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
Era molto interattivo e più rilassato e informale del previsto. Abbiamo trattato molti argomenti nel tempo e il formatore è sempre stato propenso a parlare più in dettaglio o più in generale sugli argomenti e su come erano correlati. Sento che la formazione mi ha dato gli strumenti per continuare ad apprendere invece di essere una sessione unica in cui l'apprendimento si interrompe una volta finito, il che è molto importante data la scala e la complessità dell'argomento.
Jonathan Blease
Corso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
L'argomento è molto interessante.
Wojciech Baranowski
Corso: Introduction to Deep Learning
Machine Translated
Formazione teorica e volontà dei formatori di risolvere i problemi con i partecipanti dopo la formazione.
Grzegorz Mianowski
Corso: Introduction to Deep Learning
Machine Translated
Argomento. Molto interessante!.
Piotr
Corso: Introduction to Deep Learning
Machine Translated
Esercizi dopo ogni argomento sono stati davvero utili, nonostante ci fossero troppo complicati alla fine. In generale, il materiale presentato è stato molto interessante e coinvolgente! Gli esercizi con il riconoscimento delle immagini erano fantastici.
Dolby Poland Sp. z o.o.
Corso: Introduction to Deep Learning
Machine Translated
Penso che se l'addestramento fosse fatto in polacco, permetterebbe al formatore di condividere le sue conoscenze in modo più efficiente.
Radek
Corso: Introduction to Deep Learning
Machine Translated
La panoramica globale dell'apprendimento approfondito.
Bruno Charbonnier
Corso: Advanced Deep Learning
Machine Translated
Gli esercizi sono sufficientemente pratici e non richiedono una conoscenza approfondita in Python .
Alexandre GIRARD
Corso: Advanced Deep Learning
Machine Translated
Fare esercizi su esempi reali usando Eras. L'Italia ha pienamente compreso le nostre aspettative su questa formazione.
Paul Kassis
Corso: Advanced Deep Learning
Machine Translated
Ho davvero apprezzato le risposte cristalline di Chris alle nostre domande.
Léo Dubus
Corso: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
In generale mi è piaciuto l'allenatore esperto.
Sridhar Voorakkara
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sono rimasto stupito dallo standard di questa classe - direi che era standard universitario.
David Relihan
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ottima panoramica generale. Go od fondo sul perché tensorflow funziona come lo fa.
Kieran Conboy
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Mi è piaciuta l'opportunità di porre domande e ottenere spiegazioni più approfondite della teoria.
Sharon Ruane
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Abbiamo ottenuto molte più informazioni sull'argomento. Alcune belle discussioni sono state fatte con alcuni argomenti reali all'interno della nostra azienda.
Sebastiaan Holman
Corso: Machine Learning and Deep Learning
Machine Translated
La formazione ha fornito le giuste basi che ci consentono di espanderci ulteriormente, mostrando come teoria e pratica vadano di pari passo. In realtà mi ha interessato di più l'argomento di quanto non fossi prima.
Jean-Paul van Tillo
Corso: Machine Learning and Deep Learning
Machine Translated
Ho apprezzato molto la copertura e la profondità degli argomenti.
Anirban Basu
Corso: Machine Learning and Deep Learning
Machine Translated
La profonda conoscenza del formatore sull'argomento.
Sebastian Görg
Corso: Introduction to Deep Learning
Machine Translated
Approccio molto aggiornato o CPI (flusso tensoriale, epoca, apprendimento) per l'apprendimento automatico.
Paul Lee
Corso: TensorFlow for Image Recognition
Machine Translated
Molto flessibile
Frank Ueltzhöffer
Corso: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
In genere mi è piaciuta la flessibilità.
Werner Philipp
Corso: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Date le prospettive della tecnologia: quale tecnologia / processo potrebbe diventare più importante in futuro; vedi, per che cosa può essere usata la tecnologia.
Commerzbank AG
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ho tratto beneficio dalla selezione degli argomenti. Stile di allenamento Orientamento alla pratica.
Commerzbank AG
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
modo di condurre ed esempio dato dal trainer
ORANGE POLSKA S.A.
Corso: Machine Learning and Deep Learning
Machine Translated
Possibilità di discutere autonomamente i problemi proposti
ORANGE POLSKA S.A.
Corso: Machine Learning and Deep Learning
Machine Translated
Comunicazione con i docenti
文欣 张
Corso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Mi piace
lisa xie
Corso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Approfondita trattazione di argomenti di apprendimento automatico, in particolare reti neurali. Demistificato molto dell'argomento.
Sacha Nandlall
Corso: Python for Advanced Machine Learning
Machine Translated
Conoscenza ampia e aggiornata di esempi applicativi pratici e di successo.
ING Bank Śląski S.A.
Corso: Introduction to Deep Learning
Machine Translated
Un sacco di esercizi, ottima collaborazione con il gruppo.
Janusz Chrobot - ING Bank Śląski S.A.
Corso: Introduction to Deep Learning
Machine Translated
lavorare su colaboratori,
ING Bank Śląski S.A.
Corso: Introduction to Deep Learning
Machine Translated
Era ovvio che gli entusiasti degli argomenti presentati stavano guidando. Utilizzato esempi interessanti durante l'esercizio.
ING Bank Śląski S.A.
Corso: Introduction to Deep Learning
Machine Translated
Una vasta gamma di argomenti trattati e una conoscenza approfondita dei leader.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
mancanza
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Grande conoscenza teorica e pratica dei docenti. Comunicabilità dei formatori. Durante il corso, potresti porre domande e ottenere risposte soddisfacenti.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Parte pratica, dove abbiamo implementato algoritmi. Ciò ha permesso una migliore comprensione dell'argomento.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
esercizi ed esempi implementati su di loro
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Esempi e argomenti discussi.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Conoscenza sostanziale, impegno, un modo appassionato di trasferire conoscenza. Esempi pratici dopo una lezione teorica.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Esercizi pratici preparati dal signor Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Ho tratto beneficio dalla passione di insegnare e di concentrarmi sul rendere la cosa sensata.
Zaher Sharifi - GOSI
Corso: Advanced Deep Learning
Machine Translated
Identificazione umana e rilevamento cattivo punto del circuito
王 春柱 - 中移物联网
Corso: Deep Learning for NLP (Natural Language Processing)
Machine Translated
dimostrare
中移物联网
Corso: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Informazioni sull'area del viso.
中移物联网
Corso: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Gli scambi informali che abbiamo avuto durante le lezioni mi hanno davvero aiutato ad approfondire la mia comprensione del tema
Explore
Corso: Deep Reinforcement Learning with Python
Machine Translated
Molti consigli pratici
Pawel Dawidowski - ABB Sp. z o.o.
Corso: Deep Learning with TensorFlow
Machine Translated
Molte informazioni relative all'implementazione di soluzioni
Michał Smolana - ABB Sp. z o.o.
Corso: Deep Learning with TensorFlow
Machine Translated
Una moltitudine di consigli pratici e conoscenza del docente da una vasta gamma di problemi AI / IT / SQL / IoT.
ABB Sp. z o.o.
Corso: Deep Learning with TensorFlow
Machine Translated
molte informazioni, tutte le risposte alle domande, esempi interessanti
A1 Telekom Austria AG
Corso: Deep Learning for Telecom (with Python)
Machine Translated
Ho iniziato con una conoscenza quasi nulla e alla fine sono stato in grado di costruire e formare le mie reti.
Huawei Technologies Duesseldorf GmbH
Corso: TensorFlow for Image Recognition
Machine Translated
Sottocategorie Deep Learning
Schema generale del corso DL (Deep Learning)
Nome del corso
Durata
Overview
Nome del corso
Durata
Overview
21 hours
Overview
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
Overview
keras è un'API di reti neurali di alto livello per lo sviluppo veloce e la sperimentazione. Funziona in cima a TensorFlow, CNTK, o Theano.
questa formazione diretta da istruttore (in loco o a distanza) è rivolta a persone tecniche che desiderano applicare un modello di Deep Learning alle applicazioni di riconoscimento delle immagini.
entro la fine di questa formazione, i partecipanti saranno in grado di:
- installare e configurare keras.
- rapidamente prototipare modelli di Deep Learning.
- implementare una rete convoluzionale.
- implementare una rete ricorrente.
- eseguire un modello di Deep Learning su una CPU e GPU.
formato del corso
- conferenza interattiva e discussione.
- un sacco di esercizi e pratica.
- implementazione hands-on in un ambiente lab Live.
Opzioni di personalizzazione del corso
- per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
- per saperne di più su keras, si prega di visitare: https://keras.io/
questa formazione diretta da istruttore (in loco o a distanza) è rivolta a persone tecniche che desiderano applicare un modello di Deep Learning alle applicazioni di riconoscimento delle immagini.
entro la fine di questa formazione, i partecipanti saranno in grado di:
- installare e configurare keras.
- rapidamente prototipare modelli di Deep Learning.
- implementare una rete convoluzionale.
- implementare una rete ricorrente.
- eseguire un modello di Deep Learning su una CPU e GPU.
formato del corso
- conferenza interattiva e discussione.
- un sacco di esercizi e pratica.
- implementazione hands-on in un ambiente lab Live.
Opzioni di personalizzazione del corso
- per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
- per saperne di più su keras, si prega di visitare: https://keras.io/
28 hours
Overview
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 .
28 hours
Overview
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
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
Overview
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
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
28 hours
Overview
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
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
Overview
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
Overview
L'apprendimento di rinforzo profondo si riferisce alla capacità di un "agente artificiale" di apprendere attraverso prove ed errori e premi e punizioni. Un agente artificiale mira a emulare la capacità di un essere umano di ottenere e costruire conoscenze da solo, direttamente da input grezzi come la visione. Per realizzare l'apprendimento per rinforzo, vengono utilizzati l'apprendimento profondo 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.
In questo corso di formazione dal vivo con istruttore, i partecipanti apprenderanno i fondamenti del Deep Reinforcement Learning mentre passano attraverso la creazione di un Deep Learning Agent.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Comprendi i concetti chiave alla base del Deep Reinforcement Learning ed essere in grado di distinguerlo dal Machine Learning
- Applica algoritmi avanzati di apprendimento di rinforzo per risolvere i problemi del mondo reale
- Costruisci un agente di Deep Learning
Pubblico
- Sviluppatori
- Scienziati dei dati
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
In questo corso di formazione dal vivo con istruttore, i partecipanti apprenderanno i fondamenti del Deep Reinforcement Learning mentre passano attraverso la creazione di un Deep Learning Agent.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Comprendi i concetti chiave alla base del Deep Reinforcement Learning ed essere in grado di distinguerlo dal Machine Learning
- Applica algoritmi avanzati di apprendimento di rinforzo per risolvere i problemi del mondo reale
- Costruisci un agente di Deep Learning
Pubblico
- Sviluppatori
- Scienziati dei dati
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
21 hours
Overview
Introduzione :
Il deep learning sta diventando una componente principale del futuro design del prodotto che vuole incorporare l'intelligenza artificiale al centro dei loro modelli. Entro i prossimi 5-10 anni, gli strumenti di sviluppo del deep learning , le librerie e le lingue diventeranno componenti standard di ogni toolkit di sviluppo software. Finora Go ogle, Sales Force, Facebook , Amazon hanno utilizzato con successo l'intelligenza artificiale di apprendimento profondo per incrementare il loro business. Le applicazioni andavano 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 il Deep Learning come parte molto importante della loro strategia di prodotto o servizio. Di seguito è riportato lo schema del corso di apprendimento profondo che possiamo personalizzare per diversi livelli di dipendenti / parti interessate di un'organizzazione.
Destinatari:
(A seconda del pubblico target, i materiali del corso saranno personalizzati)
dirigenti
Una panoramica generale dell'intelligenza artificiale e di come si adatta alla strategia aziendale, con sessioni di breakout su pianificazione strategica, roadmap tecnologiche e allocazione delle risorse per garantire il massimo valore.
Capi progetto
Come pianificare un progetto di intelligenza artificiale, compresa la raccolta e la valutazione dei dati, la pulizia e la verifica dei dati, lo sviluppo di un modello di prova di concetto, l'integrazione nei processi aziendali e la consegna all'interno dell'organizzazione.
Sviluppatori
Corsi tecnici approfonditi, con focus su reti neurali e deep learning, analisi di immagini e video (CNN), analisi del suono e del testo (NLP) e introduzione dell'IA nelle applicazioni esistenti.
commessi
Una panoramica generale dell'intelligenza artificiale 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.
Il deep learning sta diventando una componente principale del futuro design del prodotto che vuole incorporare l'intelligenza artificiale al centro dei loro modelli. Entro i prossimi 5-10 anni, gli strumenti di sviluppo del deep learning , le librerie e le lingue diventeranno componenti standard di ogni toolkit di sviluppo software. Finora Go ogle, Sales Force, Facebook , Amazon hanno utilizzato con successo l'intelligenza artificiale di apprendimento profondo per incrementare il loro business. Le applicazioni andavano 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 il Deep Learning come parte molto importante della loro strategia di prodotto o servizio. Di seguito è riportato lo schema del corso di apprendimento profondo che possiamo personalizzare per diversi livelli di dipendenti / parti interessate di un'organizzazione.
Destinatari:
(A seconda del pubblico target, i materiali del corso saranno personalizzati)
dirigenti
Una panoramica generale dell'intelligenza artificiale e di come si adatta alla strategia aziendale, con sessioni di breakout su pianificazione strategica, roadmap tecnologiche e allocazione delle risorse per garantire il massimo valore.
Capi progetto
Come pianificare un progetto di intelligenza artificiale, compresa la raccolta e la valutazione dei dati, la pulizia e la verifica dei dati, lo sviluppo di un modello di prova di concetto, l'integrazione nei processi aziendali e la consegna all'interno dell'organizzazione.
Sviluppatori
Corsi tecnici approfonditi, con focus su reti neurali e deep learning, analisi di immagini e video (CNN), analisi del suono e del testo (NLP) e introduzione dell'IA nelle applicazioni esistenti.
commessi
Una panoramica generale dell'intelligenza artificiale 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.
14 hours
Overview
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
14 hours
Overview
Machine Learning è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere esplicitamente programmati. Deep Learning è un sottocampo del Machine Learning che tenta di imitare il funzionamento del cervello umano nel prendere decisioni. È addestrato con i dati al fine di fornire automaticamente soluzioni ai problemi. Deep Learning offre grandi opportunità per l'industria medica che si trova su una miniera d'oro di dati.
In questo corso di formazione dal vivo con istruttore, i partecipanti prenderanno parte a una serie di discussioni, esercitazioni e analisi di casi studio per comprendere i fondamenti del Deep Learning . Verranno valutati gli strumenti e le tecniche di Deep Learning più importanti e verranno svolte esercitazioni per preparare i partecipanti allo svolgimento della propria valutazione e implementazione delle soluzioni di Deep Learning all'interno delle proprie organizzazioni.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Comprendi i fondamenti del Deep Learning
- Impara le tecniche di Deep Learning e le loro applicazioni nel settore
- Esaminare i problemi in medicina che possono essere risolti con le tecnologie di Deep Learning
- Esplora i case study di Deep Learning in medicina
- Formulare una strategia per l'adozione delle ultime tecnologie in Deep Learning per la risoluzione di problemi in medicina
Pubblico
- I gestori
- Professionisti medici in ruoli di leadership
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
Nota
- Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
In questo corso di formazione dal vivo con istruttore, i partecipanti prenderanno parte a una serie di discussioni, esercitazioni e analisi di casi studio per comprendere i fondamenti del Deep Learning . Verranno valutati gli strumenti e le tecniche di Deep Learning più importanti e verranno svolte esercitazioni per preparare i partecipanti allo svolgimento della propria valutazione e implementazione delle soluzioni di Deep Learning all'interno delle proprie organizzazioni.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Comprendi i fondamenti del Deep Learning
- Impara le tecniche di Deep Learning e le loro applicazioni nel settore
- Esaminare i problemi in medicina che possono essere risolti con le tecnologie di Deep Learning
- Esplora i case study di Deep Learning in medicina
- Formulare una strategia per l'adozione delle ultime tecnologie in Deep Learning per la risoluzione di problemi in medicina
Pubblico
- I gestori
- Professionisti medici in ruoli di leadership
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
Nota
- Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
28 hours
Overview
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 le telecomunicazioni 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 nelle telecomunicazioni.
- Usa Python , Keras e TensorFlow per creare modelli di deep learning per le telecomunicazioni.
- Costruisci il proprio modello di previsione di abbandono dei clienti di deep learning usando Python .
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
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 le telecomunicazioni 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 nelle telecomunicazioni.
- Usa Python , Keras e TensorFlow per creare modelli di deep learning per le telecomunicazioni.
- Costruisci il proprio modello di previsione di abbandono dei clienti di deep learning usando Python .
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
28 hours
Overview
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
21 hours
Overview
TensorFlow è una libreria popolare e di apprendimento automatico sviluppata da Go ogle per l'apprendimento profondo, il calcolo numerico e l'apprendimento automatico su larga scala. TensorFlow 2.0, rilasciato a gennaio 2019, è la versione più recente di TensorFlow e include miglioramenti nell'esecuzione desiderata, compatibilità e coerenza API.
Questa formazione dal vivo con istruttore (in loco o remoto) è rivolta a sviluppatori e data scientist che desiderano utilizzare Tensorflow 2.0 per creare predittori, classificatori, modelli generativi, reti neurali e così via.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Installa e configura TensorFlow 2.0.
- Comprendi i vantaggi di TensorFlow 2.0 rispetto alle versioni precedenti.
- Costruire modelli di apprendimento profondo.
- Implementa un classificatore di immagini avanzato.
- Distribuisci un modello di apprendimento profondo su dispositivi cloud, mobili e IoT.
Formato del corso
- Conferenza e discussione interattiva.
- Molti esercizi e pratiche.
- Implementazione pratica in un ambiente live-lab.
Opzioni di personalizzazione del corso
- Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
- Per ulteriori informazioni su TensorFlow , visitare: https://www.tensorflow.org/
Questa formazione dal vivo con istruttore (in loco o remoto) è rivolta a sviluppatori e data scientist che desiderano utilizzare Tensorflow 2.0 per creare predittori, classificatori, modelli generativi, reti neurali e così via.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Installa e configura TensorFlow 2.0.
- Comprendi i vantaggi di TensorFlow 2.0 rispetto alle versioni precedenti.
- Costruire modelli di apprendimento profondo.
- Implementa un classificatore di immagini avanzato.
- Distribuisci un modello di apprendimento profondo su dispositivi cloud, mobili e IoT.
Formato del corso
- Conferenza e discussione interattiva.
- Molti esercizi e pratiche.
- Implementazione pratica in un ambiente live-lab.
Opzioni di personalizzazione del corso
- Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
- Per ulteriori informazioni su TensorFlow , visitare: https://www.tensorflow.org/
21 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at developers who wish to build a self-driving car using deep learning techniques.
By the end of this training, participants will be able to:
- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
By the end of this training, participants will be able to:
- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
14 hours
Overview
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
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
14 hours
Overview
Keras è un open source Python libreria di rete neurale per la creazione di reti neurali di deep learning. Keras offre un insieme intuitivo di astrazioni, semplificando lo sviluppo di reti neurali e modelli di deep learning.
Questa formazione dal vivo con istruttore (in loco o a distanza) è rivolta agli ingegneri del software che desiderano sviluppare reti neurali e modelli avanzati di deep learning utilizzando Keras e Python.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Applica il deep learning con metodi di apprendimento supervisionati o non supervisionati.
- Sviluppa, addestra e implementa reti neurali simultanee e reti neurali ricorrenti.
- Usa Keras e Python per creare modelli di deep learning per risolvere problemi che coinvolgono immagini, testo, suoni e altro ancora.
Formato del corso
- Lezione interattiva e discussione.
- Un sacco di esercizi e pratica.
- Implementazione pratica in un ambiente live-lab.
Opzioni di personalizzazione del corso
- Per richiedere una formazione personalizzata per questo corso, vi preghiamo di contattarci per organizzare.
Questa formazione dal vivo con istruttore (in loco o a distanza) è rivolta agli ingegneri del software che desiderano sviluppare reti neurali e modelli avanzati di deep learning utilizzando Keras e Python.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Applica il deep learning con metodi di apprendimento supervisionati o non supervisionati.
- Sviluppa, addestra e implementa reti neurali simultanee e reti neurali ricorrenti.
- Usa Keras e Python per creare modelli di deep learning per risolvere problemi che coinvolgono immagini, testo, suoni e altro ancora.
Formato del corso
- Lezione interattiva e discussione.
- Un sacco di esercizi e pratica.
- Implementazione pratica in un ambiente live-lab.
Opzioni di personalizzazione del corso
- Per richiedere una formazione personalizzata per questo corso, vi preghiamo di contattarci per organizzare.
14 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
14 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run existing machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning using custom data.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run existing machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning using custom data.
14 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at data scientists who wish to use TensorFlow to analyze potential fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
21 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
21 hours
Overview
This instructor-led, live training in (online or onsite) is aimed at data scientists who wish to use Apache MXNet's to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
35 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at data scientists who wish to accelerate real-time machine learning applications and deploy them at scale.
By the end of this training, participants will be able to:
- Install the OpenVINO toolkit.
- Accelerate a computer vision application using an FPGA.
- Execute different CNN layers on the FPGA.
- Scale the application across multiple nodes in a Kubernetes cluster.
By the end of this training, participants will be able to:
- Install the OpenVINO toolkit.
- Accelerate a computer vision application using an FPGA.
- Execute different CNN layers on the FPGA.
- Scale the application across multiple nodes in a Kubernetes cluster.
21 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand the scope of operations that can be run.
- Deploy a deep learning model on an embedded device running Linux.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand the scope of operations that can be run.
- Deploy a deep learning model on an embedded device running Linux.
21 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
21 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
21 hours
Overview
This instructor-led, live training in (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
14 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at developers who wish to build hardware-accelerated object detection and tracking models to analyze streaming video data.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
35 hours
Overview
Questo corso inizia con la conoscenza concettuale delle reti neurali e generalmente dell'algoritmo di machine learning, deep learning (algoritmi e applicazioni).
La parte 1 (40%) di questa formazione è più focalizzata sui fondamenti, ma ti aiuterà a scegliere la giusta tecnologia: TensorFlow , Caffe , Theano, DeepDrive, Keras , ecc.
La parte 2 (20%) di questa formazione introduce Theano, una libreria Python che semplifica la scrittura di modelli di apprendimento profondo.
La parte 3 (40%) della formazione sarebbe ampiamente basata su Tensorflow - API di seconda generazione della libreria software open source di Go ogle per Deep Learning . Gli esempi e le istruzioni sarebbero state fatte in TensorFlow .
Pubblico
Questo corso è destinato agli ingegneri che desiderano utilizzare TensorFlow per i loro progetti di Deep Learning
Dopo aver completato questo corso, i delegati dovranno:
-
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 eseguire attività di installazione / ambiente di produzione / architettura e configurazione
-
essere in grado di valutare la qualità del codice, eseguire il debug, il monitoraggio
-
essere in grado di implementare la produzione avanzata come modelli di formazione, creazione di grafici e registrazione
La parte 1 (40%) di questa formazione è più focalizzata sui fondamenti, ma ti aiuterà a scegliere la giusta tecnologia: TensorFlow , Caffe , Theano, DeepDrive, Keras , ecc.
La parte 2 (20%) di questa formazione introduce Theano, una libreria Python che semplifica la scrittura di modelli di apprendimento profondo.
La parte 3 (40%) della formazione sarebbe ampiamente basata su Tensorflow - API di seconda generazione della libreria software open source di Go ogle per Deep Learning . Gli esempi e le istruzioni sarebbero state fatte in TensorFlow .
Pubblico
Questo corso è destinato agli ingegneri che desiderano utilizzare TensorFlow per i loro progetti di Deep Learning
Dopo aver completato questo corso, i delegati dovranno:
-
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 eseguire attività di installazione / ambiente di produzione / architettura e configurazione
-
essere in grado di valutare la qualità del codice, eseguire il debug, il monitoraggio
-
essere in grado di implementare la produzione avanzata come modelli di formazione, creazione di grafici e registrazione
7 hours
Overview
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 .
Prossimi corsi DL (Deep Learning)
2021-05-19 09:30:00
14 ore
2021-05-31 09:30:00
7 ore
2021-05-31 09:30:00
7 ore
2021-06-14 09:30:00
35 ore
2021-06-15 09:30:00
28 ore
Other countries
Consulting
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
.png "new york stock exchange (nyse)")
.jpg "european molecular biology laboratory (embl)")
.png "european space agency (esa)")
