Corso di formazione Deep Learning Neural Networks with Chainer

In this instructor-led, live training, we go over the principles of neural networks and use OpenNN to implement a sample application.

Format of the course

• Lecture and discussion coupled with hands-on exercises.

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.

La formazione è rivolta a persone che vogliono apprendere le basi delle reti neurali e le loro applicazioni.

Questo corso è un'introduzione all'applicazione delle reti neurali nei problemi del mondo reale utilizzando il software del progetto R.

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.

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.

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 corso copre l'AI (emphasizing Machine Learning e Deep Learning) in Automotive Industria. Aiuta a determinare quale tecnologia può essere (potenzialmente) utilizzata in molte situazioni in un'auto: dalla semplice automazione, dalla riconoscimento dell'immagine alla decisione autonoma.

This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).

This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.

Questo corso dal vivo con istruttore offre un'introduzione al campo del riconoscimento dei modelli e dell'apprendimento automatico. Si occupa di applicazioni pratiche in statistica, informatica, elaborazione dei segnali, visione artificiale, data mining e bioinformatica.

Il corso è interattivo e comprende numerosi esercizi pratici, feedback degli istruttori e test delle conoscenze e delle abilità acquisite.

Tipo: formazione teorica con domande decise a monte con gli studenti su Lasagne o Keras secondo il gruppo pedagogico

Metodo di insegnamento: presentazione, scambi e casi studio

L'intelligenza artificiale, dopo aver sconvolto molti campi scientifici, ha iniziato a rivoluzionare un gran numero di settori economici (industria, medicina, comunicazione, ecc.). Tuttavia, la sua presentazione nei grandi media è spesso fantasy, molto lontana da quelle che sono veramente le aree di Machine Learning o Deep Learning . Lo scopo di questa formazione è fornire agli ingegneri che hanno già una padronanza degli strumenti informatici (inclusa una base di programmazione software) un'introduzione al Deep Learning e alle sue varie aree di specializzazione e quindi alle principali architetture di rete esistenti Oggi. Se le basi matematiche vengono richiamate durante il corso, si consiglia un livello di matematica di tipo BAC + 2 per un maggiore comfort. È assolutamente possibile saltare l'asse matematico per mantenere solo una visione di "sistema", ma questo approccio limiterà enormemente la comprensione della materia.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno come sfruttare le innovazioni dei processori TPU per massimizzare le prestazioni delle proprie applicazioni di intelligenza artificiale.

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

• Addestra vari tipi di reti neurali su grandi quantità di dati.
• Usa le TPU per accelerare il processo di inferenza fino a due ordini di grandezza.
• Utilizza le TPU per elaborare applicazioni intensive come la ricerca di immagini, la visione cloud e le foto.

PaddlePaddle (PArallel Distributed Deep LEarning) is a scalable deep learning platform developed by Baidu.

In this instructor-led, live training, participants will learn how to use PaddlePaddle to enable deep learning in their product and service applications.

By the end of this training, participants will be able to:

• Set up and configure PaddlePaddle
• Set up a Convolutional Neural Network (CNN) for image recognition and object detection
• Set up a Recurrent Neural Network (RNN) for sentiment analysis
• Set up deep learning on recommendation systems to help users find answers
• Predict click-through rates (CTR), classify large-scale image sets, perform optical character recognition(OCR), rank searches, detect computer viruses, and implement a recommendation system.

Audience

• Developers
• Data scientists

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare Matlab per progettare, costruire e visualizzare una rete neurale convoluzionale per il riconoscimento delle immagini.

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

• Costruire un modello di apprendimento profondo
• Automatizza l'etichettatura dei dati
• Lavora con i modelli di Caffe e TensorFlow - Keras
• Addestra i dati utilizzando più GPU , il cloud o i cluster

Pubblico

• Sviluppatori
• ingegneri
• Esperti di dominio

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche