Lokala instruktörledda Live Machine Learning (ML) -kurser visar genom praktisk praktik hur man tillämpar maskininlärningstekniker och verktyg för att lösa verkliga problem i olika branscher. NobleProg ML kurser omfattar olika programmeringsspråk och ramverk, inklusive Python, R language och Matlab. Maskininlärningskurser erbjuds för ett antal industriapplikationer, däribland Finans, Bank och Försäkring, och täcker grunden för maskinlärning samt mer avancerade tillvägagångssätt som Deep Learning. Maskininlärningsträning är tillgänglig som "live-träning på plats" eller "fjärrsträning". 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
Ref material att använda senare var mycket bra.
PAUL BEALES- Seagate Technology.
Kurs: Applied Machine Learning
Translated by
Vad tyckte du mest om träningen ?: Gick mig bra med att använda R för att bygga maskininlärningssystem för verkliga situationer. Jag kan använda detta i mitt arbete genast. Detta var en utmärkt kurs. En av de bästa jag har haft.
Matthew Thomas - British Telecom
Kurs: Applied Machine Learning
Translated by
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
Translated by
Tränaren var så kunnig och inkluderade områden jag var intresserad av.
Mohamed Salama
Kurs: Data Mining & Machine Learning with R
Translated by
Ämnet är väldigt intressant.
Wojciech Baranowski
Kurs: Introduction to Deep Learning
Translated by
Tränare teoretisk kunskap och vilja att lösa problemen med deltagarna efter träningen.
Grzegorz Mianowski
Kurs: Introduction to Deep Learning
Translated by
Ämne. Mycket intressant!.
Piotr
Kurs: Introduction to Deep Learning
Translated by
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
Translated by
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
Translated by
Den globala översikten av djupt lärande.
Bruno Charbonnier
Kurs: Advanced Deep Learning
Translated by
Övningarna är tillräckligt praktiska och behöver inte ha stor kunskap i Python att göra.
Alexandre GIRARD
Kurs: Advanced Deep Learning
Translated by
Göra övningar på riktiga exempel med hjälp av Eras. Italien förstod helt våra förväntningar om denna utbildning.
Paul Kassis
Kurs: Advanced Deep Learning
Translated by
Ämnet. Det verkade intressant, men jag lämnade inte veta mer än tidigare.
Radoslaw Labedzki
Kurs: Introduction to Deep Learning
Translated by
Jag gillade att den här kursen hade ett mycket intressant ämne.
Wojciech Wilk
Kurs: Introduction to Deep Learning
Translated by
Jag uppskattade verkligen kristallklara svaren på Chris till våra frågor.
Léo Dubus
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Jag har i allmänhet haft den kunniga tränaren.
Sridhar Voorakkara
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
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
Translated by
Mycket bra allroundöversikt. Bra bakgrund till varför Tensorflow fungerar som det gör.
Kieran Conboy
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Jag gillade möjligheterna att ställa frågor och få djupare förklaringar av teorin.
Sharon Ruane
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
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
Translated by
Utbildningen gav den rätta grunden som gör att vi kan expandera vidare genom att visa hur teori och praktik går hand i hand. Det fick mig faktiskt mer intresserad av ämnet än jag var förut.
Jean-Paul van Tillo
Kurs: Machine Learning and Deep Learning
Translated by
Jag har verkligen haft täckning och djup av ämnen.
Anirban Basu
Kurs: Machine Learning and Deep Learning
Translated by
Tränaren förklarade mycket enkelt svåra och avancerade ämnen.
Leszek K
Kurs: Artificial Intelligence Overview
Translated by
Trainernas djupa kunskaper om ämnet.
Sebastian Görg
Kurs: Introduction to Deep Learning
Translated by
Mycket uppdaterat tillvägagångssätt eller KPI (tensorflöde, era, lär) att göra maskininlärning.
Paul Lee
Kurs: TensorFlow for Image Recognition
Translated by
Mycket flexibel.
Frank Ueltzhöffer
Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
Jag har i allmänhet haft flexibilitet.
Werner Philipp
Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
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
Translated by
Jag fick nytta av ämnesval. Stil av träning. Övningsorientering.
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Alla gillar det
蒙 李
Kurs: Machine Learning Fundamentals with Python
Translated by
sätt att leda och exempel ges av tränaren
ORANGE POLSKA S.A.
Kurs: Machine Learning and Deep Learning
Translated by
Möjlighet att diskutera de föreslagna frågorna själv
ORANGE POLSKA S.A.
Kurs: Machine Learning and Deep Learning
Translated by
Kommunikation med föreläsare
文欣 张
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Gilla det
lisa xie
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Fördjupad täckning av maskininlärning, särskilt neurala nätverk. Demystified mycket av ämnet.
Sacha Nandlall
Kurs: Python for Advanced Machine Learning
Translated by
övningar
L M ERICSSON LIMITED
Kurs: Machine Learning
Translated by
laboratoriet övar
Marcell Lorant - L M ERICSSON LIMITED
Kurs: Machine Learning
Translated by
Jupyter-anteckningsboken, där träningsmaterialet är tillgängligt
L M ERICSSON LIMITED
Kurs: Machine Learning
Translated by
Det fanns många övningar och intressanta ämnen.
L M ERICSSON LIMITED
Kurs: Machine Learning
Translated by
några bra labövningar analyseras och förklaras av tränaren i djupet (t.ex. covariants i linjär regression, som matchar den verkliga funktionen)
L M ERICSSON LIMITED
Kurs: Machine Learning
Translated by
Det är bara bra att allt material inklusive övningarna är på samma sida och då blir det uppdaterat på flygningen. Lösningen avslöjas i slutet. Häftigt! Jag uppskattar också att Krzysztof tog extra ansträngning för att förstå våra problem och föreslog oss möjliga tekniker.
Attila Nagy - L M ERICSSON LIMITED
Kurs: Machine Learning
Translated by
Stor och aktuell kunskap om ledande och praktiska tillämpningsexempel.
ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Translated by
Många övningar, mycket bra samarbete med gruppen.
Janusz Chrobot - ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Translated by
arbeta på colaborators,
ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Translated by
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
Translated by
Ett brett spektrum av ämnen och omfattande kunskaper om ledarna.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Translated by
brist
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Translated by
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
Translated by
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
Translated by
övningar och exempel genomförda på dem
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Translated by
Exempel och problem diskuterade.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Translated by
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
Translated by
Praktiska övningar utarbetade av Mr Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Translated by
Jag var nytta av passionen att undervisa och fokusera på att göra saker förnuftiga.
Zaher Sharifi - GOSI
Kurs: Advanced Deep Learning
Translated by
| Kod | Namn | Varaktighet | Översikt |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 timmar | Kursen har skapats för chefer, lösningar arkitekter, innovationsofficer, CTOs, software arkitekter och alla som är intresserade av en överblick över tillämpad artificiell intelligens och närmaste prognos för sin utveckling. |
| mlios | Machine Learning on iOS | 14 timmar | I den här instruktörsledda träningen kommer deltagarna att lära sig hur man använder IOS Machine Learning (ML) -teknikstacken som de, som de går igenom skapandet och implementeringen av en iOS-mobilapp Vid slutet av denna utbildning kommer deltagarna att kunna: Skapa en mobilapp som kan hantera bildbehandling, textanalys och taligenkänning Få åtkomliga ML-modeller för integration i iOS-appar Skapa en anpassad ML-modell Lägg till Siri Voice stöd till iOS-appar Förstå och använd ramar som coreML, Vision, CoreGraphics och GamePlayKit Använd språk och verktyg som Python, Keras, Caffee, Tensorflow, Scikit Learning, Libsvm, Anaconda och Spyder Publik utvecklare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| textsum | Text Summarization with Python | 14 timmar | I Python Machine Learning kan funktionen Text Summarization läsa inmatningstexten och skapa en textöversikt Denna funktion är tillgänglig från kommandoraden eller som ett Python API / Bibliotek En spännande ansökan är den snabba upprättandet av verkställande sammanfattningar Detta är särskilt användbart för organisationer som behöver granska stora kroppar av textdata innan de genererar rapporter och presentationer I den här instruktörsledningen, live-träning, lär deltagarna att använda Python för att skapa en enkel applikation som autogenererar en sammanfattning av inmatad text Vid slutet av denna utbildning kommer deltagarna att kunna: Använd ett kommandoradsverktyg som sammanfattar text Skapa och skapa text Summarization-kod med Python-bibliotek Utvärdera tre Python-sammanfattningsbiblioteken: sumy 070, pysummarization 104, readless 1017 Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| undnn | Understanding Deep Neural Networks | 35 timmar | Kursen 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 . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 timmar | Apache OpenNLP-biblioteket är en maskinbaserad verktygslåda för bearbetning av naturlig språktext Den stöder de vanligaste NLP-uppgifterna, till exempel språkdetektering, tokenisering, punktsegmentering, partofspeech-taggning, namngiven enhåndsutvinning, chunking, parsing och coreference-upplösning I den här instruktörsledningen, direktutbildning, kommer deltagarna att lära sig att skapa modeller för behandling av textbaserad data med hjälp av OpenNLP Provutbildningsdata samt anpassade dataset kommer att användas som underlag för laborationerna Vid slutet av denna utbildning kommer deltagarna att kunna: Installera och konfigurera OpenNLP Ladda ner befintliga modeller samt skapa egna Träna modellerna på olika uppsättningar av provdata Integrera OpenNLP med befintliga Java-applikationer Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 timmar | Maskininlärning är en gren av artificiell intelligens där datorer har förmåga att lära sig utan att uttryckligen programmeras Python är ett programmeringsspråk som är känt för sin tydliga syntax och läsbarhet Det erbjuder en utmärkt samling välutbildade bibliotek och tekniker för att utveckla maskininlärningsprogram I den här instruktörsledningen, levande träning, kommer deltagarna att lära sig att tillämpa maskininlärningstekniker och verktyg för att lösa realworldproblem i banksektorn Deltagarna lär sig först de viktigaste principerna, sedan sätta sin kunskap i praktiken genom att bygga sina egna maskininlärningsmodeller och använda dem för att slutföra ett antal teamprojekt Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| mlbankingr | Machine Learning for Banking (with R) | 28 timmar | I den här instruktörsledningen, levande träning, kommer deltagarna att lära sig att tillämpa maskininlärningstekniker och verktyg för att lösa realworldproblem i banksektorn R kommer att användas som programmeringsspråk Deltagarna lär sig först de viktigaste principerna, sedan sätta sin kunskap i praktiken genom att bygga sina egna maskininlärningsmodeller och använda dem för att slutföra ett antal levande projekt Publik utvecklare Datavetenskapare Bankpersonal med teknisk bakgrund Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| matlabdl | Matlab for Deep Learning | 14 timmar | I 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 . |
| tensorflowserving | TensorFlow Serving | 7 timmar | TensorFlow 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 . |
| pythontextml | Python: Machine Learning with Text | 21 timmar | I den här instruktörsledda träningen kommer deltagarna att lära sig hur man använder rätt maskininlärning och NLP (Natural Language Processing) tekniker för att extrahera värde från textbaserad data Vid slutet av denna utbildning kommer deltagarna att kunna: Lös textbaserade datavetenskapsproblem med högkvalitativ, återanvändbar kod Applicera olika aspekter av scikitlearn (klassificering, kluster, regression, dimensionalitetsminskning) för att lösa problem Bygg effektiva maskininlärningsmodeller med textbaserad data Skapa en dataset och extrahera funktioner från ostrukturerad text Visualisera data med Matplotlib Bygg och utvärdera modeller för att få insikt Felsök textkodningsfel Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 timmar | Maskininlärning är en gren av artificiell intelligens där datorer har förmåga att lära sig utan att uttryckligen programmeras Python är ett programmeringsspråk som är känt för sin tydliga syntax och läsbarhet Det erbjuder en utmärkt samling välutbildade bibliotek och tekniker för att utveckla maskininlärningsprogram I den här instruktörsutbildningen, levande träning, kommer deltagarna att lära sig att tillämpa maskininlärningstekniker och verktyg för att lösa realworldproblem i finansbranschen Deltagarna lär sig först de viktigaste principerna, sedan sätta sin kunskap i praktiken genom att bygga sina egna maskininlärningsmodeller och använda dem för att slutföra ett antal teamprojekt Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå de grundläggande begreppen i maskininlärning Lär dig applikationer och användningsområden för maskininlärning i ekonomi Utveckla sin egen algoritmiska handelsstrategi med maskininlärning med Python Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| encogintro | Encog: Introduction to Machine Learning | 14 timmar | Encog är en open source-maskininlärningsram för Java ochNet I den här instruktörsledningen, levande träning, kommer deltagarna att lära sig hur man skapar olika neurala nätverkskomponenter med hjälp av ENCOG Realworld fallstudier diskuteras och maskinbaserade lösningar på dessa problem kommer att undersökas Vid slutet av denna utbildning kommer deltagarna att kunna: Förbered data för neurala nätverk med hjälp av normaliseringsprocessen Genomföra foder framåt nätverk och propagation träning metoder Genomföra klassificerings- och regressionsuppgifter Modell och träna neurala nätverk med hjälp av Encogs GUI-baserade arbetsbänk Integrera neuralt nätverkstöd till realworld-applikationer Publik utvecklare analytiker Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| encogadv | Encog: Advanced Machine Learning | 14 timmar | Encog är en open source-maskininlärningsram för Java ochNet I den här instruktörsledda träningen kommer deltagarna att lära sig avancerade maskininlärningstekniker för att bygga exakta neurala nätverksprediktiga modeller Vid slutet av denna utbildning kommer deltagarna att kunna: Implementera olika optimeringstekniker för neurala nätverk för att lösa underfitting och överfitting Förstå och välj från ett antal neurala nätverksarkitekturer Implementera övervakade feed forward och feedback nätverk Publik utvecklare analytiker Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| radvml | Advanced Machine Learning with R | 21 timmar | 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 . |
| pythonadvml | Python for Advanced Machine Learning | 21 timmar | 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 . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 timmar | 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 . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 timmar | 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 . |
| t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 timmar | 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 . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 timmar | Deep 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 . |
| mlfinancer | Machine Learning for Finance (with R) | 28 timmar | Maskininlärning är en gren av artificiell intelligens där datorer har förmåga att lära sig utan att uttryckligen programmeras R är ett populärt programmeringsspråk i finansbranschen Den används i finansiella applikationer, allt från grundläggande handelsprogram till riskhanteringssystem I den här instruktörsutbildningen, levande träning, kommer deltagarna att lära sig att tillämpa maskininlärningstekniker och verktyg för att lösa realworldproblem i finansbranschen R kommer att användas som programmeringsspråk Deltagarna lär sig först de viktigaste principerna, sedan sätta sin kunskap i praktiken genom att bygga sina egna maskininlärningsmodeller och använda dem för att slutföra ett antal teamprojekt Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå de grundläggande begreppen i maskininlärning Lär dig applikationer och användningsområden för maskininlärning i ekonomi Utveckla sin egen algoritmiska handelsstrategi med maskininlärning med R Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 timmar | Snorkel är ett system för snabb skapande, modellering och hantering av träningsdata Det fokuserar på att påskynda utvecklingen av strukturerade eller "mörka" datautvinningsapplikationer för domäner där stora märkta träningssatser inte är tillgängliga eller lättillgängliga I denna instruktionsledda träningspraktik lär deltagarna tekniker för att extrahera värdet från ostrukturerad data, såsom text, tabeller, figurer och bilder genom modellering av träningsdata med Snorkel Vid slutet av denna utbildning kommer deltagarna att kunna: Skapa programmässigt träningssatser för att möjliggöra märkning av massiva träningssatser Träna högkvalitativa slutmodeller genom att först modellera bullriga träningssatser Använd Snorkel för att implementera svaga övervakningstekniker och tillämpa dataprogrammering till svagt lyssnade systeminlärningssystem Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning . |
| ML_LBG | Machine Learning – Data science | 21 timmar | Denna klassrumsbaserade träningspasset kommer att undersöka verktyg för maskininlärning med (föreslagna) Python Delegater kommer att ha datorbaserade exempel och fallstudieövningar att genomföra . |
| appai | Applied AI from Scratch | 28 timmar | This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course. |
| dlfortelecomwithpython | Deep Learning for Telecom (with Python) | 28 timmar | Machine 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. Format of the course - Part lecture, part discussion, exercises and heavy hands-on practice |
| rapidminer | RapidMiner for Machine Learning and Predictive Analytics | 14 timmar | RapidMiner is an open source data science software platform for rapid application prototyping and development. It includes an integrated environment for data preparation, machine learning, deep learning, text mining, and predictive analytics. In this instructor-led, live training, participants will learn how to use RapidMiner Studio for data preparation, machine learning, and predictive model deployment. By the end of this training, participants will be able to: - Install and configure RapidMiner - Prepare and visualize data with RapidMiner - Validate machine learning models - Mashup data and create predictive models - Operationalize predictive analytics within a business process - Troubleshoot and optimize RapidMiner Audience - Data scientists - Engineers - Developers Format of the Course - Part lecture, part discussion, exercises and heavy hands-on practice Note - To request a customized training for this course, please contact us to arrange. |
| aicityplanning | Artificial Intelligence for City Planning | 14 timmar | Hur ser städerna ut i framtiden? Hur kan Artificial Intelligence (AI) användas för att förbättra stadsplaneringen? Hur kan AI användas för att göra städerna mer effektiva, livliga, säkrare och miljövänliga? I den här instruktörsledningen, live-utbildning (onsite eller remote), undersöker vi de olika teknologier som utgör AI, liksom de färdigheter och mentala ramar som krävs för att de ska kunna användas för stadsplanering Vi täcker också verktyg och metoder för att samla och organisera relevanta data för användning i AI, inklusive data mining Publik Stadsplanerare arkitekter utvecklare Transport tjänstemän Kursens format Delföreläsning, diskussion och en serie interaktiva övningar Notera För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna . |
| dlformedicine | Deep Learning for Medicine | 14 timmar | Maskininlärning 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 . |
| algebraforml | Algebra for Machine Learning | 14 timmar | Linjär algebra är en gren av matematik som behandlar vektorer, matriser och linjära transformationer Kunskap om linjär algebra hjälper ingenjörer och utvecklare att förbättra sina maskininlärningsmöjligheter Förståelse av linjära algebra-koncept gör det möjligt för dem att bättre förstå principerna bakom maskininlärningsteknik och därmed lösa problem snabbare I den här instruktörsledda träningsutbildningen kommer deltagarna att lära sig grunderna för linjär algebra när de går igenom lösningen av ett maskininlärningsproblem med hjälp av linjära algebra metoder Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå grundläggande linjära algebra begrepp Lär dig de linjära algebra färdigheter som behövs för maskininlärning Använd linjära algebra strukturer och begrepp när du arbetar med data, bilder, algoritmer etc Lös ett maskininlärningsproblem genom att använda linjär algebra Publik utvecklare ingenjörer 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 . |
| Nue_LBG | Neural computing – Data science | 14 timmar | Denna klassrumsbaserade träningssession kommer att innehålla presentationer och datorbaserade exempel och fallstudieövningar för att genomföra med relevanta neurala och djupa nätverksbibliotek . |
| mllbg | Machine Learning in business – AI/Robotics | 14 timmar | Denna klassrumsbaserade träningspass kommer att undersöka maskininlärningstekniker, med datorbaserade exempel och lösningsövningar med hjälp av ett relevant program languauge . |
| Kurs | Course Date | Course Price [Remote / Classroom] |
|---|---|---|
| Facebook NMT: Setting up a Neural Machine Translation System - Uppsala | mån, 2019-03-25 09:30 | 1260EUR / 1760EUR |
| Facebook NMT: Setting up a Neural Machine Translation System - Örebro, City Center | fre, 2019-04-12 09:30 | 1260EUR / 1660EUR |
| Facebook NMT: Setting up a Neural Machine Translation System - Stockholm, Hötorget | mån, 2019-05-20 09:30 | 1260EUR / 1660EUR |
| Facebook NMT: Setting up a Neural Machine Translation System - Uppsala | mån, 2019-06-03 09:30 | 1260EUR / 1760EUR |
| Facebook NMT: Setting up a Neural Machine Translation System - Örebro, City Center | tors, 2019-06-13 09:30 | 1260EUR / 1660EUR |
| Kurs | Venue | Course Date | Course Price [Remote / Classroom] |
|---|---|---|---|
| OCEB2 OMG Certified Expert in BPM - Business Intermediate Exam Preparation | Göteborg | tis, 2019-02-26 09:30 | 3510EUR / 4310EUR |
| Apache Spark MLlib | Göteborg | mån, 2019-03-18 09:30 | 5679EUR / 6879EUR |
| Docker for Developers and System Administrators | Göteborg | ons, 2019-03-20 09:30 | 2430EUR / 3030EUR |
| Hyperledger Fabric for Beginners | Göteborg | fre, 2019-03-29 09:30 | 2124EUR / 2524EUR |
| IoT security | Linköping | tis, 2019-07-02 09:30 | 4455EUR / 5255EUR |
.png "european central bank (ecb)")
We are looking to expand our presence in Sweden!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!
