Deep Learning Training Courses

Stable Diffusion è un potente modello di deep learning in grado di generare immagini dettagliate basate su descrizioni testuali.  Questa formazione dal vivo con istruttore (online o in loco) è rivolta a data scientist di livello intermedio e avanzato, ingegneri di machine learning, ricercatori di deep learning ed esperti di visione artificiale che desiderano espandere le proprie conoscenze e competenze nel deep learning per la generazione di testo in immagine. Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere le architetture e le tecniche avanzate di deep learning per la generazione di testo in immagine. Implementa modelli complessi e ottimizzazioni per una sintesi di immagini di alta qualità. Ottimizza le prestazioni e la scalabilità per set di dati di grandi dimensioni e modelli complessi. Ottimizza gli iperparametri per migliorare le prestazioni e la generalizzazione del modello. Integrazione Stable Diffusion con altri framework e strumenti di deep learning.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare

DeepSpeed è una libreria di ottimizzazione del deep learning che semplifica la scalabilità dei modelli di deep learning su hardware distribuito. Sviluppato da Microsoft, DeepSpeed si integra con PyTorch per fornire una migliore scalabilità, una formazione più rapida e un migliore utilizzo delle risorse.Questa formazione dal vivo con istruttore (in loco o in remoto) è rivolta a scienziati di dati di livello principiante e intermedio e ingegneri di machine learning che desiderano migliorare le prestazioni dei loro modelli di deep learning.Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere i principi del deep learning distribuito. Installa e configura DeepSpeed. Ridimensiona i modelli di deep learning su hardware distribuito utilizzando DeepSpeed. Implementa e sperimenta le funzionalità DeepSpeed per l'ottimizzazione e l'efficienza della memoria.

Formato del corso

Lezione interattiva e discussione. Tanti esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

I modelli linguistici di grandi dimensioni (LLM) sono modelli di reti neurali profonde in grado di generare testi in linguaggio naturale in base a un determinato input o contesto. Sono addestrati su grandi quantità di dati testuali provenienti da vari domini e fonti e possono catturare i modelli sintattici e semantici del linguaggio naturale. Gli LLM hanno ottenuto risultati impressionanti su varie attività in linguaggio naturale come il riassunto del testo, la risposta alle domande, la generazione di testo e altro ancora. Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare modelli linguistici di grandi dimensioni per varie attività in linguaggio naturale. Al termine di questa formazione, i partecipanti saranno in grado di:

Configura un ambiente di sviluppo che includa un LLM popolare. Creare un LLM di base e ottimizzarlo su un set di dati personalizzato. Usa gli LLM per diverse attività in linguaggio naturale come il riepilogo del testo, la risposta alle domande, la generazione di testo e altro ancora. Esegui il debug e valuta gli LLM utilizzando strumenti come TensorBoard, PyTorch Lightning e Hugging Face Datasets.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

AlphaFold è un sistema Artificial Intelligence (AI) che esegue la previsione delle strutture proteiche. È sviluppato da Alphabet’s/Google’s DeepMind come un sistema di apprendimento profondo che può prevedere con precisione i modelli 3D delle strutture proteiche. Questo allenamento guidato da istruttori, in diretta (online o on-site) è rivolto ai biologisti che vogliono capire come AlphaFold funziona e utilizzare i modelli AlphaFold come guide nei loro studi sperimentali. Al termine di questo corso, i partecipanti saranno in grado di:

Conoscere i principi di base AlphaFold. Scopri come AlphaFold funziona. Imparare a interpretare AlphaFold le previsioni e i risultati.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Stable Diffusion è un potente modello di deep learning in grado di generare immagini dettagliate basate su descrizioni testuali.  Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto a data scientist, ingegneri di apprendimento automatico e ricercatori di visione artificiale che desiderano sfruttare Stable Diffusion per generare immagini di alta qualità per una varietà di casi d'uso. Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere i principi di Stable Diffusion e come funziona per la generazione di immagini. Compilare ed eseguire il training di Stable Diffusion modelli per le attività di generazione di immagini. Applicare Stable Diffusion a vari scenari di generazione di immagini, ad esempio inpainting, outpainting e conversione da immagine a immagine. Ottimizza le prestazioni e la stabilità dei modelli Stable Diffusion.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare

In questo corso di formazione dal vivo, istruito, i partecipanti apprenderanno le tecniche di machine learning più rilevanti e all'avanguardia in Python mentre costruiscono una serie di applicazioni demo che includono immagini, musica, testo e dati finanziari Alla fine di questa formazione, i partecipanti saranno in grado di: Implementare algoritmi e tecniche di apprendimento automatico per risolvere problemi complessi Applicare l'apprendimento approfondito e l'apprendimento semisupervato alle applicazioni che coinvolgono immagini, musica, testo e dati finanziari Spingere gli algoritmi Python al massimo potenziale Usa librerie e pacchetti come NumPy e Theano Pubblico Sviluppatori Gli analisti Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

Deep Reinforcement Learning si riferisce alla capacità di un "agente artificiale" di apprendere per tentativi ed errori e premi e punizioni. Un agente artificiale mira a emulare la capacità di un essere umano di ottenere e costruire conoscenza da solo, direttamente da input grezzi come la visione. Per realizzare l'apprendimento per rinforzo, vengono utilizzati il deep learning e le reti neurali. L'apprendimento per rinforzo è diverso dall'apprendimento automatico e non si basa su approcci di apprendimento supervisionato e non supervisionato.Questa formazione dal vivo con istruttore (in loco o in remoto) è rivolta a sviluppatori e data scientist che desiderano apprendere i fondamenti di Deep Reinforcement Learning mentre passano attraverso la creazione di un Deep Learning agente.Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere i concetti chiave alla base di Deep Reinforcement Learning ed essere in grado di distinguerlo da Machine Learning. Applicare algoritmi Reinforcement Learning avanzati per risolvere problemi del mondo reale. Crea un Deep Learning agente.

Formato del corso

Lezione interattiva e discussione. Tanti esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

L'apprendimento automatico è un ramo dell'intelligenza artificiale in cui i computer hanno la capacità di imparare senza essere esplicitamente programmati. L'apprendimento profondo è un sub-campo di apprendimento automatico che utilizza metodi basati sulle rappresentazioni e le strutture dei dati di apprendimento come le reti neurali. Python è un linguaggio di programmazione di alto livello famoso per la sua chiara sintasi e leggibilità del codice. In questa formazione diretta da istruttori, i partecipanti impareranno come implementare modelli di apprendimento profondo per telecom utilizzando Python mentre passano attraverso la creazione di un modello di rischio di credito profondo. Al termine di questo corso, i partecipanti saranno in grado di:

Comprendere i concetti fondamentali dell’apprendimento profondo. Scopri le applicazioni e gli usi dell'apprendimento profondo in telecom. Utilizzare Python, Keras, e TensorFlow per creare modelli di apprendimento profondo per telecom. Costruisci il tuo modello di profondità di apprendimento del cliente utilizzando Python.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Embedding Projector è un'applicazione web opensource per la visualizzazione dei dati utilizzati per addestrare i sistemi di machine learning Creato da Google, fa parte di TensorFlow Questo corso di formazione dal vivo con istruttore introduce i concetti alla base di Embedding Projector e accompagna i partecipanti attraverso la configurazione di un progetto dimostrativo Alla fine di questa formazione, i partecipanti saranno in grado di: Scopri come i dati vengono interpretati dai modelli di apprendimento automatico Navigare attraverso le viste 3D e 2D dei dati per comprendere come un algoritmo di apprendimento automatico lo interpreti Comprendere i concetti dietro Embeddings e il loro ruolo nella rappresentazione di vettori matematici per immagini, parole e numeri Esplora le proprietà di un incorporamento specifico per comprendere il comportamento di un modello Applicare Embedding Project ai casi d'uso del mondo reale come costruire un sistema di raccomandazione di canzoni per gli amanti della musica Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

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.

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.

Caffe è una struttura di apprendimento profondo creata pensando a espressione, velocità e modularità. Questo corso esplora l'applicazione di Caffe come framework di apprendimento profondo per il riconoscimento di immagini usando MNIST come esempio Pubblico Questo corso è adatto a ricercatori e ingegneri del Deep Learning interessati a utilizzare Caffe come framework. Dopo aver completato questo corso, i delegati saranno in grado di:

• comprendere la struttura e i meccanismi di distribuzione di Caffe
• svolgere attività e configurazione di installazione / ambiente di produzione / architettura
• valutare la qualità del codice, eseguire il debug, il monitoraggio
• implementare la produzione avanzata come modelli di formazione, implementazione di livelli e registrazione

Questo corso è una panoramica generale per l' Deep Learning senza approfondire metodi specifici. È adatto a persone che desiderano iniziare a utilizzare Deep learning per migliorare la precisione delle previsioni.

L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere esplicitamente programmati. L'apprendimento profondo è un sottocampo dell'apprendimento automatico che utilizza metodi basati su rappresentazioni di dati di apprendimento e strutture come le reti neurali.

Introduzione: Il deep learning sta diventando una componente principale del futuro design dei prodotti che vuole incorporare l'intelligenza artificiale al centro dei propri modelli. Entro i prossimi 5-10 anni, gli strumenti, le librerie e i linguaggi di sviluppo del deep learning diventeranno componenti standard di ogni toolkit di sviluppo software. Finora Google, Sales Force, Facebook, Amazon hanno utilizzato con successo l'intelligenza artificiale di deep learning per aumentare il loro business. Le applicazioni spaziavano dalla traduzione automatica automatica, all'analisi delle immagini, all'analisi dei video, all'analisi del movimento, alla generazione di pubblicità mirata e molto altro. Questo corso è rivolto a quelle organizzazioni che vogliono incorporare Deep Learning come parte molto importante della loro strategia di prodotto o servizio. Di seguito è riportato lo schema del corso di deep learning che possiamo personalizzare per diversi livelli di dipendenti / stakeholder in un'organizzazione. Target: (A seconda del pubblico di destinazione, i materiali del corso saranno personalizzati) Dirigenti Una panoramica generale dell'IA e di come si inserisce nella strategia aziendale, con sessioni di approfondimento sulla pianificazione strategica, le roadmap tecnologiche e l'allocazione delle risorse per garantire il massimo valore. Responsabili di progetto Come pianificare un progetto di intelligenza artificiale, tra cui raccolta e valutazione dei dati, pulizia e verifica dei dati, sviluppo di un modello proof-of-concept, integrazione nei processi aziendali e consegna in tutta l'organizzazione. Gli sviluppatori Formazione tecnica approfondita, con particolare attenzione alle reti neurali e al deep learning, analisi di immagini e video (CNN), analisi del suono e del testo (NLP) e introduzione dell'intelligenza artificiale nelle applicazioni esistenti. Venditori Una panoramica generale dell'IA e di come può soddisfare le esigenze dei clienti, proposte di valore per vari prodotti e servizi e come dissipare i timori e promuovere i benefici dell'IA.

L'apprendimento profondo o apprendimento strutturato profondo è un sottosegmento di apprendimento automatico che coinvolge più strati di reti per costruire modelli di previsione. È ampiamente utilizzato nelle principali industrie, come la salute, il commercio elettronico, la banca, la fabbricazione, l'automobile, ecc. Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto ad analisti aziendali, scienziati dei dati e sviluppatori che vogliono costruire e implementare modelli di apprendimento profondo per accelerare la crescita del reddito e risolvere i problemi nel mondo degli affari. Al termine di questo corso, i partecipanti saranno in grado di:

Comprendere i concetti chiave dell'apprendimento automatico e dell'apprendimento profondo. Ottieni informazioni sul futuro del business e dell'industria con ML e DL. Definisci strategie aziendali e soluzioni con l'apprendimento profondo. Scopri come applicare la scienza dei dati e l'apprendimento profondo nella risoluzione dei problemi aziendali. Il Corano è il Corano, il Corano, il Corano, il Corano, il Corano e il Corano.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere esplicitamente programmati. L'apprendimento profondo è un sottocampo dell'apprendimento automatico che utilizza metodi basati su rappresentazioni di dati di apprendimento e strutture come le reti neurali. R è un linguaggio di programmazione popolare nel settore finanziario. È utilizzato in applicazioni finanziarie che vanno dai principali programmi di trading ai sistemi di gestione del rischio. In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come implementare modelli di deep learning per la finanza utilizzando R mentre avanzano nella creazione di un modello di previsione del prezzo delle azioni di deep learning. Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendi i concetti fondamentali dell'apprendimento profondo
• Impara le applicazioni e gli usi del deep learning in finanza
• Usa R per creare modelli di apprendimento profondo per la finanza
• Costruisci il proprio modello di previsione del prezzo delle azioni di deep learning usando R

Pubblico

• Sviluppatori
• Data scientist

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere esplicitamente programmati. L'apprendimento profondo è un sottocampo dell'apprendimento automatico che utilizza metodi basati su rappresentazioni di dati di apprendimento e strutture come le reti neurali. Python è un linguaggio di programmazione di alto livello famoso per la sua sintassi chiara e la leggibilità del codice. In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come implementare modelli di deep learning per il settore bancario utilizzando Python mentre passano attraverso la creazione di un modello di rischio di credito di deep learning. Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendi i concetti fondamentali dell'apprendimento profondo
• Scopri le applicazioni e gli usi del deep learning nel settore bancario
• Usa Python , Keras e TensorFlow per creare modelli di deep learning per il settore bancario
• Costruisci il proprio modello di rischio di credito per l'apprendimento profondo utilizzando Python

Pubblico

• Sviluppatori
• Data scientist

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere esplicitamente programmati. L'apprendimento profondo è un sottocampo dell'apprendimento automatico che utilizza metodi basati su rappresentazioni di dati di apprendimento e strutture come le reti neurali. R è un linguaggio di programmazione popolare nel settore finanziario. È utilizzato in applicazioni finanziarie che vanno dai principali programmi di trading ai sistemi di gestione del rischio. In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come implementare modelli di apprendimento profondo per il settore bancario utilizzando R mentre passano attraverso la creazione di un modello di rischio di credito di apprendimento profondo. Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendi i concetti fondamentali dell'apprendimento profondo
• Scopri le applicazioni e gli usi del deep learning nel settore bancario
• Usa R per creare modelli di deep learning per il settore bancario
• Costruire il proprio modello di rischio di credito per l'apprendimento approfondito utilizzando R

Pubblico

• Sviluppatori
• Data scientist

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere programmati esplicitamente L'apprendimento approfondito è un sottocampo di machine learning che utilizza metodi basati sull'apprendimento di rappresentazioni di dati e strutture come le reti neurali Python è un linguaggio di programmazione di alto livello famoso per la sua chiara sintassi e leggibilità del codice In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come implementare modelli di deep learning per la finanza usando Python mentre passano attraverso la creazione di un modello di predizione dei prezzi delle azioni in deep learning Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendere i concetti fondamentali dell'apprendimento profondo Impara le applicazioni e gli usi del deep learning in finanza Usa Python, Keras e TensorFlow per creare modelli di deep learning per la finanza Costruire il proprio modello di previsione dei prezzi delle azioni per l'apprendimento profondo usando Python Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

Machine Learning è un ramo dell'intelligenza artificiale in cui i computer hanno la capacità di imparare senza essere esplicitamente programmati. Deep Learning è un subcampo di Machine Learning che cerca di imitare le attività del cervello umano nella presa di decisioni. È addestrato con i dati al fine di fornire automaticamente soluzioni ai problemi. Deep Learning fornisce enormi opportunità per l’industria medica che siede su un data goldmine. In questa formazione diretta da istruttori, i partecipanti parteciperanno a una serie di discussioni, esercizi e analisi di caso per comprendere i fondamenti di Deep Learning. I più importanti Deep Learning strumenti e tecniche saranno valutati e gli esercizi saranno eseguiti per preparare i partecipanti a svolgere la propria valutazione e l'implementazione di Deep Learning soluzioni all'interno delle loro organizzazioni. Al termine di questo corso, i partecipanti saranno in grado di:

Conoscere i fondamenti di Deep Learning Apprendere Deep Learning tecniche e le loro applicazioni nel settore Esaminare i problemi della medicina che possono essere risolti Deep Learning tecnologie Scopri Deep Learning studi di caso in medicina Formulare una strategia per l'adozione delle ultime tecnologie in Deep Learning per la risoluzione dei problemi in medicina

Il pubblico

Direttori Professionisti medici nei ruoli di leadership

Il formato del corso

Lezioni parziali, discussioni parziali, esercizi e pratiche pesanti

Nota

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

I problemi di salute possono essere rilevati attraverso l'analisi delle immagini come le scansioni MRI. L'utilizzo di apprendimento profondo per elaborare le immagini può portare a scoperte precedentemente non raggiungibili da un'ispezione umana sola. Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto a sviluppatori e scienziati dei dati che vogliono applicare reti neurali convoluzionali (CNN) all'analisi delle scansioni MRI. Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare il necessario ambiente di sviluppo, software e biblioteche per iniziare a sviluppare. Analisi delle immagini MRI utilizzando tecniche di apprendimento profondo come i CNN. Determinare potenziali condizioni di salute come malattie cardiache attraverso l'analisi della scansione MRI. Applicare tecniche come la segmentazione dell'immagine e la formazione CNN per identificare le potenziali malattie. Identificare i genomi di una malattia utilizzando radiomiche. Costruire e implementare un'applicazione di apprendimento profondo impegnata nell'analisi dell'immagine sanitaria.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Pubblico Questo corso è adatto a ricercatori e ingegneri del Deep Learning interessati a utilizzare gli strumenti disponibili (principalmente open source) per l'analisi delle immagini del computer Questo corso fornisce esempi di lavoro.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare DSSTNE per creare un'applicazione di raccomandazione. Al termine di questa formazione, i partecipanti saranno in grado di:

• Addestra un modello di raccomandazione con set di dati sparsi come input
• Ridimensionare i modelli di allenamento e previsione su più GPU
• Distribuire il calcolo e l'archiviazione in modo parallelo al modello
• Genera consigli sui prodotti personalizzati simili ad Amazon
• Distribuire un'applicazione pronta per la produzione che può adattarsi a carichi di lavoro pesanti

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

In questo corso di formazione diretto da insegnanti, i partecipanti impareranno come utilizzare Facebook NMT (Fairseq) per effettuare la traduzione del contenuto di campione. Al termine di questa formazione, i partecipanti avranno le conoscenze e le pratiche necessarie per implementare una soluzione di traduzione automatica basata su Fairseq. Il formato del corso

Lezione parziale, discussione parziale, pratica pesante

Nota

Se si desidera utilizzare contenuti di fonte specifici e linguaggio mirato, si prega di contattarci per organizzare.

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, 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

Microsoft Cognitive Toolkit 2x (in precedenza CNTK) è un toolkit open source e commerciale che consente di addestrare algoritmi di apprendimento approfondito per apprendere come il cervello umano Secondo Microsoft, CNTK può essere 510 volte più veloce di TensorFlow su reti ricorrenti e da 2 a 3 volte più veloce di TensorFlow per le attività basate sull'imaging In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare Microsoft Cognitive Toolkit per creare, addestrare e valutare algoritmi di deep learning da utilizzare in applicazioni AI commerciali che coinvolgono diversi tipi di dati come dati, parlato, testo e immagini Alla fine di questa formazione, i partecipanti saranno in grado di: Accedi a CNTK come libreria da un programma Python, C # o C ++ Utilizza CNTK come strumento autonomo di apprendimento automatico attraverso il proprio linguaggio di descrizione del modello (BrainScript) Utilizzare la funzionalità di valutazione del modello CNTK da un programma Java Combina DNN feedforward, reti convoluzionali (CNN) e reti ricorrenti (RNN / LSTM) Scala la capacità di calcolo su CPU, GPU e macchine multiple Accedi a enormi set di dati utilizzando linguaggi di programmazione e algoritmi esistenti Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva Nota Se desideri personalizzare qualsiasi parte di questo corso, incluso il linguaggio di programmazione scelto, ti preghiamo di contattarci per organizzare .

Questo corso copre l'IA (enfatizzando Machine Learning e Deep Learning )