Machine Learning kurser och utbildning

Generativ AI är en typ av AI som kan skapa originalinnehåll som text, bilder, musik och kod. Stora språkmodeller (LLM) är kraftfulla neurala nätverk som kan bearbeta och generera naturligt språk.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare på medelnivå som vill lära sig hur man använder generativ AI med LLM:er för olika uppgifter och domäner.I slutet av denna utbildning kommer deltagarna att kunna:

Förklara vad generativ AI är och hur det fungerar. Beskriv transformatorarkitekturen som driver LLM:er. Använd empiriska skalningslagar för att optimera LLM:er för olika uppgifter och begränsningar. Tillämpa toppmoderna verktyg och metoder för att träna, finjustera och distribuera LLM:er. Diskutera möjligheter och risker med generativ AI för samhället och näringslivet.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

LightGBM är en fri och öppen källkod distribuerad gradientförstärkande ram för maskininlärning, ursprungligen utvecklad av Microsoft. Den är baserad på beslutsträdsalgoritmer och används för rangordning, klassificering och andra maskininlärningsuppgifter.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare och datavetare på nybörjar- till medelnivå som vill lära sig grunderna i LightGBM och utforska avancerade tekniker.I slutet av denna utbildning kommer deltagarna att kunna:

Installera och konfigurera LightGBM. Förstå teorin bakom gradientförstärkning och beslutsträdsalgoritmer Använd LightGBM för grundläggande och avancerade maskininlärningsuppgifter. Implementera avancerade tekniker som funktionsteknik, hyperparameterjustering och modelltolkning. Integrera LightGBM med andra ramverk för maskininlärning. Felsök vanliga problem i LightGBM.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

Stable Diffusion är en kraftfull modell för djupinlärning som kan generera detaljerade bilder baserat på textbeskrivningar.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare på medelnivå till avancerad nivå, maskininlärningsingenjörer, forskare inom djupinlärning och experter på datorseende som vill utöka sina kunskaper och färdigheter inom djupinlärning för text-till -bildgenerering.I slutet av denna utbildning kommer deltagarna att kunna:

Förstå avancerade djupinlärningsarkitekturer och tekniker för text-till-bild-generering. Implementera komplexa modeller och optimeringar för bildsyntes av hög kvalitet. Optimera prestanda och skalbarhet för stora datamängder och komplexa modeller. Justera hyperparametrar för bättre modellprestanda och generalisering. Integrera Stable Diffusion med andra ramar och verktyg för djupinlärning.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och träning. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna

Generative Pre-trained Transformers (GPT) är toppmoderna modeller inom naturlig språkbehandling som har revolutionerat olika applikationer, inklusive språkgenerering, textkomplettering och maskinöversättning. Den här kursen ger en djupgående utforskning av GPT-modeller, med fokus på GPT-3 och de senaste framstegen inom GPT-4. Deltagarna kommer att få insikter i arkitekturen, träningsteknikerna och tillämpningarna av GPT-modeller.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare, maskininlärningsingenjörer, NLP-forskare och AI-entusiaster som vill förstå GPT-modellernas inre funktioner, utforska kapaciteten hos GPT-3 och GPT-4 , och lär dig hur du använder dessa modeller för sina NLP-uppgifter.I slutet av denna utbildning kommer deltagarna att kunna:

Förstå nyckelkoncepten och principerna bakom Generativa förutbildade transformatorer. Förstå arkitekturen och utbildningsprocessen för GPT-modeller. Använd GPT-3 för uppgifter som textgenerering, slutförande och översättning. Utforska de senaste framstegen inom GPT-4 och dess potentiella tillämpningar. Tillämpa GPT-modeller på sina egna NLP-projekt och uppgifter.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och träning. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

Vertex AI är en Google-molnmiljö för att slutföra uppgifter för maskininlärning från experiment, till implementering, till hantering och övervakning av modeller. Det är en skalbar infrastruktur som ger användarhanteringsfunktioner och säkerhetskontroller över maskininlärningsprojekt.Denna instruktörsledda, direktsända utbildning (online eller på plats) riktar sig till nybörjare till medelnivå mjukvaruingenjörer eller alla som vill lära sig hur man använder Vertex AI för att utföra och slutföra maskininlärningsaktiviteter.I slutet av denna utbildning kommer deltagarna att kunna:

Förstå hur Vertex AI fungerar och använd den som en maskininlärningsplattform. Lär dig om maskininlärning och NLP-koncept. Vet hur man tränar och distribuerar maskininlärningsmodeller med hjälp av Vertex AI.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

DeepSpeed är ett optimeringsbibliotek för djupinlärning som gör det lättare att skala modeller för djupinlärning på distribuerad hårdvara. DeepSpeed har utvecklats av Microsoft och integreras med PyTorch för att ge bättre skalning, snabbare utbildning och förbättrat resursutnyttjande.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare på nybörjare till medelnivå och maskininlärningsingenjörer som vill förbättra prestandan för sina modeller för djupinlärning.I slutet av denna utbildning kommer deltagarna att kunna:

Förstå principerna för distribuerad djupinlärning. Installera och konfigurera DeepSpeed. Skala modeller för djupinlärning på distribuerad hårdvara med hjälp av DeepSpeed. Implementera och experimentera med DeepSpeed-funktioner för optimering och minneseffektivitet.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

Large Language Models (LLM) är modeller för djupa neurala nätverk som kan generera naturliga språktexter baserat på en given input eller kontext. De tränas på stora mängder textdata från olika domäner och källor, och de kan fånga de syntaktiska och semantiska mönstren i naturligt språk. LLM har uppnått imponerande resultat på olika naturliga språkuppgifter som textsammanfattning, frågesvar, textgenerering och mer.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare på nybörjarnivå till medelnivå som vill använda stora språkmodeller för olika naturliga språkuppgifter.I slutet av denna utbildning kommer deltagarna att kunna:

Skapa en utvecklingsmiljö som inkluderar en populär LLM. Skapa en grundläggande LLM och finjustera den på en anpassad datauppsättning. Använd LLM:er för olika naturliga språkuppgifter som textsammanfattning, frågesvar, textgenerering och mer. Felsöka och utvärdera LLM:er med hjälp av verktyg som TensorBoard, PyTorch Lightning och Hugging Face Dataset.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

AlphaFold är ett Artificial Intelligence (AI) system som utför förutsägelsen av proteinstrukturer. Det är utvecklat av Alphabet’s/Google’s DeepMind som ett djupt lärande system som kan noggrant förutsäga 3D-modeller av proteinstrukturer. Denna instruktörledda, levande utbildning (online eller online) riktar sig till biologer som vill förstå hur AlphaFold fungerar och använder AlphaFold modeller som guider i sina experimentella studier. Vid slutet av denna utbildning kommer deltagarna att kunna:

Förstå de grundläggande principerna för AlphaFold. Lär dig hur AlphaFold fungerar. Lär dig hur du tolkar AlphaFold förutsägelser och resultat.

Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

Stable Diffusion är en kraftfull modell för djupinlärning som kan generera detaljerade bilder baserat på textbeskrivningar.Den här instruktörsledda, liveutbildningen (online eller på plats) riktar sig till datavetare, maskininlärningsingenjörer och datorseendeforskare som vill utnyttja Stable Diffusion för att generera högkvalitativa bilder för en mängd olika användningsfall.I slutet av denna utbildning kommer deltagarna att kunna:

Förstå principerna för Stable Diffusion och hur det fungerar för bildgenerering. Bygg och träna Stable Diffusion modeller för bildgenereringsuppgifter. Tillämpa Stable Diffusion på olika scenarier för bildgenerering, till exempel inpainting, outpainting och bild-till-bild översättning. Optimera prestanda och stabilitet för Stable Diffusion modeller.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna

RapidMiner är en avancerad analysplattform som tillhandahåller en integrerad miljö för dataförberedelse, maskininlärning, djupinlärning, textutvinning och prediktiv analys.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till dataanalytiker på mellannivå som vill lära sig hur man använder RapidMiner för att uppskatta och projicera värden och använda analytiska verktyg för tidsserieprognoser.I slutet av denna utbildning kommer deltagarna att kunna:

Lär dig att tillämpa CRISP-DM-metoden, välj lämpliga maskininlärningsalgoritmer och förbättra modellkonstruktion och prestanda. Använd RapidMiner för att uppskatta och projicera värden, och använd analytiska verktyg för tidsserieprognoser.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

Waikato Environment for Knowledge Analysis (Weka) är en öppen källkod data mining visualisering programvara. Det tillhandahåller en samling av maskininlärning algoritmer för databeredning, klassificering, klustering och andra data mining aktiviteter. Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till dataanalytiker och dataforskare som vill använda Weka för att utföra data mining uppgifter. Vid slutet av denna utbildning kommer deltagarna att kunna:

Installera och konfigurera Weka Förstå Weka miljön och arbetsbanken. Utföra data mining uppgifter med hjälp av Weka.

Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

Syftet med denna kurs är att ge en grundläggande kompetens i tillämpningen av Machine Learning metoder i praktiken. Genom användningen av Python programmeringsspråket och dess olika bibliotek, och baserat på en mängd praktiska exempel, lär denna kurs hur man använder de viktigaste byggblockarna av Machine Learning, hur man gör data modellering beslut, tolkar utgångarna av algoritmerna och validerar resultaten. Vårt mål är att ge dig färdigheterna att förstå och använda de mest grundläggande verktygen från verktygsfönstret med förtroende och undvika de vanliga bristerna i Data Science-applikationer.

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 .

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.

Detta är en 4-dagars kurs som introducerar AI och det's applikation med Python programmeringsspråk. Det finns ett alternativ att ha en extra dag att genomföra ett AI-projekt vid slutförandet av denna kurs. 

Deep Reinforcement Learning hänvisar till förmågan hos en "konstgjord agent" att lära sig genom trial-and-error och belöningar-och-bestraffningar. Ett artificiellt medel syftar till att efterlikna en människas förmåga att erhålla och konstruera kunskap på egen hand, direkt från råa input som vision. För att förverkliga förstärkningsinlärning används djupinlärning och neurala nätverk. Förstärkningsinlärning skiljer sig från maskininlärning och förlitar sig inte på övervakade och oövervakade inlärningsmetoder.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare och datavetare som vill lära sig grunderna i Deep Reinforcement Learning när de går igenom skapandet av en Deep Learning Agent.I slutet av denna utbildning kommer deltagarna att kunna:

Förstå nyckelbegreppen bakom Deep Reinforcement Learning och kunna skilja det från Machine Learning. Använd avancerade Reinforcement Learning algoritmer för att lösa verkliga problem. Bygg en Deep Learning agent.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

Maskinlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att vara explicit programmerade. Djup lärande är ett underfält av maskininlärning som använder metoder baserade på lärandata representationer och strukturer som neurala nätverk. Python är ett högnivåprogrammeringsspråk känd för sin tydliga syntax och kodläsbarhet. I denna instruktörledda, live-utbildning kommer deltagarna att lära sig hur man implementerar djuplärningsmodeller för telecom med hjälp av Python när de går igenom skapandet av en djuplärande kreditriskmodell. Vid slutet av denna utbildning kommer deltagarna att kunna:

Förstå de grundläggande begreppen djupt lärande. Lär dig applikationerna och användningarna av djupt lärande i telecom. Använd Python, Keras och TensorFlow för att skapa djuplärningsmodeller för telecom. Bygg din egen djuplärande kundchurn prognosmodell med hjälp av Python.

Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

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 .

Den här kursen har skapats för chefer, lösningsarkitekter, innovationsansvariga, CTO:er, mjukvaruarkitekter och alla som är intresserade av en översikt över tillämpad artificiell intelligens och närmaste prognos för dess utveckling.

Hur ser städer ut i framtiden? Hur kan Artificial Intelligence (AI) användas för att förbättra stadsplaneringen? Hur kan AI användas för att göra städer mer effektiva, livliga, säkrare och miljövänligare? I den här instruktörsledda, live-utbildningen (på plats eller fjärrkontroll) undersöker vi de olika teknikerna som utgör AI, såväl som de färdigheter och mentala ramar som krävs för att använda dem för stadsplanering. Vi täcker också verktyg och metoder för insamling och organisering av relevant data för användning i AI, inklusive data mining. Publik

• Stadsplanerare
• arkitekter
• utvecklare
• Transporttjänstemän

Kursformat

• Delföreläsning, delvis diskussion och en serie interaktiva övningar.

Notera

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.

AI är en samling av tekniker för att bygga intelligenta system som kan förstå data och aktiviteter som omger data för att göra "intelligenta beslut" För telekomleverantörer kan byggnadstillämpningar och tjänster som använder AI öppna dörren för förbättrad drift och service inom områden som underhåll och nätverksoptimering I denna kurs undersöker vi de olika tekniker som utgör AI och de färdigheter som krävs för att de ska kunna användas Under hela kursen undersöker vi AIs specifika applikationer inom telekombranschen Publik Nätverk ingenjörer Nätverksoperatörspersonal Telekom tekniska chefer Kursens format Delföreläsning, diskussion, handsonövningar .

Kursen är skapad för personer som inte har tidigare erfarenhet av sannolikhet och statistik .

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 .

Azure Machine Learning (AML) är en pay-as-you-go, molnbaserad miljö för utbildning, implementering, automatisering, hantering och spårning av ML-modeller. Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till ingenjörer som vill använda Azure ML's drag-and-drop-plattform för att distribuera Machine Learning arbetsbelastningar utan att behöva köpa programvara och hårdvara och utan att behöva oroa sig för underhåll och implementering. Vid slutet av denna utbildning kommer deltagarna att kunna:

Skriv mycket exakta maskininlärningsmodeller med hjälp av Python, R eller nollkodverktyg. Leverage Azure's tillgängliga data uppsättningar och algoritmer för att träna och spåra maskininlärning och djupinlärning modeller. Använd Azures interaktiva arbetsyta för att samarbeta med ML-modeller. Välj mellan olika Azure-stödda ML-ramar som PyTorch, TensorFlow och scikit-learn.

Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

Artificial Neural Network är en beräkningsmodell som används vid utvecklingen av Artificial Intelligence (AI) -system som kan utföra "intelligenta" uppgifter. Neural Networks används ofta i Machine Learning (ML) -applikationer, som själva är en implementering av AI. Deep Learning är en delmängd av ML.

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. 

Denna utbildning är för människor som vill använda Machine Learning i praktiska tillämpningar. Publik Denna kurs är för datavetare och statistiker som känner till statistik och vet hur man programmerar R (eller Python eller annat valt språk). Tyngdpunkten i denna kurs ligger på de praktiska aspekterna av data / modellberedning, exekvering, post hoc-analys och visualisering. Syftet är att ge praktiska applikationer för Machine Learning till deltagare som är intresserade av att tillämpa metoderna på jobbet. Sektorspecifika exempel används för att göra utbildningen relevant för publiken.

Amazon Web Services (AWS) SageMaker är en moln maskininlärningstjänst som gör det möjligt för utvecklare att bygga, träna och distribuera maskininlärningsmodeller snabbt i alla skala. Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till datavetenskapsmän och utvecklare som vill skapa och träna maskininlärningsmodeller för implementering i produktionsberedda värdmiljöer. Vid slutet av denna utbildning kommer deltagarna att kunna:

Använd bärbara inställningar för att förbereda och ladda upp data för träning. Utbilda maskininlärningsmodeller med hjälp av utbildningsdatasets. Utveckla utbildade modeller till en slutpunkt för att skapa förutsägelser.

Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

Azure Machine Learning är en molnbaserad plattform för att bygga, träna och implementera maskininlärningsmodeller. Azure Machine Learning ger användarna möjlighet att skapa maskininlärningslösningar utan en enda kodlinje. Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till datavetenskapsmän som vill använda Azure Machine Learning för att bygga end-to-end maskininlärningsmodeller för prediktiv analys. Vid slutet av denna utbildning kommer deltagarna att kunna:

Bygg maskininlärningsmodeller med noll programmeringserfarenhet. Skapa förutsägande algoritmer med Azure Machine Learning. Utveckla färdiga maskininlärningsalgoritmer.

Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

Denna kurs kommer att vara en kombination av teori och praktiskt arbete med specifika exempel som används under hela evenemanget.