Deep Learning Training Courses

Deep Learning Training Courses

I corsi di formazione Deep Learning (DL) in diretta locale con istruttore dimostrano attraverso la pratica handson i fondamenti e le applicazioni di Deep Learning e argomenti di copertura come deep machine learning, deep structured learning e apprendimento gerarchico. La formazione Deep Learning è disponibile come formazione dal vivo in loco o formazione dal vivo a distanza. La formazione on-site in loco può essere svolta localmente presso la sede del cliente a Italia o nei centri di formazione aziendale NobleProg a Italia. La formazione in remoto dal vivo viene effettuata tramite un desktop remoto interattivo. NobleProg, il tuo fornitore di formazione locale.

Recensioni

★★★★★
★★★★★

Schema generale del corso DL (Deep Learning)

Nome del corso
Durata
Overview
Nome del corso
Durata
Overview
7 hours
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.
21 hours
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 .
21 hours
Profondamente Reinforcement Learning riferisce alla capacità di un agente artificiale " di imparare da prova e errore e punizioni. Un agente artifiziale mira a emulare un umano ' capacità di ottenere e costruire conoscenza proprio, direttamente da entrate prima come la visione. Per realizzare l'apprendimento di rafforzamento, vengono utilizzate le reti di apprendimento profonde e neurale. L'apprendimento di riforzamento è diverso dall'apprendimento macchina e non affida sugli approcchi di apprendimento superviso e non supervisati.In questo instruttore, la formazione viva, i partecipanti imparanno i fondamentali della Deep Reinforcement Learning, in quanto passono attraverso la creazione di un Deep Learning Agente.Al fine di questa formazione, i partecipanti saranno in grado di:
    Capito i concetti chiavi dietro la Profonda Reinforcement Learning e possono distinguirlo da Machine Learning Applicare algoritmi avanzati Reinforcement Learning per risolvere problemi del mondo reale Construire un Deep Learning Agente
Audienza
    Sviluppotori dati scientifici
Formato del corso
    Parti, discussione parziale, esercizi e pratica pesante
28 hours
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.
14 hours
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 .
21 hours
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.
21 hours
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.
21 hours
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.
28 hours
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.
21 hours
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
21 hours
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.
14 hours
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.
21 hours
Questo corso copre l'IA (enfatizzando Machine Learning e Deep Learning )
14 hours
In questo istruttore guidato, la formazione dal vivo, andiamo oltre i principi delle reti neurali e utilizziamo OpenNN per implementare un'applicazione di campione. Il formato del corso
    Lettura e discussione in combinazione con esercizi pratici.
7 hours
In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come impostare e utilizzare OpenNMT per eseguire la traduzione di vari set di dati di esempio. Il corso inizia con una panoramica delle reti neurali applicate alla traduzione automatica. I partecipanti eseguiranno esercitazioni dal vivo durante il corso per dimostrare la loro comprensione dei concetti appresi e ottenere feedback dall'istruttore. Al termine di questa formazione, i partecipanti avranno le conoscenze e le pratiche necessarie per implementare una soluzione OpenNMT dal OpenNMT . Campioni di lingua di origine e di destinazione saranno predisposti in base alle esigenze del pubblico.
    Formato del corso
    • Parte lezione, parte discussione, pratica pratica pesante
    21 hours
    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.
    7 hours
    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.
    21 hours
    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 .
    21 hours
    PaddlePaddle (PArallel Distributed Deep LEarning) è una piattaforma di apprendimento approfondito scalabile sviluppata da Baidu In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come usare PaddlePaddle per abilitare l'apprendimento approfondito nelle loro applicazioni di prodotti e servizi Alla fine di questa formazione, i partecipanti saranno in grado di: Configura e configura PaddlePaddle Configurare una rete neurale convoluzionale (CNN) per il riconoscimento di immagini e il rilevamento di oggetti Impostare una rete neurale ricorrente (RNN) per l'analisi dei sentimenti Impostare un apprendimento approfondito sui sistemi di raccomandazione per aiutare gli utenti a trovare risposte Prevedere le percentuali di clic (CTR), classificare i set di immagini di grandi dimensioni, eseguire il riconoscimento ottico dei caratteri (OCR), classificare le ricerche, rilevare virus informatici e implementare un sistema di raccomandazione Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
    7 hours
    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
    7 hours
    Tensor2Tensor (T2T) è una libreria modulare ed estensibile per la formazione di modelli AI in diversi compiti, utilizzando diversi tipi di dati di allenamento, ad esempio: riconoscimento di immagini, traduzione, analisi, sottotitoli di immagini e riconoscimento vocale È gestito dal team di Google Brain In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come preparare un modello di apprendimento approfondito per risolvere più attività Alla fine di questa formazione, i partecipanti saranno in grado di: Installa il tensore tensoriale2, seleziona un set di dati e forma e valuta un modello di intelligenza artificiale Personalizza un ambiente di sviluppo utilizzando gli strumenti e i componenti inclusi in Tensor2Tensor Crea e utilizza un singolo modello per apprendere simultaneamente un numero di attività da più domini Utilizzare il modello per apprendere dalle attività con una grande quantità di dati di addestramento e applicare tali conoscenze alle attività in cui i dati sono limitati Ottieni risultati di elaborazione soddisfacenti utilizzando una singola GPU Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
    14 hours
    OpenFace è un software di riconoscimento facciale open source basato su Python e Torch basato sulla ricerca FaceNet di Google In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare i componenti di OpenFace per creare e distribuire un'applicazione di riconoscimento facciale di esempio Alla fine di questa formazione, i partecipanti saranno in grado di: Lavorare con i componenti di OpenFace, inclusi dlib, OpenVC, Torch e nn4 per implementare il rilevamento, l'allineamento e la trasformazione del volto Applica OpenFace alle applicazioni del mondo reale come sorveglianza, verifica dell'identità, realtà virtuale, giochi e identificazione dei clienti abituali, ecc Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
    21 hours
    In questo corso di formazione dal vivo, istruito, i partecipanti apprenderanno tecniche avanzate per l'apprendimento automatico con R quando passeranno attraverso la creazione di un'applicazione Realworld Alla fine di questa formazione, i partecipanti saranno in grado di: Utilizzare le tecniche come tuning hyperparameter e deep learning Comprendere e implementare tecniche di apprendimento non supervisionate Metti in produzione un modello da utilizzare in un'applicazione più grande Pubblico Sviluppatori Gli analisti Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
    14 hours
    In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition. By the end of this training, participants will be able to:
    • Build a deep learning model
    • Automate data labeling
    • Work with models from Caffe and TensorFlow-Keras
    • Train data using multiple GPUs, the cloud, or clusters
    Audience
    • Developers
    • Engineers
    • Domain experts
    Format of the course
    • Part lecture, part discussion, exercises and heavy hands-on practice
    28 hours
    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
    28 hours
    Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability. In this instructor-led, live training, participants will learn how to implement deep learning models for banking using Python as they step through the creation of a deep learning credit risk model. By the end of this training, participants will be able to:
    • Understand the fundamental concepts of deep learning
    • Learn the applications and uses of deep learning in banking
    • Use Python, Keras, and TensorFlow to create deep learning models for banking
    • Build their own deep learning credit risk model using Python
    Audience
    • Developers
    • Data scientists
    Format of the course
    • Part lecture, part discussion, exercises and heavy hands-on practice
    28 hours
    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
    28 hours
    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 .
    21 hours
    Introduzione : L'apprendimento profondo sta diventando un componente principale del futuro design del prodotto che vuole incorporare l'intelligenza artificiale nel cuore dei loro modelli. Nei prossimi 5-10 anni, gli strumenti di sviluppo di apprendimento profondo, le biblioteche e le lingue diventeranno componenti standard di ogni kit di strumenti di sviluppo del software. Fino ad ora Google, Sales Force, Facebook, Amazon ha utilizzato con successo l'AI di apprendimento profondo per promuovere il loro business. Le applicazioni variano dalla traduzione automatica della macchina, dall'analisi dell'immagine, dall'analisi del video, dall'analisi del movimento, dalla generazione di pubblicità mirata e molto altro ancora. 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 la rivelazione del corso di apprendimento profondo che possiamo personalizzare per i diversi livelli di dipendenti / stakeholders in un'organizzazione. Pubblicità target: (A seconda del pubblico mirato, i materiali del corso saranno personalizzati) Gli esecutivi Una panoramica generale dell'AI e di come si adatta alla strategia aziendale, con sessioni di breakout sulla pianificazione strategica, mappe stradali tecnologiche e allocazione delle risorse per garantire il massimo valore. Gestione del 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. sviluppatori Formazione tecnica approfondita, con l'attenzione sulle reti neurali e l'apprendimento profondo, l'analisi dell'immagine e del video (CNN), l'analisi del suono e del testo (NLP), e l'introduzione dell'AI nelle applicazioni esistenti. I venditori Una panoramica generale dell'AI e come può soddisfare le esigenze dei clienti, proposte di valore per vari prodotti e servizi, e come allineare le paure e promuovere i benefici dell'AI.
    14 hours
    Questa sessione di formazione in aula conterrà presentazioni ed esempi basati su computer ed esercitazioni di casi studio da intraprendere con le pertinenti biblioteche di reti neurali e profonde

    Last Updated:

    Prossimi corsi DL (Deep Learning)

    Fine settimana Deep Learning corsi, Sera DL (Deep Learning) training, Deep Learning centro di addestramento, Deep Learning con istruttore, Fine settimana Deep Learning training, Sera Deep Learning (DL) corsi, Deep Learning coaching, DL (Deep Learning) istruttore, Deep Learning (DL) trainer, Deep Learning (DL) corsi di formazione, Deep Learning (DL) classi, Deep Learning in loco, Deep Learning corsi privati, DL (Deep Learning) training individuale

    Corsi scontati

    Newsletter per ricevere sconti sui corsi

    Rispettiamo la privacy di ogni indirizzo mail. Non diffonderemo,né venderemo assolutamente nessun indirizzo mail a terzi. Inserire prego il proprio indirizzo mail. E' possibile sempre cambiare le impostazioni o cancellarsi completamente.

    I nostri clienti

    is growing fast!

    We are looking for a good mixture of IT and soft skills in Italy!

    As a NobleProg Trainer you will be responsible for:

    • delivering training and consultancy Worldwide
    • preparing training materials
    • creating new courses outlines
    • delivering consultancy
    • quality management

    At the moment we are focusing on the following areas:

    • Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
    • SOA, BPM, BPMN
    • Hibernate/Spring, Scala, Spark, jBPM, Drools
    • R, Python
    • Mobile Development (iOS, Android)
    • LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
    • You need to have patience and ability to explain to non-technical people

    To apply, please create your trainer-profile by going to the link below:

    Apply now!

    This site in other countries/regions