandade neurala nätverk (CNN), energimodeller som begränsad Boltzmann-maskin (RBM) och återkommande neurala nätverk (RNN). Många inbyggda lager tillhandahålls för användare. SINGA-arkitekturen är tillräckligt flexibel för att köra synkron, asynkron och hybrid träningsramar. SINGA stöder också olika neurala nätpartitioneringsscheman för att parallellisera utbildningen av stora modeller, nämligen partitionering på batchdimension, funktionsdimension eller hybridpartitionering.

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

DeepLearning4J for Image Recognition

21 timmar
Översikt
Deeplearning4j är en öppen källkodsprogram för Java och Scala på Hadoop och Spark.

Publik

Denna kurs är avsedd för ingenjörer och utvecklare som vill använda DeepLearning4J i sina bildigenkänningsprojekt.

Deep Learning for Vision with Caffe

21 timmar
Översikt
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

Deep Learning for Vision

21 timmar
Översikt
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.

Artificial Intelligence in Automotive

14 timmar
Översikt
Kursen täcker AI (med betoning på Machine Learning och Deep Learning ) inom Automotive . Det hjälper till att bestämma vilken teknik som (potentiellt) kan användas i flera situationer i en bil: från enkel automatisering, bildigenkänning till autonomt beslutsfattande.

Neural Networks Fundamentals using TensorFlow as Example

28 timmar
Översikt
Denna kurs kommer att ge dig kunskap i neurala nätverk och generellt i maskininlärningsalgoritm, djup inlärning (algoritmer och applikationer).

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 .

Machine Learning and Deep Learning

21 timmar
Översikt
Kursen täcker AI (med betoning på Machine Learning och Deep Learning )

Torch for Machine and Deep Learning

21 timmar
Översikt
Torch är ett bibliotek för öppen källkodsmaskin och ett vetenskapligt datoramverk baserat på Lua programmeringsspråk. Det tillhandahåller en utvecklingsmiljö för numerik, maskininlärning och datorsyn, med särskild tonvikt på djup inlärning och invändiga nät. Det är en av de snabbaste och mest flexibla ramarna för maskin och Deep Learning och används av företag som Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel och många andra.

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

OpenNN: Implementing Neural Networks

14 timmar
Översikt
I den här instruktörsledda, liveträningen går vi igenom principerna för neurala nätverk och använder OpenNN att implementera en provapplikation.

Kursformat

- Föreläsning och diskussion i kombination med praktiska övningar.

OpenNMT: Setting Up a Neural Machine Translation System

7 timmar
Översikt
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

Introduction Deep Learning & Neural networks for engineers

21 timmar
Översikt
Typ: Teoretisk utbildning med tillämpningar beslutade uppströms med eleverna på Lasagne eller Keras enligt den pedagogiska gruppen

Lärningsmetod: presentation, utbyte och fallstudier

Konstgjord intelligens, efter att ha stört många vetenskapliga områden, började revolutionera ett stort antal ekonomiska sektorer (industri, medicin, kommunikation etc.). Ändå är dess presentation i stora medier ofta fantasi, långt borta från vad som verkligen är områdena Machine Learning eller Deep Learning . Syftet med denna utbildning är att ge ingenjörer som redan har behärskning av datorverktyg (inklusive en programvarubaseringsbas) en introduktion till Deep Learning och dess olika specialiseringsområden och därför till de huvudsakliga befintliga nätverksarkitekturerna. idag. Om de matematiska grunderna återkallas under kursen rekommenderas en matematiknivå av typ BAC + 2 för mer komfort. Det är absolut möjligt att hoppa över den matematiska axeln för att bara behålla en "system" -vision, men denna strategi kommer att begränsa din förståelse av ämnet kraftigt.

Facebook NMT: Setting up a Neural Machine Translation System

7 timmar
Översikt
Fairseq 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 .

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 timmar
Översikt
Tensor 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 .

Microsoft Cognitive Toolkit 2.x

21 timmar
Översikt
Microsoft 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 .

PaddlePaddle

21 timmar
Översikt
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 .

Amazon DSSTNE: Build a Recommendation System

7 timmar
Översikt
I denna instruktörsledda, liveträning kommer deltagarna att lära sig att använda DSSTNE för att bygga en rekommendationsapplikation.

I slutet av denna träning kommer deltagarna att kunna:

- Träna en rekommendationsmodell med glesa datasätt som input
- Skala utbildning och förutsägelse modeller över flera GPU er
- Sprid ut beräkning och lagring på ett modellparallellt sätt
- Generera Amazon-liknande anpassade produktrekommendationer
- Distribuera en produktionsklar applikation som kan skala vid stora arbetsbelastningar

Kursformat

- Delföreläsning, delvis diskussion, övningar och tung praktisk övning

T2T: Creating Sequence to Sequence Models for Generalized Learning

7 timmar
Översikt
Tensor2Tensor (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 .

Embedding Projector: Visualizing Your Training Data

14 timmar
Översikt
Embedding 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 .

OpenFace: Creating Facial Recognition Systems

14 timmar
Översikt
OpenFace 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 .

Python for Advanced Machine Learning

21 timmar
Översikt
I 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 .

Advanced Machine Learning with R

21 timmar
Översikt
I 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 .

Kommande Deep Learning Kurser

Hardware-Accelerated Video Analytics

2021-06-03 09:30:00
14 timmar
Avlägsen 2000 EUR Klassrum N/A
LÄS MER

Neural computing – Data science

2021-06-22 09:30:00
14 timmar
Avlägsen 2500 EUR Klassrum N/A
LÄS MER

Deep Learning for Telecom (with Python)

2021-06-29 09:30:00
28 timmar
Avlägsen 4000 EUR Klassrum N/A
LÄS MER

Deep Learning for Medicine

2021-07-06 09:30:00
14 timmar
Avlägsen 2500 EUR Klassrum N/A
LÄS MER

Python and Deep Learning with OpenCV 4

2021-07-06 09:30:00
14 timmar
Avlägsen 2000 EUR Klassrum N/A
LÄS MER

Andra länder

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

Rabatterade kurser

DevOps Practical Implementation and Tools

05/31/2021 - 09:30
21 timmar
Online3750 EUR 3375 EUR Klassrum4550 EUR N/A
LÄS MER

Foundation R

07/01/2021 - 09:30
7 timmar
Online1250 EUR 1125 EUR Klassrum1650 EUR N/A
LÄS MER

Magellan: Geospatial Analytics on Spark

07/14/2021 - 09:30
14 timmar
Online2500 EUR 2250 EUR Klassrum3100 EUR N/A
LÄS MER

Introduction to Julia

07/27/2021 - 09:30
14 timmar
Online2500 EUR 2250 EUR Klassrum3100 EUR N/A
LÄS MER

Applied Machine Learning

09/30/2021 - 09:30
14 timmar
Online2500 EUR 2250 EUR Klassrum3300 EUR N/A
LÄS MER

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!

This site in other countries/regions