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
Machine Translated
Vittnesmål
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
Det visar många metoder med förberedda skript - mycket snyggt förberedda material och lätt att spåra
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Kurs: Machine Learning – Data science
Machine Translated
Jag gillar att utbildningen var fokuserad på exempel och kodning. Jag tänkte att det är omöjligt att packa så mycket innehåll i tre dagars träning, men jag tog fel. Träningen täckte många ämnen och allt gjordes på ett mycket detaljerat sätt (speciellt inställning av modellens parametrar - jag förväntade mig inte att det skulle finnas en tid för detta och jag blev överraskad överraskad).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Kurs: Machine Learning – Data science
Machine Translated
Alternativteori / praktik effektiv!
CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Progressiv presentation och tillämpning av metoder
Aurélien Briffaz - CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Tillgänglighet och anpassningsbarhet, svar på frågor
Jean-Michel MEOT - CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Frågor diskuterade, genomförda övningar (exempel), utbildningstemning, kontakt med tränaren, plats
Wojskowe Zakłady Uzbrojenia S.A. w Grudziądzu
Kurs: Octave not only for programmers
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
Jag gillar att det fokuserar mer på hur de olika metoderna för sammanfattning av text används
Kurs: Text Summarization with Python
Machine Translated
mycket information, alla svarade frågor, intressanta exempel
A1 Telekom Austria AG
Kurs: Deep Learning for Telecom (with Python)
Machine Translated
Tränaren var en professionell inom ämnesområdet och relaterad teori med tillämpning utmärkt
Fahad Malalla - Tatweer Petroleum
Kurs: Applied AI from Scratch in 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
Ewa has a passion for the subject and a huge wealth of knowledge. She impressed all of us with her knowledge and kept us all focused through the day.
Rock Solid Knowledge Ltd
Kurs: Machine Learning – Data science
Even with having to miss a day due to customer meetings, I feel I have a much clearer understanding of the processes and techniques used in Machine Learning and when I would use one approach over another. Our challenge now is to practice what we have learned and start to apply it to our problem domain
Richard Blewett - Rock Solid Knowledge Ltd
Kurs: Machine Learning – Data science
So much breadth and topics covered. I felt it was a huge subject to try and cover in 3 days - the trainer did what they could to cover everything almost exactly on time!
Rock Solid Knowledge Ltd
Kurs: Machine Learning – Data science
Adjusting to our needs
Sumitomo Mitsui Finance and Leasing Company, Limited
Kurs: Kubeflow
Jag gillar att det fokuserar mer på hur de olika metoderna för sammanfattning av text används
Kurs: Text Summarization with Python
Machine Translated
Machine Learning (ML) underkategorier
Machine Learning läroplaner
Kurs Namn
Varaktighet
Översikt
Kurs Namn
Varaktighet
Översikt
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.
21 timmar
Översikt
syftet med kursen är att ge allmän färdighet i att tillämpa maskin inlärnings metoder i praktiken. Genom att använda programmeringsspråket python och dess olika bibliotek, och baserat på en mängd praktiska exempel lär den här kursen Hur man använder de viktigaste Bygg stenarna i Machine Learning, hur man fattar beslut om data modellering, tolkar utdata från algoritmerna och validera resultaten.
vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygs lådan Machine Learning tryggt och säkert och undvika de vanliga fallgroparna i data Sciences applikationer.
vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygs lådan Machine Learning tryggt och säkert och undvika de vanliga fallgroparna i data Sciences applikationer.
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 .
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.
Kursformat
- Föreläsning och diskussion i kombination med praktiska övningar.
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
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
14 timmar
Översikt
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 .
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 .
14 timmar
Översikt
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
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.
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.
21 timmar
Översikt
Kursen är avsedd för dem som vill veta ett alternativt program till det kommersiella MATLAB-paketet Tredjedagsutbildningen ger omfattande information om att flytta runt miljön och utföra OCTAVE-paketet för dataanalys och ingenjörsberäkningar Utbildningsmottagarna är nybörjare men även de som känner till programmet och vill systematisera sin kunskap och förbättra sina färdigheter Kunskap om andra programmeringsspråk är inte nödvändigt, men det kommer att underlätta väldigt lärandes kunskapsöverskott Kursen visar hur du använder programmet i många praktiska exempel .
14 timmar
Översikt
Denna klassbaserad träning kommer att innehålla presentationer och datorbaserade exempel och fallstudieövningar för att genomföra med relevanta neurala och djupa nätbibliotek.
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 .
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 .
21 timmar
Översikt
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
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 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.
21 timmar
Översikt
Denna klassbaserad träning kommer att utforska maskininlärningsverktyg med (föreslagit) Python . Delegaterna kommer att ha datorbaserade exempel och fallstudieövningar att genomföra.
21 timmar
Översikt
Denna kurs introducerar maskininlärningsmetoder i robotapplikationer.
Det är en bred översikt över befintliga metoder, motivationer och huvudidéer i samband med mönsterigenkänning.
Efter en kort teoretisk bakgrund kommer deltagarna att utföra enkel träning med öppen källkod (vanligtvis R) eller annan populär programvara.
Det är en bred översikt över befintliga metoder, motivationer och huvudidéer i samband med mönsterigenkänning.
Efter en kort teoretisk bakgrund kommer deltagarna att utföra enkel träning med öppen källkod (vanligtvis R) eller annan populär programvara.
14 timmar
Översikt
MLOps (Machine Learning Operations) is the practice of integrating data science and operations to help manage the ML lifecycle. MLOps provides the ability to automate the reproduction of machine learning model development and training.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
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 Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
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.
21 timmar
Översikt
PredictionIO är en öppen källkod för Machine Learning byggd ovanpå toppmodern open source-stack.
Publik
Kursen riktar sig till utvecklare och datavetare som vill skapa förutsägbara motorer för alla maskininlärningsuppgifter.
Publik
Kursen riktar sig till utvecklare och datavetare som vill skapa förutsägbara motorer för alla maskininlärningsuppgifter.
35 timmar
Översikt
MLOps is a set of tools and methodologies for combining Machine Learning and DevOps practices. The goal of MLOps is to automate and optimize the deployment and maintenance of ML systems in production.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
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 evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
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.
14 timmar
Översikt
Denna klassrumsbaserade träningspass kommer att undersöka maskininlärningstekniker, med datorbaserade exempel och lösningsövningar med hjälp av ett relevant program languauge .
14 timmar
Översikt
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 .
7 timmar
Översikt
Denna utbildning är för personer som vill använda grundläggande tekniker för Machine Learning i praktiska tillämpningar.
Publik
Datavetare och statistiker som känner till maskininlärning och vet hur man programmerar R. Kursen betonar de praktiska aspekterna av data / modellberedning, exekvering, post hoc-analys och visualisering. Syftet är att ge en praktisk introduktion till maskininlärning för deltagare som är intresserade av att tillämpa metoderna på jobbet
Sektorspecifika exempel används för att göra utbildningen relevant för publiken.
Publik
Datavetare och statistiker som känner till maskininlärning och vet hur man programmerar R. Kursen betonar de praktiska aspekterna av data / modellberedning, exekvering, post hoc-analys och visualisering. Syftet är att ge en praktisk introduktion till maskininlärning för deltagare som är intresserade av att tillämpa metoderna på jobbet
Sektorspecifika exempel används för att göra utbildningen relevant för publiken.
14 timmar
Översikt
Syftet med denna kurs är att tillhandahålla en grundläggande färdighet i att tillämpa Machine Learning metoder i praktiken. Genom att använda R-programmeringsplattformen och dess olika bibliotek, och baserat på en mängd praktiska exempel lär denna kurs hur man använder de viktigaste byggstenarna i Machine Learning , hur man fattar beslut om datamodellering, tolkar utgångarna från algoritmerna och validera resultaten.
Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygslådan för Machine Learning säkerhet och undvika de vanliga fallgroparna i Data Science applikationer.
Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygslådan för Machine Learning säkerhet och undvika de vanliga fallgroparna i Data Science applikationer.
14 timmar
Översikt
Syftet med denna kurs är att tillhandahålla en grundläggande färdighet i att tillämpa Machine Learning metoder i praktiken. Genom användning av Python programmeringsspråket och dess olika bibliotek, och baserat på en mängd praktiska exempel lär denna kurs hur man använder de viktigaste byggstenarna i Machine Learning , hur man fattar beslut om datamodellering, tolkar utgångarna från algoritmerna och validera resultaten.
Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygslådan för Machine Learning säkerhet och undvika de vanliga fallgroparna i Data Science applikationer.
Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygslådan för Machine Learning säkerhet och undvika de vanliga fallgroparna i Data Science applikationer.
14 timmar
Översikt
Syftet med denna kurs är att tillhandahålla en grundläggande färdighet i att tillämpa Machine Learning metoder i praktiken. Genom att använda programmeringsspråket Scala och dess olika bibliotek, och baserat på en mängd praktiska exempel lär denna kurs hur man använder de viktigaste byggstenarna i Machine Learning , hur man fattar beslut om datamodellering, tolkar utgångarna från algoritmerna och validera resultaten.
Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygslådan för Machine Learning säkerhet och undvika de vanliga fallgroparna i Data Science applikationer.
Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygslådan för Machine Learning säkerhet och undvika de vanliga fallgroparna i Data Science applikationer.
21 timmar
Översikt
MLflow is an open source platform for streamlining and managing the machine learning lifecycle. It supports any ML (machine learning) library, algorithm, deployment tool or language. Simply add MLflow to your existing ML code to share the code across any ML library being used within your organization.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
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 go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
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.
28 timmar
Översikt
Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att uttryckligen programmeras. R är ett populärt programmeringsspråk inom finansbranschen. Det används i finansiella applikationer som sträcker sig från kärnhandelsprogram till riskhanteringssystem.
I denna instruktörsledda, liveutbildning, kommer deltagarna att lära sig att tillämpa maskininlärningstekniker och verktyg för att lösa verkliga problem i finansbranschen. R kommer att användas som programmeringsspråk.
Deltagarna lär sig först de viktigaste principerna, sedan implementerar sina kunskaper genom att bygga sina egna maskininlärningsmodeller och använda dem för att slutföra ett antal teamprojekt.
I slutet av denna träning kommer deltagarna att kunna:
- Förstå de grundläggande begreppen i maskininlärning
- Lär dig applikationer och användningar av maskininlärning inom finans
- Utveckla sin egen algoritmiska handelsstrategi med maskininlärning med R
Publik
- utvecklare
- Datavetare
Kursformat
- Delföreläsning, delvis diskussion, övningar och tung praktisk övning
I denna instruktörsledda, liveutbildning, kommer deltagarna att lära sig att tillämpa maskininlärningstekniker och verktyg för att lösa verkliga problem i finansbranschen. R kommer att användas som programmeringsspråk.
Deltagarna lär sig först de viktigaste principerna, sedan implementerar sina kunskaper genom att bygga sina egna maskininlärningsmodeller och använda dem för att slutföra ett antal teamprojekt.
I slutet av denna träning kommer deltagarna att kunna:
- Förstå de grundläggande begreppen i maskininlärning
- Lär dig applikationer och användningar av maskininlärning inom finans
- Utveckla sin egen algoritmiska handelsstrategi med maskininlärning med R
Publik
- utvecklare
- Datavetare
Kursformat
- Delföreläsning, delvis diskussion, övningar och tung praktisk övning
21 timmar
Översikt
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 .
21 timmar
Översikt
Denna utbildning är för personer som vill använda Machine Learning i praktiska applikationer för sitt team. Utbildningen kommer inte att dyka in i tekniska egenskaper och kretsa kring grundläggande koncept och affärs- / operativa applikationer av samma.
Målgrupp
- Investerare och AI-entreprenörer
- Chefer och ingenjörer vars företag går in i AI-rymden
- Business och investerare
Målgrupp
- Investerare och AI-entreprenörer
- Chefer och ingenjörer vars företag går in i AI-rymden
- Business och investerare
21 timmar
Översikt
Kursen täcker AI (med betoning på Machine Learning och Deep Learning )
14 timmar
Översikt
Mönstermatchning är en teknik som används för att hitta specifika mönster i en bild. Det kan användas för att bestämma förekomsten av specificerade egenskaper i en inspelad bild, till exempel den förväntade etiketten på en defekt produkt på en fabriksrad eller de specificerade måtten på en komponent. Det skiljer sig från " Pattern Recognition " (som känner igen allmänna mönster baserat på större samlingar av relaterade prover) eftersom det specifikt dikterar vad vi letar efter och sedan berättar om det förväntade mönstret finns eller inte.
Kursformat
- Denna kurs introducerar de metoder, teknologier och algoritmer som används inom området för mönstermatchning eftersom det gäller Machine Vision .
Kursformat
- Denna kurs introducerar de metoder, teknologier och algoritmer som används inom området för mönstermatchning eftersom det gäller Machine Vision .
14 timmar
Översikt
Pandas is a Python library for data manipulation and analysis. Using Pandas, users can perform predictive analysis through machine learning.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
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 Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
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.
Andra länder
Konsult
Helg ML (Machine Learning) kurs, kvällMachine Learning utbildning, Machine Learning (ML) bootcamp, ML (Machine Learning) instruktörledd, Helg ML (Machine Learning) utbildning, Kväll ML (Machine Learning) kurs, Machine Learning coaching, Machine Learning instruktör, ML (Machine Learning) tränare, Machine Learning kurs, ML (Machine Learning) klasser, ML (Machine Learning) on-site, Machine Learning (ML) privata kurser, Machine Learning en till en utbildning
.jpg "procter & gamble (p&g)")
.png "european central bank (ecb)")
.png "european space agency (esa)")
.jpg "international air transport association (iata)")
.jpg "european southern observatory (eso)")
