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

★★★★★

Ref material att använda senare var mycket bra.

PAUL BEALES- Seagate Technology.

Kurs: Applied Machine Learning

Machine Translated

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

Machine Translated

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

Machine Translated

Tränaren var så kunnig och inkluderade områden jag var intresserad av.

Mohamed Salama

Kurs: Data Mining & Machine Learning with R

Machine Translated

Ämnet är väldigt intressant.

Wojciech Baranowski

Kurs: Introduction to Deep Learning

Machine Translated

Tränare teoretisk kunskap och vilja att lösa problemen med deltagarna efter träningen.

Grzegorz Mianowski

Kurs: Introduction to Deep Learning

Machine Translated

Ämne. Mycket intressant!.

Piotr

Kurs: Introduction to Deep Learning

Machine Translated

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

Machine Translated

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

Machine Translated

Den globala översikten av djupt lärande.

Bruno Charbonnier

Kurs: Advanced Deep Learning

Machine Translated

Övningarna är tillräckligt praktiska och behöver inte ha hög kunskap i Python .

Alexandre GIRARD

Kurs: Advanced Deep Learning

Machine Translated

Göra övningar på riktiga exempel med hjälp av Eras. Italien förstod helt våra förväntningar om denna utbildning.

Paul Kassis

Kurs: Advanced Deep Learning

Machine Translated

Ämnet. Det verkade intressant, men jag lämnade inte veta mer än tidigare.

Radoslaw Labedzki

Kurs: Introduction to Deep Learning

Machine Translated

Jag gillade att den här kursen hade ett mycket intressant ämne.

Wojciech Wilk

Kurs: Introduction to Deep Learning

Machine Translated

Jag uppskattade verkligen kristallklara svaren på Chris till våra frågor.

Léo Dubus

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Jag har i allmänhet haft den kunniga tränaren.

Sridhar Voorakkara

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

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

Machine Translated

Mycket bra översikt över hela världen. Go bakom bakgrund till varför Tensorflow fungerar som det gör.

Kieran Conboy

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Jag gillade möjligheterna att ställa frågor och få djupare förklaringar av teorin.

Sharon Ruane

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

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

Machine Translated

Utbildningen gav rätt grund som gör att vi kan vidareutveckla oss genom att visa hur teori och praktik går hand i hand. Det fick mig faktiskt mer intresserad av ämnet än jag var tidigare.

Jean-Paul van Tillo

Kurs: Machine Learning and Deep Learning

Machine Translated

Jag har verkligen haft täckning och djup av ämnen.

Anirban Basu

Kurs: Machine Learning and Deep Learning

Machine Translated

Trainernas djupa kunskaper om ämnet.

Sebastian Görg

Kurs: Introduction to Deep Learning

Machine Translated

Mycket uppdaterat tillvägagångssätt eller KPI (tensorflöde, era, lär) att göra maskininlärning.

Paul Lee

Kurs: TensorFlow for Image Recognition

Machine Translated

Mycket flexibel.

Frank Ueltzhöffer

Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

Jag har i allmänhet haft flexibilitet.

Werner Philipp

Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

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

Machine Translated

Jag fick nytta av ämnesval. Stil av träning. Övningsorientering.

Commerzbank AG

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Fördjupad täckning av maskininlärning, särskilt neurala nätverk. Demystified mycket av ämnet.

Sacha Nandlall

Kurs: Python for Advanced Machine Learning

Machine Translated

övningar

L M ERICSSON LIMITED

Kurs: Machine Learning

Machine Translated

laboratoriet övar

Marcell Lorant - L M ERICSSON LIMITED

Kurs: Machine Learning

Machine Translated

Jupyter-anteckningsboken, där träningsmaterialet är tillgängligt

L M ERICSSON LIMITED

Kurs: Machine Learning

Machine Translated

Det fanns många övningar och intressanta ämnen.

L M ERICSSON LIMITED

Kurs: Machine Learning

Machine Translated

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

Machine Translated

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

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

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

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

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

Artificial Intelligence in Automotive

14 timmar

Översikt

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

Machine Learning on iOS

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 .

OpenFace: Creating Facial Recognition Systems

14 timmar

Översikt

OpenFace är Python och Torch-baserad open source, realtime ansiktsigenkänningsprogram baserat på Googles FaceNet-forskning I den här instruktionsledda träningspasset lär deltagarna att använda OpenFace-komponenter för att skapa och distribuera ett ansiktsigenkänningsprogram för ansikte Vid slutet av denna utbildning kommer deltagarna att kunna: Arbeta med OpenFace-komponenter, inklusive dlib, OpenVC, Torch och nn4 för att genomföra ansiktsdetektering, anpassning och transformation Applicera OpenFace till realworld-applikationer som övervakning, identitetsverifiering, virtuell verklighet, spel och identifiering av upprepade kunder etc Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Octave not only for programmers

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 .

Neural computing – Data science

14 timmar

Översikt

Denna klassbaserad träning kommer att innehålla presentationer och datorbaserade exempel och fallstudieövningar för att genomföra med relevanta neurala och djupa nätbibliotek.

Neural Networks Fundamentals using TensorFlow as Example

28 timmar

Översikt

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

Den här utbildningen är mer fokuserad på fundament, men hjälper dig att välja rätt teknik: TensorFlow , Caffe , Teano, DeepDrive, Keras , etc. Exemplen är gjorda i TensorFlow .

Machine Learning – Data science

21 timmar

Översikt

Denna klassbaserad träning kommer att utforska maskininlärningsverktyg med (föreslagit) Python . Delegaterna kommer att ha datorbaserade exempel och fallstudieövningar att genomföra.

Machine Learning for Robotics

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.

Machine Learning with Python

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.

Machine Learning in business – AI/Robotics

14 timmar

Översikt

Denna klassrumsbaserade träningspass kommer att undersöka maskininlärningstekniker, med datorbaserade exempel och lösningsövningar med hjälp av ett relevant program languauge .

Introduction to Machine Learning

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.

OpenNMT: Setting Up a Neural Machine Translation System

7 timmar

Översikt

I denna instruktörsledda, liveträning, kommer deltagarna att lära sig hur man ställer in och använder OpenNMT att genomföra översättning av olika exempeldata. Kursen börjar med en översikt över neurala nätverk eftersom de gäller maskinöversättning. Deltagarna kommer att genomföra liveövningar under hela kursen för att visa sin förståelse för de lärda koncepten och få feedback från instruktören.

I slutet av denna utbildning kommer deltagarna att ha den kunskap och praxis som krävs för att implementera en Live OpenNMT lösning.

Prover av käll- och målspråk kommer att ordnas i enlighet med publikens krav.

Kursformat

- Delföreläsning, delvis diskussion, tung praktisk övning

Machine Learning Fundamentals with R

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.

Machine Learning Fundamentals with Python

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.

Machine Learning Fundamentals with Scala and Apache Spark

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.

Machine Learning for Finance (with R)

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

Machine Learning for Finance (with Python)

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 .

Machine Learning Concepts for Entrepreneurs and Managers

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

Machine Learning and Deep Learning

21 timmar

Översikt

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

Machine Learning and Big Data

7 timmar

Översikt

This instructor-led, live training (onsite or remote) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data.

By the end of this training, participants will:

- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.

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.

Machine Learning for Banking (with R)

28 timmar

Översikt

I denna instruktörsledda, live-utbildning kommer deltagarna att lära sig att tillämpa maskininlärningstekniker och verktyg för att lösa verkliga problem i bankbranschen. 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 liveprojekt.

Publik

- utvecklare
- Datavetare
- Bankpersonal med teknisk bakgrund

Kursformat

- Delföreläsning, delvis diskussion, övningar och tung praktisk övning

OpenNLP for Text Based Machine Learning

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 .

OpenNN: Implementing Neural Networks

14 timmar

Översikt

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

Kursformat

- Föreläsning och diskussion i kombination med praktiska övningar.

Microsoft Cognitive Toolkit 2.x

21 timmar

Översikt

Microsoft Cognitive Toolkit 2x (tidigare CNTK) är en open source, commercialgrade verktygssats som tränar djupa inlärningsalgoritmer för att lära sig som den mänskliga hjärnan Enligt Microsoft kan CNTK vara 510x snabbare än TensorFlow på återkommande nätverk, och 2 till 3 gånger snabbare än TensorFlow för bildrelaterade uppgifter I den här instruktionsledda träningen lär deltagarna att lära sig hur man använder Microsoft Cognitive Toolkit för att skapa, träna och utvärdera djupa inlärningsalgoritmer för användning i kommersiella AI-applikationer som omfattar flera typer av data, såsom data, tal, text och bilder Vid slutet av denna utbildning kommer deltagarna att kunna: Få tillgång till CNTK som ett bibliotek inom ett Python-, C #- eller C ++-program Använd CNTK som ett fristående verktyg för maskininlärning genom sitt eget modellbeskrivningsspråk (BrainScript) Använd CNTK-modellutvärderingsfunktionen från ett Java-program Kombinera feed-forward-DNN, faltningsnät (CNN) och återkommande nätverk (RNN / LSTM) Skala beräkningskapacitet på processorer, GPU och flera maskiner Få tillgång till massiva dataset med hjälp av befintliga programmeringsspråk och algoritmer Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning Notera Om du vill anpassa någon del av denna träning, inklusive det programmerade språket du vill ha, kontakta oss för att ordna .

T2T: Creating Sequence to Sequence Models for Generalized Learning

7 timmar

Översikt

Tensor2Tensor (T2T) är ett modulärt, utökbart bibliotek för träning av AI-modeller i olika uppgifter, med olika typer av träningsdata, till exempel: bildigenkänning, översättning, parsning, bildtextning och taligenkänning Det underhålls av Googles hjärnteam I den här instruktörsledda träningsutbildningen kommer deltagarna att lära sig hur man förbereder en deeplearning-modell för att lösa flera uppgifter Vid slutet av denna utbildning kommer deltagarna att kunna: Installera tensor2tensor, välj en dataset och träna och utvärdera en AI-modell Anpassa en utvecklingsmiljö med hjälp av de verktyg och komponenter som ingår i Tensor2Tensor Skapa och använd en enda modell för att samtidigt lära dig ett antal uppgifter från flera domäner Använd modellen för att lära av uppgifter med en stor mängd träningsdata och tillämpa den kunskapen på uppgifter där data är begränsade Skaffa tillfredsställande bearbetningsresultat med en enda GPU Publik utvecklare Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Understanding Deep Neural Networks

35 timmar

Översikt

Denna kurs börjar med att ge dig konceptuell kunskap i neurala nätverk och generellt i maskininlärningsalgoritm, djupinlärning (algoritmer och applikationer).

Del-1 (40%) av denna utbildning är mer fokus på grundläggande, men hjälper dig att välja rätt teknik: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc.

Del-2 (20%) av denna utbildning introducerar Theano - ett pythonbibliotek som gör det enkelt att skriva djupa inlärningsmodeller.

Del-3 (40%) av utbildningen skulle i stor utsträckning baseras på Tensorflow - 2nd Generation API of Go ogles open source software bibliotek 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 delegaterna att:

-

ha god förståelse för djupa neurala nätverk (DNN), CNN och RNN

-

förstå TensorFlow struktur och distributionsmekanismer

-

kunna utföra installations / produktionsmiljö / arkitekturuppgifter och konfiguration

-

kunna bedöma kodkvalitet, utföra felsökning, övervakning

-

kunna implementera avancerad produktion som träningsmodeller, bygga grafer och logga

Natural Language Processing with TensorFlow

35 timmar

Översikt

TensorFlow ™ är ett open source-programbibliotek för numerisk beräkning med dataflödesdiagram SyntaxNet är ett nätverkssystem för naturliga språkbehandling för TensorFlow Word2Vec används för att lära vektorrepresentationer av ord, kallad "word embeddings" Word2vec är en särskilt beräkningsmässig effektiv predictive modell för att lära sig inbäddningar från rå text Den kommer i två smaker, den kontinuerliga BagofWords-modellen (CBOW) och SkipGram-modellen (kapitel 31 och 32 i Mikolov et al) Används i tandem, SyntaxNet och Word2Vec tillåter användare att generera Learned Embedding-modeller från Natural Language-inmatning Publik Kursen riktar sig till Utvecklare och ingenjörer som avser att arbeta med SyntaxNet och Word2Vec-modeller i sina TensorFlow-diagram Efter avslutad kurs kommer deltagare att: förstå TensorFlows struktur och implementeringsmekanismer kunna utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration kunna bedöma kodkvalitet, utföra felsökning, övervakning kunna implementera avancerad produktion som träningsmodeller, inbäddning av termer, bygggrafer och loggning .

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 timmar

Översikt

Tensor Processing Unit (TPU) är den arkitektur som Google har använt internt i flera år och blir just nu tillgänglig för allmänheten Den innehåller flera optimeringar specifikt för användning i neurala nätverk, inklusive strömlinjeformad matrismultiplicering och 8bit heltal istället för 16bit för att återställa lämpliga precisionsnivåer I den här instruktionsledda träningspasset lär deltagarna att dra nytta av innovationerna i TPU-processorer för att maximera prestanda för sina egna AI-applikationer Vid slutet av träningen kommer deltagarna att kunna: Träna olika typer av neurala nätverk på stora mängder data Använd TPU: er för att påskynda inferensprocessen med upp till två storleksordningar Använd TPU för att bearbeta intensiva applikationer som bildsökning, molnsyn och foton Publik utvecklare forskare ingenjörer Datavetenskapare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Torch for Machine and Deep Learning

21 timmar

Översikt

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

I denna instruktörsledda, liveträning täcker vi principerna för Torch , dess unika funktioner och hur den kan tillämpas i verkliga applikationer. Vi går igenom många praktiska övningar hela tiden, demonstrerar och övar de lärda koncepten.

I slutet av kursen kommer deltagarna att ha en grundlig förståelse av Torch underliggande funktioner och kapacitet samt dess roll och bidrag inom AI-rymden jämfört med andra ramverk och bibliotek. Deltagarna kommer också ha fått nödvändig praxis för att implementera Torch i sina egna projekt.

Kursformat

- Översikt över maskin- och Deep Learning
- Kodnings- och integrationsövningar i klassen
- Testfrågor strö på vägen för att kontrollera förståelsen

TensorFlow for Image Recognition

28 timmar

Översikt

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

Publik

Kursen är avsedd för ingenjörer som vill använda TensorFlow för TensorFlow

Efter avslutad kurs kommer deltagarna att kunna:

- förstå TensorFlow struktur och distributionsmekanismer
- utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration
- utvärdera kodkvalitet, utföra felsökning, övervakning
- implementera avancerad produktion som träningsmodeller, bygga grafer och logga

Kommande Machine Learning Kurser

Deep Learning for Telecom (with Python)

2019-10-28 09:30:00

Göteborg

Avlägsen

4000EUR

Klassrum

5000EUR

LÄS MER

Natural Language Processing with TensorFlow

2019-10-28 09:30:00

Stockholm, Hötorget

Avlägsen

6250EUR

Klassrum

7450EUR

LÄS MER

Natural Language Processing with TensorFlow

2019-10-28 09:30:00

Malmö, Stadskärna

Avlägsen

6250EUR

Klassrum

7450EUR

LÄS MER

Natural Language Processing with TensorFlow

2019-10-28 09:30:00

Göteborg

Avlägsen

6250EUR

Klassrum

7450EUR

LÄS MER

TensorFlow for Image Recognition

2019-10-28 09:30:00

Stockholm, Hötorget

Avlägsen

5000EUR

Klassrum

6000EUR

LÄS MER

Andra regioner

;Stockholm Uppsala Skåne Västra Götaland Västmanland Örebro Östergötland

Andra länder

Dessa kurser finns också i 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