Machine Learning kurser och utbildning

Machine Learning kurser och utbildning

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

Testimonials

★★★★★
★★★★★

Kursplaner från Machine Learning

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
Kursen omfattar AI (betonar maskinlärning och djupt lärande) inom bilindustrin Det bidrar till att bestämma vilken teknik som kan användas i flera situationer i en bil: från enkel automatisering, bildigenkänning till autonomt beslutsfattande .
14 hours
Overview
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 .
14 hours
Overview
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 .
21 hours
Overview
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 hours
Overview
Denna klassrumsbaserade träningssession kommer att innehålla presentationer och datorbaserade exempel och fallstudieövningar för att genomföra med relevanta neurala och djupa nätverksbibliotek .
28 hours
Overview
Kursen ger dig kunskaper i neurala nätverk och i allmänhet i maskininlärningsalgoritm, djup inlärning (algoritmer och applikationer) Denna utbildning är mer inriktad på grundläggande, men hjälper dig att välja rätt teknik: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc Exemplen är gjorda i TensorFlow .
21 hours
Overview
Denna klassrumsbaserade träningspasset kommer att undersöka verktyg för maskininlärning med (föreslagna) Python Delegater kommer att ha datorbaserade exempel och fallstudieövningar att genomföra .
21 hours
Overview
Kursen introducerar maskininlärningsmetoder i robotteknik.

Det är en bred översikt över befintliga metoder, motivationer och huvudidéer i samband med mönsterigenkänning.

Efter en kort teoretisk bakgrund, kommer deltagarna att utföra enkla övningar med öppen källkod (vanligtvis R) eller någon annan populär programvara.
21 hours
Overview
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.
14 hours
Overview
Denna klassrumsbaserade träningspass kommer att undersöka maskininlärningstekniker, med datorbaserade exempel och lösningsövningar med hjälp av ett relevant program languauge .
7 hours
Overview
Denna kurs är för personer som vill använda grundläggande maskinlärningstekniker i praktiska tillämpningar.

Publik

Datavetenskapare och statistiker som har någon kännedom om maskininlärning och vet hur man programmerar R. Tonvikten i kursen handlar om de praktiska aspekterna av data / modellberedning, genomförande, posthoc-analys och visualisering. Syftet är att ge en praktisk introduktion till maskininlärning till deltagare som är intresserade av att tillämpa metoderna på jobbet

Sektorspecifika exempel används för att göra träningen relevant för publiken.
7 hours
Overview
OpenNMT är ett fullfärdat, opensource (MIT) neuraltranslationssystem som använder Torch matematiska verktygssatsen I den här utbildningen kommer deltagarna att lära sig hur man konfigurerar och använder OpenNMT för att utföra översättning av olika provdatasatser Kursen börjar med en översikt över neurala nätverk som de gäller för maskinöversättning Deltagarna kommer att genomföra levande övningar under hela kursen för att visa sin förståelse för de begrepp som lärs och få feedback från instruktören Vid slutet av denna utbildning kommer deltagarna att ha den kunskap och övning som behövs för att genomföra en live OpenNMT-lösning Käll- och målspråksproverna kommer att prioriteras enligt publikens krav 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 .
14 hours
Overview
Syftet med kursen är att ge grundläggande kunskaper i tillämpning av maskinlärningsmetoder i praktiken Genom användningen av R-programmeringsplattformen och dess olika bibliotek, och baserat på en mängd praktiska exempel, lär vi oss hur man använder de viktigaste byggstenarna i maskinlärning, hur man fattar beslut om datormodellering, tolkar algoritmens utgångar och validera resultaten Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från maskinlärningsverktygslådan med säkerhet och undvika de gemensamma fallgroparna i datavetenskapsprogram .
14 hours
Overview
Syftet med kursen är att ge grundläggande kunskaper i tillämpning av maskinlärningsmetoder i praktiken Genom användningen av Python programmeringsspråket och dess olika bibliotek, och baserat på en mängd praktiska exempel, lär vi oss hur man använder de viktigaste byggstenarna i maskinlärning, hur man fattar beslut om datormodellering, tolkar algoritmens utgångar och validera resultaten Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från maskinlärningsverktygslådan med säkerhet och undvika de gemensamma fallgroparna i datavetenskapsprogram .
14 hours
Overview
Syftet med kursen är att ge grundläggande kunskaper i tillämpning av maskinlärningsmetoder i praktiken Genom användningen av Scalas programmeringsspråk och dess olika bibliotek, och baserat på en mängd praktiska exempel, lär vi oss hur man använder de viktigaste byggstenarna i maskinlärning, hur man fattar beslut om datormodellering, tolkar algoritmens resultat och validera resultaten Vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från maskinlärningsverktygslådan med säkerhet och undvika de gemensamma fallgroparna i datavetenskapsprogram .
28 hours
Overview
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 .
21 hours
Overview
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 hours
Overview
Denna kurs är för personer som vill tillämpa maskinlärning i praktiska tillämpningar för deras team Utbildningen kommer inte att dyka in i tekniken och kringgå grundläggande begrepp och affärs / operativa tillämpningar av samma Målgrupp Investerare och AI-entreprenörer Chefer och ingenjörer vars företag satsar på AI-utrymme Affärsanalytiker och investerare .
21 hours
Overview
Kursen omfattar AI (betonar maskinlärning och djupt lärande) .
28 hours
Overview
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 .
14 hours
Overview
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 hours
Overview
OpenNN är ett open-source klassbibliotek skrivet i C ++ som implementerar neurala nätverk, för användning i maskininlärning.

I denna kurs går vi över principerna för neurala nätverk och använder OpenNN för att genomföra en provapplikation.

Publik
Programutvecklare och programmerare som vill skapa Deep Learning-applikationer.

Kursens format
Föreläsning och diskussion i kombination med praktiska övningar.
21 hours
Overview
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 .
7 hours
Overview
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 .
35 hours
Overview
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 .
35 hours
Overview
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 .
7 hours
Overview
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 .
21 hours
Overview
Torch är ett open source-maskininlärningsbibliotek och en vetenskaplig beräkningsram baserad på Lua-programmeringsspråket Det ger en utvecklingsmiljö för numerik, maskininlärning och datorsyn, med särskild tonvikt på djupt lärande och falsningsnät Det är en av de snabbaste och mest flexibla ramarna för maskin och djupt lärande och används av företag som Facebook, Google, Twitter, NVIDIA, AMD, Intel och många andra I den här kursen täcker vi principerna för Torch, dess unika egenskaper och hur det kan appliceras i realworld applikationer Vi går igenom många handsonövningar hela tiden, demonstrerar och övar de begrepp som lärt sig Efter kursens slut kommer deltagarna att ha en grundlig förståelse för Torchs underliggande egenskaper och förmågor samt dess roll och bidrag inom AI-rymden jämfört med andra ramar och bibliotek Deltagarna kommer också att ha fått den praxis som krävs för att implementera Torch i sina egna projekt Publik Programutvecklare och programmerare som vill aktivera maskin och djupt lärande inom sina applikationer Kursens format Översikt över maskin och djupt lärande Inclass-kodning och integrationsövningar Testfrågor ströks under vägen för att kontrollera förståelsen .
28 hours
Overview
Denna kurs undersöker, med specifika exempel, tillämpningen av Tensor Flow i syfte att bildigenkänning Publik Kursen är avsedd för ingenjörer som vill utnyttja TensorFlow för bildigenkänning Efter avslutad kurs kommer deltagare att kunna: förstå TensorFlows struktur och implementeringsmekanismer utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration bedöma kodkvalitet, utföra felsökning, övervakning implementera avancerad produktion som träningsmodeller, bygggrafer och loggning .
21 hours
Overview
TensorFlow är ett 2: a generations API för Googles öppna källprogram för Deep Learning Systemet är utformat för att underlätta forskning i maskininlärning och för att göra det snabbt och enkelt att övergå från forskningsprototyp till produktionssystem Publik Kursen är avsedd för ingenjörer som vill använda TensorFlow för sina Deep Learning-projekt Efter avslutad kurs kommer deltagare att: förstå TensorFlows struktur och implementeringsmekanismer kunna utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration kunna bedöma kodkvalitet, utföra felsökning, övervakning kunna genomföra avancerad produktion som träningsmodeller, bygggrafer och loggning .

Kommande utbildning från Machine Learning

Helg Machine Learning kurser, Evening Machine Learning utbildning, Machine Learning boot camp, Machine Learning instructor-led, Helg Machine Learning kurs, KvällMachine Learning kurser, Machine Learning coaching, Machine Learning instruktör, Machine Learning tränare , Machine Learning träningskurser, Machine Learning klasser, Machine Learning on-site, Machine Learning privata kurser, Machine Learning one on one training

Rabatterade kurser

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!