Corso di formazione AdaBoost Python for Machine Learning

Come saranno le città in futuro? Come si può usare Artificial Intelligence (AI) per migliorare l'urbanistica? In che modo l'IA può essere utilizzata per rendere le città più efficienti, vivibili, più sicure e rispettose dell'ambiente?

In questo corso di formazione dal vivo con istruttore (in loco o remoto), esaminiamo le varie tecnologie che compongono l'IA, nonché i set di abilità e il quadro mentale necessari per utilizzarli per la pianificazione della città. Copriamo anche strumenti e approcci per la raccolta e l'organizzazione di dati rilevanti da utilizzare nell'intelligenza artificiale, incluso il data mining.

Pubblico

• Urbanisti
• architetti
• Sviluppatori
• Funzionari del trasporto

Formato del corso

• Parte della lezione, parte della discussione e una serie di esercizi interattivi.

Nota

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

L'intelligenza artificiale è una raccolta di tecnologie per la costruzione di sistemi intelligenti in grado di comprendere i dati e le attività che li circondano per prendere "decisioni intelligenti". Per i fornitori di telecomunicazioni, la creazione di applicazioni e servizi che utilizzano l'intelligenza artificiale potrebbe aprire le porte a operazioni e servizi migliorati in settori quali la manutenzione e l'ottimizzazione della rete.

In questo corso esaminiamo le varie tecnologie che compongono l'IA e le competenze necessarie per metterle in pratica. Durante il corso, esaminiamo le applicazioni specifiche dell'IA nel settore delle telecomunicazioni.

Pubblico

• Ingegneri di rete
• Personale addetto alle operazioni di rete
• Responsabili tecnici delle telecomunicazioni

Formato del corso

• Parte lezione, parte discussione, esercitazioni pratiche

Questo corso è stato creato per manager, architetti di soluzioni, responsabili dell'innovazione, CTO, architetti software e chiunque sia interessato a una panoramica dell'intelligenza artificiale applicata e alle previsioni più vicine per il suo sviluppo.

Questo corso è stato creato per le persone che non hanno precedenti esperienze in probabilità e statistiche .

L'algebra lineare è una branca della matematica che si occupa di vettori, matrici e trasformazioni lineari La conoscenza dell'algebra lineare aiuta ingegneri e sviluppatori a migliorare le loro capacità di apprendimento automatico La comprensione dei concetti di algebra lineare consente loro di comprendere meglio i principi alla base delle tecniche di apprendimento automatico e quindi di risolvere i problemi più velocemente In questo corso di formazione dal vivo istruito, i partecipanti impareranno i fondamenti dell'algebra lineare mentre affrontano la soluzione di un problema di apprendimento automatico usando metodi di algebra lineare Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendere i concetti fondamentali di algebra lineare Impara le abilità di algebra lineare necessarie per l'apprendimento automatico Usa strutture e concetti di algebra lineare quando lavori con dati, immagini, algoritmi, ecc Risolvi un problema di apprendimento automatico usando l'algebra lineare Pubblico Sviluppatori ingegneri Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva Nota Per richiedere una formazione personalizzata per questo corso, vi preghiamo di contattarci per organizzare .

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai tecnici che desiderano usare la piattaforma di trascinamento della selezione di Azure ML per distribuire Machine Learning carichi di lavoro senza dover acquistare software e hardware e senza doversi preoccupare della manutenzione e della distribuzione.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Scrivi modelli di machine learning altamente accurati usando Python, R o strumenti zero-code.
• Sfrutta i set di dati e gli algoritmi disponibili di Azure per eseguire il training e tenere traccia dei modelli di Machine Learning e Deep Learning.
• Usare l'area di lavoro interattiva di Azure per sviluppare in modo collaborativo modelli di Machine Learning.
• Scegli tra diversi framework di Machine Learning supportati da Azure, ad esempio PyTorch, TensorFlow e scikit-learn.

La rete neurale artificiale è un modello di dati computazionale utilizzato nello sviluppo di sistemi di Artificial Intelligence (AI) in grado di eseguire attività "intelligenti". Neural Networks sono comunemente utilizzate nelle applicazioni di Machine Learning (ML), che sono esse stesse un'implementazione dell'IA. Deep Learning è un sottoinsieme di ML.

Questo è un corso di 4 giorni che introduce l'intelligenza artificiale e la sua applicazione. C'è la possibilità di avere un giorno aggiuntivo per intraprendere un progetto di intelligenza artificiale al termine di questo corso. 

Questo è un corso di 4 giorni che introduce AI e la sua applicazione utilizzando il linguaggio di programmazione Python. C'è un'opzione per avere un giorno supplementare per intraprendere un progetto AI alla conclusione di questo corso. 

Questo corso di formazione è rivolto a persone che desiderano applicare l' Machine Learning in applicazioni pratiche.

Pubblico

Questo corso è rivolto a data scientist e statistici che hanno una certa familiarità con le statistiche e sanno programmare R (o Python o altra lingua scelta). L'enfasi di questo corso è sugli aspetti pratici della preparazione, esecuzione, analisi e visualizzazione di dati / modelli.

Lo scopo è quello di fornire applicazioni pratiche Machine Learning ai partecipanti interessati ad applicare i metodi di lavoro.

Esempi specifici di settore vengono utilizzati per rendere la formazione rilevante per il pubblico.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori che desiderano creare e addestrare modelli di machine learning per la distribuzione in ambienti di hosting pronti per la produzione.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Usare le istanze notebook per preparare e caricare i dati per il training.
• Eseguire il training di modelli di Machine Learning usando set di dati di training.
• Distribuisci modelli addestrati in un endpoint per creare previsioni.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai data scientist che desiderano utilizzare Azure Machine Learning per creare modelli di machine learning end-to-end per l'analisi predittiva.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Crea modelli di machine learning senza esperienza di programmazione.
• Crea algoritmi predittivi con Azure Machine Learning.
• Distribuisci algoritmi di machine learning pronti per la produzione.

Questo corso sarà una combinazione di teoria e lavoro pratico con esempi specifici utilizzati durante l'evento.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli sviluppatori Web che desiderano creare modelli di machine learning con Core ML per iOS 11 e lo sviluppo macOS High Sierra.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Crea applicazioni basate sull'intelligenza artificiale che utilizzano l'apprendimento automatico.
• Implementa modelli di Machine Learning che classificano le immagini.
• Usa l'API Core ML per supportare flussi di lavoro personalizzati e casi d'uso avanzati
• Analizza il testo in linguaggio naturale con modelli di machine learning.

Questa formazione dal vivo con istruttore in Italia (online o in loco) è rivolta a ingegneri, data scientist e analisti di dati che desiderano utilizzare Dataiku DSS per lo sviluppo di pipeline di machine learning e sfruttare i processi di intelligenza artificiale nella generazione di iniziative organizzative strategiche.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare Dataiku DSS sul sistema operativo preferito.
• Comprendere i concetti e i principi di AI/ML fondamentali per le funzionalità di Dataiku.
• Creare e implementare i propri codici di visualizzazione dei dati nei progetti Dataiku DSS.
• Distribuisci modelli e pipeline di ML in ambienti di produzione basati su Dataiku DSS.
• Ottimizza l'agilità e la flessibilità dei metodi di analisi dei dati delle loro applicazioni aziendali.
• Utilizza Dataiku DSS per proteggere e gestire il flusso dei dati attraverso altri sistemi aziendali.