Online eller på plats, instruktörsledda live Machine Learning (ML) utbildningar visar genom praktisk övning hur man tillämpar maskininlärningstekniker och verktyg för att lösa verkliga problem i olika branscher. NobleProg ML-kurser täcker olika programmeringsspråk och ramverk, inklusive Python, R-språk och Matlab. Maskininlärningskurser erbjuds för ett antal branschtillämpningar, inklusive finans, bank och försäkring och täcker grunderna i maskininlärning såväl som mer avancerade metoder som djupinlärning. Machine Learning utbildning är tillgänglig som "online live training" eller "onsite live training". Liveträning online (alias "fjärrträning live") utförs med hjälp av ett interaktivt fjärrskrivbord . Liveträning på plats kan genomföras lokalt i kundlokaler i Östergötland eller i NobleProgs företagsutbildningscenter i Östergötland. NobleProg -- Din lokala utbildningsleverantör
Linköping
NobleProg klassrum i Scandic Linköping, Gamla Tanneforsvägen 51, Linköping, sweden, 582 54
Scandic Linköping City är en modern konferensplats. Det ligger i centrala Linköping och även nära Linköpings domkyrka o...
Scandic Linköping City är en modern konferensplats. Det ligger i centrala Linköping och även nära Linköpings domkyrka och Linköpings trädgårdsförening. Linköpings flygplats ligger bara 5 minuters bilresa från konferenscentret. Andra kända landmärken som det svenska flygvapnet och Gamla stan ligger bara 10 minuters bilresa.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till AI-utvecklare på mellannivå, maskininlärningsingenjörer och systemarkitekter som vill optimera AI-modeller för edge-distribution.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå utmaningarna och kraven för att distribuera AI-modeller på gränsenheter.
Tillämpa modellkomprimeringstekniker för att minska storleken och komplexiteten hos AI-modeller.
Använd kvantiseringsmetoder för att förbättra modellens effektivitet på edge-hårdvara.
Implementera rensning och andra optimeringstekniker för att förbättra modellens prestanda.
Distribuera optimerade AI-modeller på olika gränsenheter.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till utvecklare på mellannivå, datavetare och teknikentusiaster som vill få praktiska färdigheter i att distribuera AI-modeller på edge-enheter för olika applikationer.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå principerna för Edge AI och dess fördelar.
Konfigurera databehandlingsmiljön på gränsenheter.
Utveckla, träna och optimera AI-modeller för gränsdistribution.
Implementera praktiska AI-lösningar på gränsenheter.
Utvärdera och förbättra prestanda för gränsdistribuerade modeller.
Ta itu med etiska överväganden och säkerhetsöverväganden i Edge AI-program.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till utvecklare på mellannivå, datavetare och AI-utövare som vill utnyttja TensorFlow Lite för Edge AI-applikationer.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå grunderna i TensorFlow Lite och dess roll i Edge AI.
Utveckla och optimera AI-modeller med hjälp av TensorFlow Lite.
Distribuera TensorFlow Lite-modeller på olika gränsenheter.
Använda verktyg och tekniker för modellkonvertering och optimering.
Implementera praktiska Edge AI-applikationer med TensorFlow Lite.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till proffs på avancerad nivå som vill behärska tekniken bakom autonoma system.I slutet av denna utbildning kommer deltagarna att kunna:
Designa och implementera AI-modeller för autonomt beslutsfattande.
Utveckla styralgoritmer för autonom navigering och undvikande av hinder.
Säkerställ säkerhet och tillförlitlighet i AI-drivna autonoma system.
Integrera autonoma system med befintliga ramverk för robotik och AI.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till yrkesverksamma på mellannivå som vill tillämpa AI-tekniker för att optimera avkastningshantering inom halvledartillverkning.I slutet av denna utbildning kommer deltagarna att kunna:
Analysera produktionsdata för att identifiera faktorer som påverkar avkastningen.
Implementera AI-algoritmer för att förbättra processerna för avkastningshantering.
Optimera produktionsparametrarna för att minska defekter och förbättra avkastningen.
Integrera AI-driven avkastningshantering i befintliga produktionsarbetsflöden.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till yrkesverksamma på mellannivå som vill tillämpa AI-drivna prediktiva underhållstekniker inom halvledartillverkning för att förbättra produktionseffektiviteten och minska oväntade utrustningsfel.I slutet av denna utbildning kommer deltagarna att kunna:
Implementera AI-modeller för att förutsäga utrustningsfel inom halvledartillverkning.
Analysera underhållsdata för att identifiera mönster och trender som tyder på potentiella problem.
Integrera AI-drivet prediktivt underhåll i befintliga tillverkningsarbetsflöden.
Minska driftstopp och underhållskostnader genom proaktiv utrustningshantering.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till proffs på avancerad nivå som vill tillämpa banbrytande AI-tekniker för automatisering av halvledardesign, förbättra effektiviteten, noggrannheten och innovationen inom chipdesign och verifiering.I slutet av denna utbildning kommer deltagarna att kunna:
Tillämpa avancerad AI-teknik för att optimera designprocesser för halvledare.
Integrera maskininlärningsmodeller i EDA verktyg för förbättrad designverifiering.
Utveckla AI-drivna lösningar för komplexa designutmaningar inom chiptillverkning.
Utnyttja neurala nätverk för att förbättra noggrannheten och hastigheten i designautomatiseringen.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till yrkesverksamma på mellannivå som vill förstå och tillämpa AI-tekniker för att optimera halvledartillverkningsprocesser.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå AI-metoder för processoptimering vid chiptillverkning.
Implementera AI-modeller för att förbättra avkastningen och minska defekter.
Analysera processdata för att identifiera nyckelparametrar för optimering.
Tillämpa maskininlärningstekniker för att finjustera tillverkningsprocesser för halvledare.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till proffs på nybörjarnivå som vill förstå och tillämpa AI-teknik inom halvledartillverkningsindustrin.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå de grundläggande principerna för AI och hur de kan tillämpas på halvledartillverkning.
Identifiera områden inom halvledartillverkning där AI kan implementeras effektivt.
Använd AI-verktyg och tekniker för att förbättra produktionseffektiviteten och kvalitetskontrollen.
Implementera grundläggande AI-modeller för att optimera tillverkningsprocesser.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till cybersäkerhetsproffs på mellannivå till avancerad nivå som vill höja sina färdigheter inom AI-driven hotdetektering och incidenthantering.I slutet av denna utbildning kommer deltagarna att kunna:
Implementera avancerade AI-algoritmer för hotdetektering i realtid.
Anpassa AI-modeller för specifika cybersäkerhetsutmaningar.
Utveckla automatiseringsarbetsflöden för hotsvar.
Skydda AI-drivna säkerhetsverktyg mot fientliga attacker.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till datavetare och utvecklare på mellannivå som vill tillämpa maskininlärningsalgoritmer effektivt med hjälp av Google Colab-miljön.I slutet av denna utbildning kommer deltagarna att kunna:
Konfigurera och navigera Google Colab för maskininlärningsprojekt.
Förstå och tillämpa olika maskininlärningsalgoritmer.
Använd bibliotek som Scikit-learn för att analysera och förutsäga data.
Implementera övervakade och oövervakade inlärningsmodeller.
Optimera och utvärdera maskininlärningsmodeller på ett effektivt sätt.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till datavetare på mellannivå till avancerad nivå, maskininlärningsingenjörer, forskare inom djupinlärning och experter på datorseende som vill utöka sina kunskaper och färdigheter inom djupinlärning för text-till-bild-generering.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå avancerade arkitekturer och tekniker för djupinlärning för text-till-bild-generering.
Implementera komplexa modeller och optimeringar för högkvalitativ bildsyntes.
Optimera prestanda och skalbarhet för stora datamängder och komplexa modeller.
Justera hyperparametrar för bättre modellprestanda och generalisering.
Integrera Stable Diffusion med andra ramverk och verktyg för djupinlärning
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till cybersäkerhetsproffs på nybörjarnivå som vill lära sig att utnyttja AI för förbättrad hotdetektering och svarsförmåga.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå AI-tillämpningar inom cybersäkerhet.
Implementera AI-algoritmer för hotidentifiering.
Automatisera incidenthantering med AI-verktyg.
Integrera AI i befintlig infrastruktur för cybersäkerhet.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till nybörjare till utvecklare på mellannivå och datavetare 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 gradient boosting och beslutsträdsalgoritmer
Använd LightGBM för grundläggande och avancerade maskininlärningsuppgifter.
Implementera avancerade tekniker som funktionsframställning, justering av hyperparametrar och modelltolkning.
Integrera LightGBM med andra ramverk för maskininlärning.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare, maskininlärningsingenjörer och forskare inom datorseende som vill utnyttja Stable Diffusion för att generera bilder av hög kvalitet 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.
Skapa och träna Stable Diffusion-modeller för bildgenereringsuppgifter.
Tillämpa Stable Diffusion på olika bildgenereringsscenarier, såsom inpainting, outpainting och bild-till-bild-översättning.
Optimera prestanda och stabilitet för Stable Diffusion-modeller.
Denna instruktörsledda, liveträning i Östergötland (online eller på plats) riktar sig till biologer som vill förstå hur AlphaFold fungerar och använda AlphaFold-modeller som guider i sina experimentella studier.I 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.
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.
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.
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 .
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.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till ingenjörer, datavetare och dataanalytiker som vill använda Dataiku DSS för utveckling av pipelines för maskininlärning och utnyttja AI-processer för att generera strategiska organisatoriska initiativ .I slutet av denna utbildning kommer deltagarna att kunna:
Installera och konfigurera Dataiku DSS på deras föredragna operativsystem.
Förstå AI/ML-koncept och principer som är grundläggande för Dataiku-funktioner.
Skapa och implementera sina egna datavisualiseringskoder i Dataiku DSS-projekt.
Distribuera ML-modeller och pipelines i produktionsmiljöer byggda kring Dataiku DSS.
Optimera smidigheten och flexibiliteten hos dataanalysmetoder för deras företagsapplikationer.
Använd Dataiku DSS för att säkra och hantera hur data strömmar genom ytterligare affärssystem.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till ingenjörer som vill tillämpa funktionstekniker för att bättre bearbeta data och uppnå bättre maskininlärningsmodeller.I slutet av denna utbildning kommer deltagarna att kunna:
Konfigurera en optimal utvecklingsmiljö, inklusive alla nödvändiga Python-paket.
Få viktiga insikter genom att analysera funktionerna i en datamängd.
Optimera maskininlärningsmodeller genom anpassning av själva rådata.
Rensa och transformera datamängder som förberedelse för maskininlärning.
Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att vara explicit programmerade.Djupinlärning är ett delområde inom maskininlärning som använder metoder baserade på inlärning, data, representationer och strukturer, såsom neurala nätverk.Python är ett programmeringsspråk på hög nivå som är känt för sin tydliga syntax och kodläsbarhet.I denna instruktörsledda, live-utbildning kommer deltagarna att lära sig hur man implementerar djupinlärningsmodeller för telekom med hjälp av Python när de går igenom skapandet av en djupinlärningskreditriskmodell.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå de grundläggande begreppen inom djupinlärning.
Lär dig tillämpningarna och användningen av djupinlärning inom telekom.
Använd Python, Keras och TensorFlow för att skapa djupinlärningsmodeller för telekom.
Skapa en egen modell för förutsägelse av kundomsättning med djupinlärning med hjälp av Python.
Kursens upplägg
Interaktiv föreläsning och diskussion.
Massor av övningar och övning.
Praktisk implementering i en live-labbmiljö.
Alternativ för anpassning av kurser
För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.
Den här kursen är för personer som redan har en bakgrund inom datavetenskap och statistik. De förklaringar som ges är utformade för att antingen tjäna som en påminnelse till dem som redan är bekanta med begreppen eller informera dem med lämplig bakgrund.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till datavetare som vill använda maskininlärning i Mathematica för dataanalys.I slutet av denna utbildning kommer deltagarna att kunna:
Bygg och träna maskininlärningsmodeller.
Importera och förbered data för maskininlärning.
Separera träningsdata från testdata.
Utforska djupinlärning och neurala nätverkstillämpningar i dataanalys.
Machine Learning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att vara explicit programmerade. Python är ett programmeringsspråk som är känt för sin tydliga syntax och läsbarhet. Den erbjuder en utmärkt samling vältestade bibliotek och tekniker för att utveckla maskininlärningsapplikationer.I denna instruktörsledda, liveutbildning kommer deltagarna att lära sig hur man tillämpar maskininlärningstekniker och verktyg för att lösa verkliga problem i bankbranschen.Deltagarna lär sig först de viktigaste principerna och omsätter sedan sina kunskaper i praktiken genom att bygga sina egna maskininlärningsmodeller och använda dem för att slutföra ett antal teamprojekt.Publik
Utvecklare
Datavetare
Kursens upplägg
Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till tekniska personer som vill lära sig hur man implementerar en maskininlärningsstrategi samtidigt som de maximerar användningen av big data.I slutet av denna utbildning kommer deltagarna:
Förstå utvecklingen och trenderna för maskininlärning.
Vet hur maskininlärning används i olika branscher.
Bli bekant med de verktyg, färdigheter och tjänster som finns tillgängliga för att implementera maskininlärning inom en organisation.
Förstå hur maskininlärning kan användas för att förbättra datautvinning och analys.
Lär dig vad en datamellanserver är och hur den används av företag.
Förstå vilken roll big data och intelligenta applikationer spelar i olika branscher.
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
Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att vara explicit programmerade. Python är ett programmeringsspråk som är känt för sin tydliga syntax och läsbarhet. Den erbjuder en utmärkt samling vältestade bibliotek och tekniker för att utveckla maskininlärningsapplikationer.I denna instruktörsledda, liveträning kommer deltagarna att lära sig hur man tillämpar maskininlärningstekniker och verktyg för att lösa verkliga problem i finansbranschen.Deltagarna lär sig först de viktigaste principerna och omsätter sedan sina kunskaper i praktiken genom att bygga sina egna maskininlärningsmodeller och använda dem för att slutföra ett antal teamprojekt.I slutet av denna utbildning kommer deltagarna att kunna:
Förstå de grundläggande begreppen inom maskininlärning
Lär dig tillämpningarna och användningen av maskininlärning inom finans
Utveckla sin egen algoritmiska handelsstrategi med hjälp av maskininlärning med Python
Publik
Utvecklare
Datavetare
Kursens upplägg
Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning
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.
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.
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 .
Denna klassrumsbaserade träningspass kommer att undersöka maskininlärningstekniker, med datorbaserade exempel och lösningsövningar med hjälp av ett relevant program languauge .
Kursen introducerar maskininlärningsmetoder i robottillämpningar.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 hjälp av öppen källkod (vanligtvis R) eller någon annan populär programvara.
Denna instruktörsledda, liveutbildning i (online eller på plats) riktar sig till datavetare som vill använda XGBoost för att bygga modeller som effektivt löser regressions-, klassificerings-, ranknings- och prediktionsproblem.I slutet av denna utbildning kommer deltagarna att kunna:
Installera och konfigurera XGBoost.
Förstå sambandet mellan beslutsträd och andra algoritmer som logistisk regression och slumpmässig skog.
Testa olika bibliotek för att bestämma det bästa för jobbet.
Välj rätt konfiguration för en algoritm.
Justera hyperparametrarna för en algoritm för en given datamängd.
Implementera en maskininlärningslösning som balanserar kraft med komplexitet, förklarabarhet och enkel implementering.
Denna instruktörsledda, liveträning i Östergötland (online eller på plats) riktar sig till datavetare och dataanalytiker som vill automatisera, utvärdera och hantera prediktiva modeller med hjälp av DataRobot:s maskininlärningsfunktioner.I slutet av denna utbildning kommer deltagarna att kunna:
Läs in datauppsättningar i DataRobot för att analysera, utvärdera och kvalitetskontrollera data.
Skapa och träna modeller för att identifiera viktiga variabler och uppfylla förutsägelsemål.
Tolka modeller för att skapa värdefulla insikter som är användbara för att fatta affärsbeslut.
Övervaka och hantera modeller för att upprätthålla en optimerad förutsägelseprestanda.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till datavetare som vill använda H2O AutoML för att automatisera processen för att skapa och välja den bästa maskininlärningsalgoritmen och parametrarna.I slutet av denna utbildning kommer deltagarna att kunna:
Automatisera arbetsflödet för maskininlärning.
Träna och finjustera automatiskt många maskininlärningsmodeller inom ett angivet tidsintervall.
Träna staplade ensembler för att komma fram till mycket prediktiva ensemblemodeller.
Den här instruktörsledda, live-utbildningen i Östergötland (online eller på plats) riktar sig till maskininlärningsutövare som vill använda Auto-sklearn för att automatisera processen för att välja och optimera en maskininlärningsmodell.I slutet av denna utbildning kommer deltagarna att kunna:
Automatisera processen för att träna högeffektiva maskininlärningsmodeller.
Skapa mycket exakta maskininlärningsmodeller samtidigt som du kringgår de mer tråkiga uppgifterna att välja, träna och testa olika modeller.
Använd kraften i maskininlärning för att lösa verkliga affärsproblem.
Den här instruktörsledda, live-utbildningen i Östergötland (online eller på plats) riktar sig till datavetare samt mindre tekniska personer som vill använda Auto-Keras för att automatisera processen för att välja och optimera en maskininlärningsmodell.I slutet av denna utbildning kommer deltagarna att kunna:
Automatisera processen för att träna högeffektiva maskininlärningsmodeller.
Sök automatiskt efter de bästa parametrarna för djupinlärningsmodeller.
Skapa mycket exakta maskininlärningsmodeller.
Använd kraften i maskininlärning för att lösa verkliga affärsproblem.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till utvecklare som vill använda TensorFlow Lite för att distribuera modeller för djupinlärning på inbäddade enheter.I slutet av denna utbildning kommer deltagarna att kunna:
Installera och konfigurera Tensorflow Lite på en inbäddad enhet.
Förstå de begrepp och komponenter som ligger bakom TensorFlow Lite.
Konvertera befintliga modeller till format TensorFlow Lite för exekvering på inbäddade enheter.
Arbeta inom begränsningarna för små enheter och TensorFlow Lite, samtidigt som du lär dig hur du utökar omfattningen av operationer som kan köras.
Implementera en modell för djupinlärning på en inbäddad enhet som kör Linux.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till utvecklare som vill använda TensorFlow Lite för att utveckla mobila applikationer med djupinlärningsmöjligheter.I slutet av denna utbildning kommer deltagarna att kunna:
Installera och konfigurera TensorFlow Lite.
Förstå principerna bakom TensorFlow, maskininlärning och djupinlärning.
Ladda TensorFlow-modeller på en Android-enhet.
Aktivera djupinlärning och maskininlärningsfunktioner som datorseende och naturligt språkigenkänning i en mobilapplikation.
Denna instruktörsledda, liveutbildning i (online eller på plats) riktar sig till utvecklare som vill använda TensorFlow Lite för att utveckla iOS-mobilapplikationer med djupinlärningsmöjligheter.I slutet av denna utbildning kommer deltagarna att kunna:
Installera och konfigurera TensorFlow Lite.
Förstå principerna bakom TensorFlow och maskininlärning på mobila enheter.
Ladda TensorFlow-modeller på en iOS-enhet.
Kör en iOS-applikation som kan upptäcka och klassificera ett objekt som fångas med enhetens kamera.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till ingenjörer som vill skriva, ladda och köra maskininlärningsmodeller på mycket små inbäddade enheter.I slutet av denna utbildning kommer deltagarna att kunna:
Installera TensorFlow Lite.
Ladda maskininlärningsmodeller på en inbäddad enhet så att den kan upptäcka tal, klassificera bilder etc.
Lägg till AI till hårdvaruenheter utan att förlita sig på nätverksanslutning.
Denna instruktörsledda, liveträning i Östergötland (online eller på plats) riktar sig till forskare och utvecklare som vill använda Chainer för att bygga och träna neurala nätverk i Python samtidigt som koden är lätt att felsöka.I slutet av denna utbildning kommer deltagarna att kunna:
Konfigurera den utvecklingsmiljö som krävs för att börja utveckla neurala nätverksmodeller.
Definiera och implementera neurala nätverksmodeller med hjälp av en begriplig källkod.
Kör exempel och modifiera befintliga algoritmer för att optimera träningsmodeller för djupinlärning samtidigt som du utnyttjar GPUs för hög prestanda.
Den här instruktörsledda, live-utbildningen i Östergötland (online eller på plats) riktar sig till utvecklare eller datavetare som vill använda Horovod för att köra distribuerade djupinlärningsträningar och skala upp dem för att köra över flera GPUs parallellt.I slutet av denna utbildning kommer deltagarna att kunna:
Konfigurera den utvecklingsmiljö som krävs för att börja köra djupinlärningsträningar.
Installera och konfigurera Horovod för att träna modeller med TensorFlow, Keras, PyTorch och Apache MXNet.
Skala djupinlärningsträning med Horovod för att köras på flera GPU:er.
Den här instruktörsledda, liveutbildningen i Östergötland (online eller på plats) riktar sig till datavetare som vill påskynda maskininlärningsprogram i realtid och distribuera dem i stor skala.I slutet av denna utbildning kommer deltagarna att kunna:
Installera verktyget OpenVINO.
Accelerera ett program för visuellt innehåll med hjälp av en FPGA.
Kör olika CNN-lager på FPGA:n.
Skala programmet över flera noder i ett Kubernetes-kluster.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare som vill använda Apache MXNet-tals för att bygga och distribuera en djupinlärningsmodell för bildigenkänning.I slutet av denna utbildning kommer deltagarna att kunna:
Installera och konfigurera Apache MXNet och dess komponenter.
Förstå MXNets arkitektur och datastrukturer.
Använd Apache MXNet:s lågnivå- och högnivå-API:er för att effektivt bygga neurala nätverk.
Skapa ett faltningsneuralt nätverk för bildklassificering.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till tekniska personer som vill tillämpa djupinlärningsmodellen på bildigenkänningsapplikationer.I slutet av denna utbildning kommer deltagarna att kunna:
Installera och konfigurera Keras.
Skapa snabbt prototyper av djupinlärningsmodeller.
Implementera ett faltningsnätverk.
Implementera ett återkommande nätverk.
Kör en djupinlärningsmodell på både en CPU och GPU.
Denna instruktörsledda, liveträning i Östergötland (online eller på plats) riktar sig till mjukvaruingenjörer som vill utveckla avancerade neurala nätverk och modeller för djupinlärning med hjälp av Keras och Python.I slutet av denna utbildning kommer deltagarna att kunna:
Tillämpa djupinlärning med övervakade eller oövervakade inlärningsmetoder.
Utveckla, träna och implementera samtidiga neurala nätverk och återkommande neurala nätverk.
Använd Keras och Python för att skapa djupinlärningsmodeller för att lösa problem som rör bilder, text, ljud med mera.
Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktar sig till datavetare som vill använda Pandas för att utföra prediktiv analys med maskininlärning.I slutet av denna utbildning kommer deltagarna att kunna:
Utför databråk i Python.
Genomför ETL-operationer för maskininlärning.
Skapa datavisualiseringar med Pandas
LÄS MER...
Last Updated:
Vittnesmål (23)
Hunter är fantastisk, mycket engagerande, extremt kunnig och personlig. Mycket bra gjort.
Rick Johnson - Laramie County Community College
Kurs - Artificial Intelligence (AI) Overview
Machine Translated
VM är en trevlig idé
Vincent - REGNOLOGY ROMANIA S.R.L.
Kurs - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Machine Translated
I thought the trainer was very knowledgeable and answered questions with confidence to clarify understanding.
Jenna - TCMT
Kurs - Machine Learning with Python – 2 Days
The clarity with which it was presented
John McLemore - Motorola Solutions
Kurs - Deep Learning for Telecom (with Python)
The way of transferring knowledge and the knowledge of the trainer.
Jakub Rękas - Bitcomp Sp. z o.o.
Kurs - Machine Learning on iOS
The explaination
Wei Yang Teo - Ministry of Defence, Singapore
Kurs - Machine Learning with Python – 4 Days
The enthusiasm to the topic. The examples he made an he explained it very well. Sympatic. A little to detailed for beginners. For managers, it could be more abstract in fewer days. But it was designed to fit and we had a good alignment in advance.
Benedikt Chiandetti - HDI Deutschland Bancassurance Kundenservice GmbH
Kurs - Machine Learning Concepts for Entrepreneurs and Managers
The trainer explained the content well and was engaging throughout. He stopped to ask questions and let us come to our own solutions in some practical sessions. He also tailored the course well for our needs.
Robert Baker
Kurs - Deep Learning with TensorFlow 2.0
Convolution filter
Francesco Ferrara
Kurs - Introduction to Machine Learning
Tomasz really know the information well and the course was well paced.
Raju Krishnamurthy - Google
Kurs - TensorFlow Extended (TFX)
Organization, adhering to the proposed agenda, the trainer's vast knowledge in this subject
Ali Kattan - TWPI
Kurs - Natural Language Processing with TensorFlow
The trainer was a professional in the subject field and related theory with application excellently
Fahad Malalla - Tatweer Petroleum
Kurs - Applied AI from Scratch in Python
I liked the lab exercises.
Marcell Lorant - L M ERICSSON LIMITED
Kurs - Machine Learning
In-depth coverage of machine learning topics, particularly neural networks. Demystified a lot of the topic.
Sacha Nandlall
Kurs - Python for Advanced Machine Learning
Very flexible.
Frank Ueltzhöffer
Kurs - Artificial Neural Networks, Machine Learning and Deep Thinking
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
Paul Lee
Kurs - TensorFlow for Image Recognition
I liked the new insights in deep machine learning.
Josip Arneric
Kurs - Neural Network in R
We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.
Sebastiaan Holman
Kurs - Machine Learning and Deep Learning
I really appreciated the crystal clear answers of Chris to our questions.
Léo Dubus
Kurs - Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
The global overview of deep learning.
Bruno Charbonnier
Kurs - Advanced Deep Learning
The topic is very interesting.
Wojciech Baranowski
Kurs - Introduction to Deep Learning
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.
Gudrun Bickelq
Kurs - Introduction to the use of neural networks
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Learning (ML) kurs i Östergötland, Helg Machine Learning (ML) kurs i Östergötland, kväll Machine Learning utbildning i Östergötland, Machine Learning instruktörledd kurs Östergötland, kväll ML (Machine Learning) kurs i Östergötland, Helg ML (Machine Learning) utbildning i Östergötland, Machine Learning (ML) coaching i Östergötland, ML (Machine Learning) on-site i Östergötland, Machine Learning instruktörledd kurs i Östergötland, ML (Machine Learning) klasser i Östergötland, Machine Learning (ML) instruktör i Östergötland, ML (Machine Learning) en till en utbildning i Östergötland, ML (Machine Learning) bootcamp i Östergötland, Machine Learning (ML) utbildning i Östergötland, Machine Learning privata kurser i Östergötland
