I corsi di formazione Artificial Intelligence (AI) con istruttori locali dimostrano attraverso attività pratiche come implementare le soluzioni AI per risolvere i problemi del mondo reale. La formazione AI è disponibile come formazione dal vivo in loco o formazione dal vivo a distanza. La formazione in loco può essere svolta presso la sede del cliente a Italia o nei centri di formazione NobleProg a Italia. La formazione in remoto dal vivo viene effettuata tramite un desktop remoto interattivo. NobleProg, il tuo fornitore di formazione locale.
Recensioni
Mi piacciono gli esempi da spiegare
AUO友达光电（苏州）有限公司
Corso: OptaPlanner in Practice
Translated by
Schema generale del corso Artificial Intelligence
| Codice | Nome | Durata | Panoramica |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 ore | Questo corso è stato creato per manager, architetti di soluzioni, responsabili dell'innovazione, CTO, architetti di software e chiunque sia interessato a una panoramica dell'intelligenza artificiale applicata e delle previsioni più prossime per il suo sviluppo. |
| pythontextml | Python: Machine Learning with Text | 21 ore | In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come utilizzare le giuste tecniche di apprendimento automatico e le tecniche di PNL (Natural Language Processing) per estrarre valore dai dati basati su testo Alla fine di questa formazione, i partecipanti saranno in grado di: Risolvi problemi di data science basati su testo con codice riutilizzabile di alta qualità Applicare diversi aspetti di scikitlearn (classificazione, clustering, regressione, riduzione della dimensionalità) per risolvere i problemi Costruire modelli di apprendimento automatico efficaci utilizzando dati basati su testo Creare un set di dati ed estrarre le caratteristiche dal testo non strutturato Visualizza i dati con Matplotlib Costruisci e valuta i modelli per ottenere informazioni dettagliate Risolvi errori di codifica del testo Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| textsum | Text Summarization with Python | 14 ore | In Python Machine Learning, la funzione Riepilogo testo è in grado di leggere il testo di input e produrre un riepilogo del testo Questa funzionalità è disponibile dalla riga di comando o come API / libreria Python Un'applicazione entusiasmante è la rapida creazione di sommari esecutivi; questo è particolarmente utile per le organizzazioni che hanno bisogno di rivedere grandi quantità di dati testuali prima di generare report e presentazioni In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno a usare Python per creare una semplice applicazione che generi automaticamente un sommario del testo di input Alla fine di questa formazione, i partecipanti saranno in grado di: Utilizzare uno strumento della riga di comando che riepiloga il testo Progetta e crea codice di riepilogo del testo usando le librerie Python Valutare tre librerie di riepilogo di Python: sumy 070, pysummarization 104, readless 1017 Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| undnn | Understanding Deep Neural Networks | 35 ore | Questo corso inizia con il fornire conoscenze concettuali nelle reti neurali e in generale in algoritmi di apprendimento automatico, deep learning (algoritmi e applicazioni) La parte 1 (40%) di questa formazione è più focalizzata sui fondamentali, ma ti aiuterà a scegliere la tecnologia giusta: TensorFlow, Caffe, Theano, DeepDrive, Keras, ecc La parte 2 (20%) di questa formazione introduce Theano in una libreria python che semplifica la scrittura di modelli di deep learning La parte 3 (40%) della formazione sarebbe ampiamente basata sull'API di seconda generazione di Tensorflow della libreria di software open source di Google per Deep Learning Gli esempi e gli handson saranno tutti fatti in TensorFlow Pubblico Questo corso è destinato agli ingegneri che cercano di usare TensorFlow per i loro progetti di Deep Learning Dopo aver completato questo corso, i delegati: avere una buona conoscenza delle reti neurali profonde (DNN), CNN e RNN comprendere la struttura e i meccanismi di implementazione di TensorFlow essere in grado di svolgere compiti di installazione / ambiente di produzione / architettura e configurazione essere in grado di valutare la qualità del codice, eseguire il debugging, il monitoraggio essere in grado di implementare la produzione avanzata come modelli di formazione, costruzione di grafici e registrazione Non tutti gli argomenti saranno trattati in un'aula pubblica con 35 ore di durata a causa della vastità del tema La durata del corso completo sarà di circa 70 ore e non di 35 ore . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 ore | La libreria Apache OpenNLP è un toolkit basato sull'apprendimento automatico per l'elaborazione di testi in linguaggio naturale Supporta le più comuni attività di NLP, come il riconoscimento della lingua, la tokenizzazione, la segmentazione delle frasi, la codifica di parti di componenti, l'estrazione di entità con nome, il chunking, l'analisi e la risoluzione di coreference In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come creare modelli per l'elaborazione di dati basati su testo utilizzando OpenNLP I dati di addestramento del campione e i set di dati personalizzati saranno utilizzati come base per gli esercizi di laboratorio Alla fine di questa formazione, i partecipanti saranno in grado di: Installa e configura OpenNLP Scarica modelli esistenti e creane di nuovi Formare i modelli su varie serie di dati campione Integrare OpenNLP con le applicazioni Java esistenti Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 ore | Machine Learning è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere programmati esplicitamente Python è un linguaggio di programmazione famoso per la sua chiara sintassi e leggibilità Offre un'eccellente raccolta di librerie e tecniche ben collaudate per lo sviluppo di applicazioni di machine learning In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come applicare le tecniche di apprendimento automatico e gli strumenti per risolvere i problemi del mondo reale nel settore bancario I partecipanti imparano innanzitutto i principi chiave, quindi mettono in pratica le loro conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti di gruppo Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| mlbankingr | Machine Learning for Banking (with R) | 28 ore | In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come applicare le tecniche di apprendimento automatico e gli strumenti per risolvere i problemi del mondo reale nel settore bancario R sarà usato come linguaggio di programmazione I partecipanti imparano innanzitutto i principi chiave, quindi mettono in pratica le loro conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti dal vivo Pubblico Sviluppatori Scienziati di dati Professionisti del settore bancario con un background tecnico Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| python_nlp | Natural Language Processing with Deep Dive in Python and NLTK | 35 ore | Entro la fine della formazione, i delegati dovrebbero essere sufficientemente equipaggiati con i concetti python essenziali e dovrebbero essere in grado di utilizzare in modo sufficiente NLTK per implementare la maggior parte delle operazioni basate su NLP e ML La formazione mira a fornire non solo una conoscenza esecutiva ma anche la conoscenza logica e operativa della tecnologia in essa contenuta . |
| matlabdl | Matlab for Deep Learning | 14 ore | In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come usare Matlab per progettare, costruire e visualizzare una rete neurale convoluzionale per il riconoscimento dell'immagine Alla fine di questa formazione, i partecipanti saranno in grado di: Costruisci un modello di apprendimento profondo Automatizza l'etichettatura dei dati Lavora con i modelli di Caffe e TensorFlowKeras Allena i dati utilizzando più GPU, il cloud o i cluster Pubblico Sviluppatori ingegneri Esperti di dominio Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| matlabpredanalytics | Matlab for Predictive Analytics | 21 ore | L'analisi predittiva è il processo di utilizzo dell'analisi dei dati per fare previsioni sul futuro Questo processo utilizza i dati insieme a tecniche di data mining, statistiche e machine learning per creare un modello predittivo per la previsione di eventi futuri In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come usare Matlab per costruire modelli predittivi e applicarli a grandi serie di dati di esempio per prevedere eventi futuri basati sui dati Alla fine di questa formazione, i partecipanti saranno in grado di: Creare modelli predittivi per analizzare i modelli nei dati storici e transazionali Utilizzare la modellazione predittiva per identificare rischi e opportunità Costruisci modelli matematici che catturino tendenze importanti Utilizzare i dati di dispositivi e sistemi aziendali per ridurre gli sprechi, risparmiare tempo o ridurre i costi Pubblico Sviluppatori ingegneri Esperti di dominio Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| tensorflowserving | TensorFlow Serving | 7 ore | TensorFlow Serving è un sistema per servire modelli di machine learning (ML) alla produzione In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come configurare e utilizzare TensorFlow Serving per distribuire e gestire i modelli ML in un ambiente di produzione Alla fine di questa formazione, i partecipanti saranno in grado di: Addestrare, esportare e servire vari modelli di TensorFlow Testare e distribuire algoritmi utilizzando un'unica architettura e un insieme di API Estendi TensorFlow Serve per servire altri tipi di modelli oltre ai modelli TensorFlow Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| mlios | Machine Learning on iOS | 14 ore | In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare lo stack tecnologico iOS Machine Learning mentre passano attraverso la creazione e la distribuzione di un'app mobile iOS Alla fine di questa formazione, i partecipanti saranno in grado di: Crea un'app mobile in grado di elaborare immagini, analisi del testo e riconoscimento vocale Accedere ai modelli ML preained per l'integrazione con le app iOS Creare un modello ML personalizzato Aggiungi il supporto di Siri Voice alle app iOS Comprendere e utilizzare framework come coreML, Vision, CoreGraphics e GamePlayKit Usa linguaggi e strumenti come Python, Keras, Caffee, Tensorflow, scikit learn, libsvm, Anaconda e Spyder Pubblico Sviluppatori Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| nlg | Python for Natural Language Generation | 21 ore | Generazione di linguaggio naturale (NLG) si riferisce alla produzione di testo o discorso in linguaggio naturale da un computer In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come usare Python per produrre testi di alta qualità in linguaggio naturale costruendo da zero il proprio sistema NLG Verranno inoltre esaminati casi di studio e i concetti pertinenti saranno applicati a progetti di laboratorio dal vivo per la generazione di contenuti Alla fine di questa formazione, i partecipanti saranno in grado di: Usa NLG per generare automaticamente contenuti per vari settori, dal giornalismo, al settore immobiliare, ai rapporti meteo e sportivi Seleziona e organizza il contenuto sorgente, pianifica le frasi e prepara un sistema per la generazione automatica del contenuto originale Comprendere la pipeline NLG e applicare le tecniche corrette in ogni fase Comprendere l'architettura di un sistema di generazione di linguaggio naturale (NLG) Implementare gli algoritmi e i modelli più adatti per l'analisi e l'ordinazione Estrarre dati da fonti di dati pubblicamente disponibili e database curati da utilizzare come materiale per il testo generato Sostituisci i processi di scrittura manuali e laboriosi con la creazione di contenuti automatizzati generati da computer Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| encogintro | Encog: Introduction to Machine Learning | 14 ore | Encog è un framework di apprendimento automatico opensource per Java eNet In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come creare vari componenti della rete neurale usando ENCOG Verranno discusse le casistiche di Realworld e verranno esplorate le soluzioni basate su linguaggio macchina per questi problemi Alla fine di questa formazione, i partecipanti saranno in grado di: Preparare i dati per le reti neurali utilizzando il processo di normalizzazione Implementare reti feed-forward e metodologie di formazione sulla propagazione Implementare compiti di classificazione e regressione Modella e addestra reti neurali usando il workbench basato su GUI di Encog Integrare il supporto di rete neurale in applicazioni realworld Pubblico Sviluppatori Gli analisti Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| bigdatabicriminal | Big Data Business Intelligence for Criminal Intelligence Analysis | 35 ore | I progressi delle tecnologie e la crescente quantità di informazioni stanno trasformando il modo in cui vengono condotte le forze dell'ordine Le sfide poste dai Big Data sono quasi scoraggianti quanto le promesse di Big Data Memorizzare i dati in modo efficiente è una di queste sfide; analizzarlo efficacemente è un altro In questo corso di formazione dal vivo istruito, i partecipanti apprenderanno la mentalità con cui affrontare le tecnologie dei Big Data, valutare il loro impatto sui processi e le politiche esistenti e implementare queste tecnologie allo scopo di identificare l'attività criminale e prevenire il crimine Verranno esaminati casi di studio da organizzazioni di polizia di tutto il mondo per ottenere informazioni sugli approcci, le sfide e i risultati di adozione Alla fine di questa formazione, i partecipanti saranno in grado di: Combina la tecnologia Big Data con i tradizionali processi di raccolta dei dati per ricostruire una storia durante un'indagine Implementare soluzioni di archiviazione e elaborazione di big data industriali per l'analisi dei dati Preparare una proposta per l'adozione degli strumenti e dei processi più adeguati per consentire un approccio basato sui dati alle indagini criminali Pubblico Specialisti di Law Enforcement con un background tecnico Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| encogadv | Encog: Advanced Machine Learning | 14 ore | Encog è un framework di apprendimento automatico opensource per Java eNet In questo corso di formazione dal vivo, istruito, i partecipanti apprenderanno tecniche avanzate di apprendimento automatico per la costruzione di modelli predittivi di reti neurali accurate Alla fine di questa formazione, i partecipanti saranno in grado di: Implementare diverse tecniche di ottimizzazione delle reti neurali per risolvere underfitting e overfitting Comprendere e scegliere tra un certo numero di architetture di rete neurali Implementare reti di feed-back e feedback supervisionate Pubblico Sviluppatori Gli analisti Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| radvml | Advanced Machine Learning with R | 21 ore | 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 . |
| pythonadvml | Python for Advanced Machine Learning | 21 ore | 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 . |
| fiji | Fiji: Introduction to Scientific Image Processing | 21 ore | Fiji è un pacchetto di elaborazione di immagini opensource che unisce ImageJ (un programma di elaborazione di immagini per immagini multidimensionali scientifiche) e una serie di plugin per l'analisi di immagini scientifiche In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare la distribuzione Fiji e il relativo programma ImageJ sottostante per creare un'applicazione di analisi delle immagini Alla fine di questa formazione, i partecipanti saranno in grado di: Usa le funzionalità avanzate di programmazione e i componenti software di Fiji per estendere ImageJ Cuci grandi immagini 3d da piastrelle sovrapposte Aggiorna automaticamente un'installazione Fiji all'avvio utilizzando il sistema di aggiornamento integrato Seleziona da un'ampia selezione di linguaggi di scripting per creare soluzioni personalizzate di analisi delle immagini Usa le potenti librerie delle Fiji, come ImgLib, su grandi set di dati bioimage Distribuire la loro applicazione e collaborare con altri scienziati su progetti simili Pubblico Scienziati ricercatori Sviluppatori Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| rasberrypiopencv | Raspberry Pi + OpenCV: Build a Facial Recognition System | 21 ore | Questo corso di formazione dal vivo con istruttore introduce il software, l'hardware e il processo stepbystep necessari per costruire da zero un sistema di riconoscimento facciale Il riconoscimento facciale è anche noto come riconoscimento facciale L'hardware utilizzato in questo laboratorio include Rasberry Pi, un modulo fotocamera, servi (opzionale), ecc I partecipanti sono responsabili dell'acquisto di questi componenti stessi Il software utilizzato include OpenCV, Linux, Python, ecc Alla fine di questa formazione, i partecipanti saranno in grado di: Installa Linux, OpenCV e altre utilità e librerie software su un Rasberry Pi Configura OpenCV per acquisire e rilevare immagini facciali Comprendere le varie opzioni per il confezionamento di un sistema Rasberry Pi da utilizzare in ambienti realworld Adattare il sistema a una varietà di casi d'uso, tra cui sorveglianza, verifica dell'identità, ecc Pubblico Sviluppatori Tecnici hardware / software Persone tecniche in tutti i settori hobbisti Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva Nota Altre opzioni hardware e software includono: Arduino, OpenFace, Windows, ecc Se si desidera utilizzare uno di questi, si prega di contattarci per organizzare . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 ore | 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 . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 ore | 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 . |
| t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 ore | 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 . |
| cognitivecomputing | Cognitive Computing: An Introduction for Business Managers | 7 ore | Il calcolo cognitivo si riferisce a sistemi che comprendono l'apprendimento automatico, il ragionamento, l'elaborazione del linguaggio naturale, il riconoscimento vocale e la visione (riconoscimento dell'oggetto), l'interazione uomo-computer, il dialogo e la generazione narrativa, per citarne alcuni Un sistema di calcolo cognitivo è spesso costituito da più tecnologie che lavorano insieme per elaborare dati contestuali "caldi" inmessetici e grandi serie di dati storici "freddi" in batch Esempi di tali tecnologie includono Kafka, Spark, Elasticsearch, Cassandra e Hadoop In questo corso di formazione dal vivo, istruito, i partecipanti apprenderanno come il calcolo cognitivo si complimenta con l'intelligenza artificiale e i big data e come i sistemi finalizzati possono essere utilizzati per realizzare comportamenti umani che migliorano le prestazioni delle interazioni con le macchine umane nel mondo degli affari Alla fine di questa formazione, i partecipanti capiranno: La relazione tra calcolo cognitivo e intelligenza artificiale (AI) La natura intrinsecamente probabilistica del calcolo cognitivo e come usarlo come vantaggio commerciale Come gestire i sistemi di calcolo cognitivo che si comportano in modi inaspettati Quali aziende e sistemi software offrono le soluzioni di calcolo cognitivo più interessanti Pubblico Dirigenti aziendali Formato del corso Lezione, discussioni di casi ed esercizi . |
| dsstne | Amazon DSSTNE: Build a Recommendation System | 7 ore | Amazon DSSTNE è una libreria opensource per la formazione e l'implementazione di modelli di raccomandazione Consente ai modelli con matrici di peso troppo grandi per una singola GPU da formare su un singolo host In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare DSSTNE per creare un'applicazione di raccomandazione Alla fine di questa formazione, i partecipanti saranno in grado di: Formare un modello di raccomandazione con set di dati sparsi come input Scalare modelli di addestramento e previsione su più GPU Distribuisci il calcolo e lo spazio di archiviazione in modalità parallela Genera raccomandazioni personalizzate sui prodotti Amazonlike Distribuire un'applicazione productionready in grado di scalare carichi di lavoro pesanti Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 ore | Snorkel è un sistema per creare, modellare e gestire rapidamente i dati di allenamento Si concentra sull'accelerazione dello sviluppo di applicazioni di estrazione dati strutturate o "oscure" per domini in cui non sono disponibili o facili da ottenere insiemi di formazione con etichette di grandi dimensioni In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno le tecniche per estrarre valore da dati non strutturati come testo, tabelle, figure e immagini attraverso la modellazione dei dati di allenamento con Snorkel Alla fine di questa formazione, i partecipanti saranno in grado di: Crea programmaticamente set di allenamento per abilitare l'etichettatura di set di allenamento di massa Prepara modelli di qualità elevata modellando prima i set di allenamento rumorosi Utilizzare Snorkel per implementare le deboli tecniche di supervisione e applicare la programmazione dei dati ai sistemi di apprendimento automatico con sistema debolmente supervisionato Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 ore | Deep Learning for NLP consente a una macchina di apprendere l'elaborazione del linguaggio da semplice a complessa Tra le attività attualmente possibili sono la traduzione in lingua e la generazione di didascalie per le foto DL (Deep Learning) è un sottoinsieme di ML (Machine Learning) Python è un linguaggio di programmazione popolare che contiene librerie per Deep Learning for NLP In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno a utilizzare le librerie Python per NLP (Natural Language Processing) mentre creano un'applicazione che elabora una serie di immagini e genera didascalie Alla fine di questa formazione, i partecipanti saranno in grado di: Progettare e codificare DL per NLP usando le librerie Python Crea un codice Python che legge una collezione enorme di immagini e genera parole chiave Crea codice Python che genera didascalie dalle parole chiave rilevate Pubblico Programmatori con interesse per la linguistica Programmatori che cercano una comprensione della PNL (Natural Language Processing) Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 ore | L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere programmati esplicitamente Python è un linguaggio di programmazione famoso per la sua chiara sintassi e leggibilità Offre un'eccellente raccolta di librerie e tecniche ben collaudate per lo sviluppo di applicazioni di machine learning In questo corso di formazione dal vivo istruito, i partecipanti impareranno come applicare le tecniche di apprendimento automatico e gli strumenti per risolvere i problemi del mondo reale nel settore finanziario I partecipanti imparano innanzitutto i principi chiave, quindi mettono in pratica le loro conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti di gruppo Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendere i concetti fondamentali nell'apprendimento automatico Impara le applicazioni e gli usi del machine learning in finanza Sviluppa la propria strategia di trading algoritmica usando machine learning con Python Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| MicrosoftCognitiveToolkit | Microsoft Cognitive Toolkit 2.x | 21 ore | 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 . |
| ML_LBG | Machine Learning – Data science | 21 ore | Questa sessione di formazione in aula esplorerà strumenti di machine learning con Python (suggerito) I delegati avranno a disposizione esempi basati su computer e esercitazioni sui casi studio da intraprendere . |
Prossimi corsi Artificial Intelligence
| Corso | Course Date | Prezzo del corso [A distanza / In classe] |
|---|---|---|
| Applied AI from Scratch - Bologna | Lun, 2019-01-21 09:30 | 6000EUR / 7000EUR |
| Applied AI from Scratch - Roma | Lun, 2019-01-28 09:30 | 6000EUR / 7000EUR |
| Applied AI from Scratch - Milano | Mar, 2019-02-19 09:30 | 6000EUR / 7000EUR |
| Applied AI from Scratch - Bologna | Mar, 2019-04-09 09:30 | 6000EUR / 7000EUR |
| Applied AI from Scratch - Roma | Lun, 2019-04-15 09:30 | 6000EUR / 7000EUR |
Other countries
Consulting
Fine settimana Artificial Intelligence corsi, Sera Artificial Intelligence training, Artificial Intelligence centro di addestramento, Artificial Intelligence con istruttore, Fine settimana Artificial Intelligence training, Sera Artificial Intelligence corsi, Artificial Intelligence coaching, Artificial Intelligence istruttore, Artificial Intelligence trainer, Artificial Intelligence corsi di formazione, Artificial Intelligence classi, Artificial Intelligence in loco, Artificial Intelligence corsi privati, Artificial Intelligence training individuale
Corsi scontati
| Corso | Sede | Course Date | Prezzo del corso [A distanza / In classe] |
|---|---|---|---|
| OCEB2 OMG Certified Expert in BPM - Fundamental Exam Preparation | Milano | Lun, 2018-12-17 09:30 | 6300EUR / 7300EUR |
| Docker and Kubernetes | Roma | Mer, 2019-01-16 09:30 | 4455EUR / 5255EUR |
| Advanced C#, ASP.NET and Web Application Security | Roma | Mer, 2019-03-13 09:30 | 5250EUR / 6050EUR |
| Natural Language Processing - AI/Robotics | Bologna | Lun, 2019-06-10 09:30 | 4725EUR / 5525EUR |
| Big Data - Data Science | Genova | Gio, 2019-07-04 09:30 | 3500EUR / 4100EUR |
I nostri clienti
.jpg "lewisville independent school district (lisd)")
.png "new york stock exchange (nyse)")
.gif "european organization for nuclear research (cern)")
.jpg "european molecular biology laboratory (embl)")
.jpg "abu dhabi company for onshore oil operations (adco)")
is growing fast!
We are looking to expand our presence in Italy!
As a Business Development Manager you will:
- expand business in Italy
- recruit local talent (sales, agents, trainers, consultants)
- recruit local trainers and consultants
We offer:
- Artificial Intelligence and Big Data systems to support your local operation
- high-tech automation
- continuously upgraded course catalogue and content
- good fun in international team
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!