1. Artificial Intelligence Training
  2. Machine Learning Training
  3. Deep Learning Training Courses

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

★★★★★
★★★★★

Sottocategorie Deep Learning

TensorFlow Training CoursesTensorFlow
Deeplearning4j Training CoursesDeeplearning4j
Apache SINGA Training CoursesApache SINGA
Caffe Training CoursesCaffe
Torch Training CoursesTorch

Schema generale del corso Deep Learning

CodiceNomeDurataPanoramica
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 oreArtificial Neural Network è un modello di dati computazionale utilizzato nello sviluppo di sistemi di Intelligenza Artificiale (AI) in grado di svolgere compiti "intelligenti". Le reti neurali sono comunemente utilizzate nelle applicazioni di Machine Learning (ML), che sono esse stesse un'implementazione dell'IA. Apprendimento profondo è un sottoinsieme di ML.
undnnUnderstanding Deep Neural Networks35 oreQuesto 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 .
dsstneAmazon DSSTNE: Build a Recommendation System7 oreAmazon 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 .
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7 oreTensor2Tensor (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 .
embeddingprojectorEmbedding Projector: Visualizing Your Training Data14 oreEmbedding 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 .
openfaceOpenFace: Creating Facial Recognition Systems14 oreOpenFace 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 .
pythonadvmlPython for Advanced Machine Learning21 oreIn 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 .
radvmlAdvanced Machine Learning with R21 oreIn 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 .
tensorflowservingTensorFlow Serving7 oreTensorFlow 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 .
matlabdlMatlab for Deep Learning14 oreIn 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 .
dlfornlpDeep Learning for NLP (Natural Language Processing)28 oreDeep 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 .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 oreMicrosoft 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 .
dlfinancewithrDeep Learning for Finance (with R)28 oreL'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 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, istruito, i partecipanti apprenderanno come implementare modelli di deep learning per la finanza usando R mentre passano attraverso la creazione di un modello di previsione 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 R per creare modelli di deep learning per la finanza Costruire il proprio modello di previsione dei prezzi delle azioni per l'apprendimento profondo usando R Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
dlforbankingwithpythonDeep Learning for Banking (with Python)28 oreL'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 il banking utilizzando Python mentre passano attraverso la creazione di un modello di rischio di credito 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 dell'apprendimento approfondito nel settore bancario Usa Python, Keras e TensorFlow per creare modelli di deep learning per il settore bancario Costruire il proprio modello di rischio di credito per l'apprendimento profondo usando Python Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
dlforbankingwithrDeep Learning for Banking (with R)28 oreL'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 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, istruito, i partecipanti impareranno come implementare modelli di deep learning per le attività bancarie utilizzando R mentre passano attraverso la creazione di un modello di rischio di credito 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 dell'apprendimento approfondito 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 profondo usando R Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
dlforfinancewithpythonDeep Learning for Finance (with Python)28 oreL'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 .
drlpythonDeep Reinforcement Learning with Python21 oreApprendimento di rinforzo profondo si riferisce alla capacità di un "agente artificiale" di apprendere mediante trialanderror, ricompense e pene Un agente artificiale mira a emulare la capacità di un umano di ottenere e costruire la conoscenza da sola, direttamente da input grezzi come la visione Per realizzare l'apprendimento di rinforzo, vengono utilizzate deep learning e reti neurali L'apprendimento del rinforzo è diverso dall'apprendimento automatico e non si basa su approcci di apprendimento supervisionati e non supervisionati In questo corso di formazione dal vivo istruito, i partecipanti apprenderanno i fondamenti del Deep Reinforcement Learning mentre passano attraverso la creazione di un Deep Learning Agent Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendi i concetti chiave alla base del Deep Reinforcement Learning ed è in grado di distinguerlo dal Machine Learning Applicare algoritmi avanzati di apprendimento del rinforzo per risolvere i problemi del mondo reale Costruisci un agente di apprendimento profondo Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21 oreIntroduzione : L'apprendimento approfondito sta diventando una componente principale del design di prodotto futuro che vuole incorporare l'intelligenza artificiale al centro dei loro modelli Entro i prossimi 5-10 anni, gli strumenti di sviluppo dell'apprendimento approfondito , le librerie e le lingue diventeranno componenti standard di ogni toolkit di sviluppo software Finora Google, Sales Force, Facebook, Amazon hanno utilizzato con successo l'intelligenza artificiale per incrementare la propria attività Le applicazioni spaziano dalla traduzione automatica delle macchine, 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 desiderano incorporare il Deep Learning come parte molto importante della propria strategia di prodotto o servizio Di seguito è riportato lo schema del corso di deep learning che possiamo personalizzare per diversi livelli di dipendenti / stakeholder in un'organizzazione Destinatari: (A seconda del pubblico di destinazione, i materiali del corso saranno personalizzati) dirigenti Una panoramica generale dell'IA e di come si inserisce nella strategia aziendale, con sessioni di approfondimento sulla pianificazione strategica, roadmap tecnologici e allocazione delle risorse per garantire il massimo valore Capi progetto Come pianificare un progetto AI, compresa la raccolta e la valutazione dei dati, la pulizia e la verifica dei dati, lo sviluppo di un modello proofofconcept, l'integrazione nei processi aziendali e la consegna in tutta l'organizzazione Sviluppatori Formazione tecnica approfondita, con particolare attenzione alle reti neurali e all'apprendimento approfondito, analisi di immagini e video (CNN), analisi del suono e del testo (NLP) e integrazione dell'IA nelle applicazioni esistenti commessi Una panoramica generale di IA e come può soddisfare le esigenze dei clienti, proposte di valore per vari prodotti e servizi, e come alleviare le paure e promuovere i benefici di AI .
Nue_LBGNeural computing – Data science14 oreQuesta sessione di formazione in classe conterrà presentazioni ed esempi basati su computer e esercizi di case study da intraprendere con le relative librerie di rete neurali e profonde .
dlformedicineDeep Learning for Medicine14 oreMachine Learning è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere programmati esplicitamente Deep Learning è un sottocampo di 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 L'apprendimento approfondito offre vaste opportunità per l'industria medica che si trova su una miniera d'oro di dati In questo corso di formazione dal vivo istruito, i partecipanti lo faranno prendere parte a una serie di discussioni, esercizi e analisi casestudy per comprendere le fondamenta del Deep Learning Verranno valutati gli strumenti e le tecniche di Deep Learning più importanti e verranno effettuati esercizi per preparare i partecipanti a svolgere la propria valutazione e implementazione delle soluzioni di Deep Learning all'interno delle loro organizzazioni Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendere 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 dalle tecnologie Deep Learning Esplora i case study di Deep Learning in medicina Formulare una strategia per l'adozione delle ultime tecnologie nel Deep Learning per risolvere problemi in medicina Pubblico I gestori Professionisti medici in ruoli di leadership Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva Nota Per richiedere una formazione personalizzata per questo corso, vi preghiamo di contattarci per organizzare .
dlfortelecomwithpythonDeep Learning for Telecom (with Python)28 oreMachine 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 telecom 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 telecom.
- Use Python, Keras, and TensorFlow to create deep learning models for telecom.
- Build their own deep learning customer churn prediction model using Python.

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
PaddlePaddlePaddlePaddle21 orePaddlePaddle (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 .
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7 oreLa Tensor Processing Unit (TPU) è l'architettura che Google ha utilizzato internamente per diversi anni e che sta diventando disponibile al pubblico Include diverse ottimizzazioni specifiche per l'uso in reti neurali, tra cui la moltiplicazione della matrice ottimizzata e gli interi a 8 bit invece di 16 bit per restituire livelli appropriati di precisione In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come sfruttare le innovazioni nei processori TPU per massimizzare le prestazioni delle proprie applicazioni AI Alla fine della formazione, i partecipanti saranno in grado di: Formare vari tipi di reti neurali su grandi quantità di dati Utilizzare TPU per accelerare il processo di inferenza di un massimo di due ordini di grandezza Utilizza TPU per elaborare applicazioni intensive come la ricerca di immagini, la visione cloud e le foto Pubblico Sviluppatori ricercatori ingegneri Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
deeplearning1Introduction to Deep Learning21 oreQuesto corso è una panoramica generale per il Deep Learning senza andare troppo in profondità in alcun metodo specifico. È adatto alle persone che desiderano iniziare a utilizzare l'apprendimento profondo per migliorare la precisione della previsione.
dl4jirDeepLearning4J for Image Recognition21 oreDeeplearning4j è un software OpenSource DeepLearning per Java e Scala su Hadoop e Spark Pubblico Questo corso è pensato per ingegneri e sviluppatori che desiderano utilizzare DeepLearning4J nei loro progetti di riconoscimento di immagini .
bspkannmldtArtificial Neural Networks, Machine Learning and Deep Thinking21 oreArtificial Neural Network è un modello di dati computazionale utilizzato nello sviluppo di sistemi di Intelligenza Artificiale (AI) in grado di svolgere compiti "intelligenti". Le reti neurali sono comunemente utilizzate nelle applicazioni di Machine Learning (ML), che sono esse stesse un'implementazione dell'IA. Apprendimento profondo è un sottoinsieme di ML.
dladvAdvanced Deep Learning28 oreL'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 .
tf101Deep Learning with TensorFlow21 oreTensorFlow è un'API di seconda generazione della libreria di software open source di Google per Deep Learning Il sistema è progettato per facilitare la ricerca nell'apprendimento automatico e per rendere facile e veloce la transizione dal prototipo di ricerca al sistema di produzione 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: 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 .
tfirTensorFlow for Image Recognition28 oreQuesto corso esplora, con esempi specifici, l'applicazione di Tensor Flow ai fini del riconoscimento dell'immagine Pubblico Questo corso è destinato agli ingegneri che cercano di utilizzare TensorFlow ai fini del riconoscimento di immagini Dopo aver completato questo corso, i delegati saranno in grado di: comprendere la struttura e i meccanismi di implementazione di TensorFlow eseguire le attività di installazione / produzione ambiente / architettura e configurazione valutare la qualità del codice, eseguire il debugging, il monitoraggio implementare la produzione avanzata come modelli di formazione, costruzione di grafici e registrazione .
tsflw2vNatural Language Processing with TensorFlow35 oreTensorFlow ™ è una libreria software open source per il calcolo numerico che utilizza i grafici del flusso di dati SyntaxNet è un framework di elaborazione del linguaggio naturale neuralnetwork per TensorFlow Word2Vec viene utilizzato per l'apprendimento di rappresentazioni vettoriali di parole, chiamate "raduni di parole" Word2vec è un modello predittivo particolarmente efficiente dal punto di vista computazionale per l'apprendimento delle immersioni di parole dal testo non elaborato È disponibile in due versioni: il modello Continuous BagofWords (CBOW) e il modello SkipGram (capitolo 31 e 32 in Mikolov et al) Utilizzato in tandem, SyntaxNet e Word2Vec consentono agli utenti di generare modelli di Embedded Learned dall'input di Natural Language Pubblico Questo corso è rivolto a sviluppatori e ingegneri che intendono lavorare con i modelli SyntaxNet e Word2Vec nei loro grafici TensorFlow Dopo aver completato questo corso, i delegati: 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, termini di incorporamento, costruzione di grafici e registrazione .

Prossimi corsi Deep Learning

CorsoCourse DatePrezzo del corso [A distanza / In classe]
Deep Learning for Vision with Caffe - NapoliLun, 2019-03-11 09:305250EUR / 6050EUR
Deep Learning for Vision with Caffe - RomaMer, 2019-03-13 09:305250EUR / 6050EUR
Deep Learning for Vision with Caffe - GenovaLun, 2019-04-01 09:305250EUR / 6050EUR
Deep Learning for Vision with Caffe - BolognaMar, 2019-04-02 09:305250EUR / 6050EUR
Deep Learning for Vision with Caffe - TorinoLun, 2019-04-08 09:305250EUR / 6050EUR

Other regions

RomaMilanoNapoliTorinoGenovaBologna

Other countries

These courses are also available in other countries ››

Consulting

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

Corsi scontati

CorsoSedeCourse DatePrezzo del corso [A distanza / In classe]
Advanced C#, ASP.NET and Web Application SecurityRomaMer, 2019-03-13 09:305250EUR / 6050EUR
Data Modelling with UMLGenovaMar, 2019-05-14 09:303150EUR / 3750EUR
Natural Language Processing - AI/RoboticsBolognaLun, 2019-06-10 09:304725EUR / 5525EUR
Big Data - Data ScienceGenovaGio, 2019-07-04 09:303500EUR / 4100EUR
Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLPBolognaLun, 2019-07-15 09:304725EUR / 5525EUR

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 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!