I corsi di formazione in machine learning (ML) in diretta condotti da istruttori dimostrano attraverso pratiche pratiche come applicare tecniche di apprendimento automatico e strumenti per risolvere problemi reali in vari settori. I corsi NobleProg ML coprono diversi linguaggi di programmazione e framework, inclusi Python, linguaggio R e Matlab. I corsi di Machine Learning sono offerti per una serie di applicazioni industriali, tra cui finanza, servizi bancari e assicurativi e riguardano i fondamenti del Machine Learning e approcci più avanzati come Deep Learning. La formazione Machine Learning è disponibile come "allenamento 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 in Italia o nei centri di formazione aziendale NobleProg in Italia . La formazione in remoto dal vivo viene effettuata tramite un desktop remoto interattivo. NobleProg: il tuo fornitore di formazione locale

Machine Translated

Recensioni

★★★★★

Il materiale di riferimento da utilizzare in seguito è stato molto buono.

PAUL BEALES- Seagate Technology.

Corso: Applied Machine Learning

Machine Translated

Cosa ti è piaciuto di più della formazione ?: Mi ha dato buone pratiche con l'utilizzo di R per costruire sistemi di apprendimento automatico per situazioni reali. Posso usarlo subito nel mio lavoro. Questo è stato un corso eccellente. Uno dei migliori che ho avuto.

Matthew Thomas - British Telecom

Corso: Applied Machine Learning

Machine Translated

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'allenatore era così preparato e comprendeva le aree che mi interessavano.

Mohamed Salama

Corso: Data Mining & Machine Learning with R

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

Il soggetto. Sembrava interessante, ma me ne andai sapendo non molto più di prima.

Radoslaw Labedzki

Corso: Introduction to Deep Learning

Machine Translated

Mi è piaciuto che questo corso avesse un argomento molto interessante.

Wojciech Wilk

Corso: Introduction to Deep Learning

Machine Translated

Ho davvero apprezzato le risposte cristalline di Chris alle nostre domande.

Léo Dubus

Corso: Neural Networks Fundamentals using TensorFlow as Example

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

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

esercizi

L M ERICSSON LIMITED

Corso: Machine Learning

Machine Translated

gli esercizi di laboratorio

Marcell Lorant - L M ERICSSON LIMITED

Corso: Machine Learning

Machine Translated

Il modulo per appunti Jupyter, in cui è disponibile il materiale di formazione

L M ERICSSON LIMITED

Corso: Machine Learning

Machine Translated

C'erano molti esercizi e argomenti interessanti.

L M ERICSSON LIMITED

Corso: Machine Learning

Machine Translated

alcuni grandi esercizi di laboratorio analizzati e spiegati dal formatore in profondità (ad es. covarianti in regressione lineare, corrispondenti alla funzione reale)

L M ERICSSON LIMITED

Corso: Machine Learning

Machine Translated

È semplicemente fantastico che tutto il materiale, compresi gli esercizi, si trova sulla stessa pagina e quindi viene aggiornato al volo. La soluzione è rivelata alla fine. Freddo! Inoltre, apprezzo che Krzysztof abbia fatto uno sforzo extra per capire i nostri problemi e ci abbia suggerito le possibili tecniche.

Attila Nagy - L M ERICSSON LIMITED

Corso: Machine Learning

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

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

Sta mostrando molti metodi con script pre-preparati: materiali molto ben preparati e facili da rintracciare

Kamila Begej - GE Medical Systems Polska Sp. Zoo

Corso: Machine Learning – Data science

Machine Translated

Mi piace che la formazione sia stata focalizzata su esempi e programmazione. Ho pensato che fosse impossibile mettere così tanto contenuto in tre giorni di allenamento, ma mi sbagliavo. La formazione ha riguardato molti argomenti e tutto è stato svolto in modo molto dettagliato (in particolare la messa a punto dei parametri del modello - non mi aspettavo che ci sarebbe stato un tempo per questo e sono rimasto grato sorpreso).

Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo

Corso: Machine Learning – Data science

Machine Translated

Mi piace che si concentri maggiormente sul how-to dei diversi metodi di riepilogo del testo

Corso: Text Summarization with Python

Machine Translated

molte informazioni, tutte le risposte alle domande, esempi interessanti

A1 Telekom Austria AG

Corso: Deep Learning for Telecom (with Python)

Machine Translated

Mi piace che si concentri maggiormente sul how-to dei diversi metodi di riepilogo del testo

Corso: Text Summarization with Python

Machine Translated

Sottocategorie Machine Learning

Schema generale del corso ML (Machine Learning)

Nome del corso

Durata

Overview

Nome del corso

Durata

Overview

Artificial Intelligence in Automotive

14 hours

Overview

Questo corso copre l'IA (sottolineando l' Machine Learning e l' Deep Learning ) nell'industria Automotive . Aiuta a determinare quale tecnologia può essere (potenzialmente) utilizzata in situazioni multiple in un'automobile: dalla semplice automazione, dal riconoscimento delle immagini al processo decisionale autonomo.

Machine Learning on iOS

14 hours

Overview

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 .

OpenFace: Creating Facial Recognition Systems

14 hours

Overview

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 .

Octave not only for programmers

21 hours

Overview

Il corso è dedicato a coloro che vorrebbero conoscere un programma alternativo al pacchetto commerciale MATLAB Il corso di formazione Threeday fornisce informazioni complete su come spostarsi nell'ambiente ed eseguire il pacchetto OCTAVE per l'analisi dei dati e calcoli di ingegneria I destinatari dell'allenamento sono principianti ma anche coloro che conoscono il programma e desiderano sistematizzare le proprie conoscenze e migliorare le proprie capacità La conoscenza di altri linguaggi di programmazione non è richiesta, ma faciliterà notevolmente l'acquisizione di conoscenze da parte degli studenti Il corso ti mostrerà come usare il programma in molti esempi pratici .

Neural computing – Data science

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

Neural Networks Fundamentals using TensorFlow as Example

28 hours

Overview

Questo corso ti fornirà conoscenze in reti neurali e generalmente in algoritmo di machine learning, deep learning (algoritmi e applicazioni).

Questa formazione è più focalizzata sui fondamenti, ma ti aiuterà a scegliere la tecnologia giusta: TensorFlow , Caffe , Teano, DeepDrive, Keras , ecc. Gli esempi sono realizzati in TensorFlow .

Machine Learning – Data science

21 hours

Overview

Questa sessione di formazione in aula esplorerà gli strumenti di apprendimento automatico con (suggerito) Python . I delegati avranno esempi basati su computer ed esercitazioni di casi studio da intraprendere.

Machine Learning for Robotics

21 hours

Overview

Questo corso introduce metodi di apprendimento automatico nelle applicazioni di robotica.

È un'ampia panoramica dei metodi, delle motivazioni e delle idee principali esistenti nel contesto del riconoscimento dei modelli.

Dopo un breve background teorico, i partecipanti eseguiranno un semplice esercizio usando open source (di solito R) o qualsiasi altro software popolare.

Machine Learning with Python

21 hours

Overview

l'obiettivo di questo corso è quello di fornire una competenza generale nell'applicazione dei metodi di Machine Learning nella pratica. Attraverso l'uso del linguaggio di programmazione Python e delle sue varie biblioteche, e sulla base di una moltitudine di esempi pratici, questo corso insegna come utilizzare i più importanti elementi costitutivi del machine learning, come prendere decisioni di modellazione dei dati, interpretare il output degli algoritmi e convalidare i risultati.

il nostro obiettivo è quello di darvi le competenze per capire e utilizzare gli strumenti più fondamentali dalla Toolbox di Machine Learning con fiducia ed evitare le insidie comuni delle applicazioni di Data Science.

Machine Learning in business – AI/Robotics

14 hours

Overview

Questa sessione di formazione in aula esplorerà tecniche di apprendimento automatico, con esempi basati su computer e esercizi di risoluzione di casi di studio utilizzando un programma pertinente languauge .

Introduction to Machine Learning

7 hours

Overview

Questo corso di formazione è rivolto a persone che desiderano applicare le tecniche di Machine Learning base in applicazioni pratiche.

Pubblico

Scienziati e statistici che hanno una certa familiarità con l'apprendimento automatico e sanno come programmare R. L'enfasi di questo corso è sugli aspetti pratici della preparazione dei dati / modello, esecuzione, analisi e visualizzazione post hoc. Lo scopo è fornire un'introduzione pratica all'apprendimento automatico ai partecipanti interessati all'applicazione dei metodi di lavoro

Esempi specifici di settore vengono utilizzati per rendere la formazione rilevante per il pubblico.

OpenNMT: Setting Up a Neural Machine Translation System

7 hours

Overview

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come impostare e utilizzare OpenNMT per eseguire la traduzione di vari set di dati di esempio. Il corso inizia con una panoramica delle reti neurali applicate alla traduzione automatica. I partecipanti eseguiranno esercitazioni dal vivo durante il corso per dimostrare la loro comprensione dei concetti appresi e ottenere feedback dall'istruttore.

Al termine di questa formazione, i partecipanti avranno le conoscenze e le pratiche necessarie per implementare una soluzione OpenNMT dal OpenNMT .

Campioni di lingua di origine e di destinazione saranno predisposti in base alle esigenze del pubblico.

Formato del corso

- Parte lezione, parte discussione, pratica pratica pesante

Machine Learning Fundamentals with R

14 hours

Overview

Lo scopo di questo corso è fornire una competenza di base nell'applicazione pratica dei metodi di Machine Learning . Attraverso l'uso della piattaforma di programmazione R e delle sue varie librerie e sulla base di una moltitudine di esempi pratici, questo corso insegna come utilizzare i più importanti blocchi di Machine Learning , come prendere decisioni sulla modellazione dei dati, interpretare i risultati degli algoritmi e convalidare i risultati.

Il nostro obiettivo è darti le competenze per comprendere e utilizzare gli strumenti più importanti della cassetta degli attrezzi di Machine Learning sicuro ed evitare le insidie comuni delle applicazioni di Data Science .

Machine Learning Fundamentals with Python

14 hours

Overview

Lo scopo di questo corso è fornire una competenza di base nell'applicazione pratica dei metodi di Machine Learning . Attraverso l'uso del Python programmazione Python e delle sue varie librerie e basato su una moltitudine di esempi pratici, questo corso insegna come utilizzare i più importanti elementi costitutivi di Machine Learning , come prendere decisioni sulla modellazione dei dati, interpretare i risultati degli algoritmi e convalidare i risultati.

Il nostro obiettivo è darti le competenze per comprendere e utilizzare gli strumenti più importanti della cassetta degli attrezzi di Machine Learning sicuro ed evitare le insidie comuni delle applicazioni di Data Science .

Machine Learning Fundamentals with Scala and Apache Spark

14 hours

Overview

Lo scopo di questo corso è fornire una competenza di base nell'applicazione pratica dei metodi di Machine Learning . Attraverso l'uso del linguaggio di programmazione Scala e delle sue varie librerie, e basato su una moltitudine di esempi pratici, questo corso insegna come utilizzare i più importanti blocchi di Machine Learning , come prendere decisioni sulla modellazione dei dati, interpretare i risultati degli algoritmi e convalidare i risultati.

Il nostro obiettivo è darti le competenze per comprendere e utilizzare gli strumenti più importanti della cassetta degli attrezzi di Machine Learning sicuro ed evitare le insidie comuni delle applicazioni di Data Science .

Machine Learning for Finance (with R)

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. 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 applicare tecniche e strumenti di apprendimento automatico per risolvere i problemi del mondo reale nel settore finanziario. R sarà usato come linguaggio di programmazione.

I partecipanti apprendono innanzitutto i principi chiave, quindi mettono in pratica le proprie conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti di gruppo.

Al termine di questa formazione, i partecipanti saranno in grado di:

- Comprendi i concetti fondamentali nell'apprendimento automatico
- Scopri le applicazioni e gli usi dell'apprendimento automatico in ambito finanziario
- Sviluppa la propria strategia di trading algoritmica usando l'apprendimento automatico con R

Pubblico

- Sviluppatori
- Data scientist

Formato del corso

- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Machine Learning for Finance (with Python)

21 hours

Overview

L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere esplicitamente programmati. 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 apprendimento automatico.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come applicare tecniche e strumenti di apprendimento automatico per risolvere i problemi del mondo reale nel settore finanziario.

I partecipanti apprendono innanzitutto i principi chiave, quindi mettono in pratica le proprie conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti di gruppo.

Al termine di questa formazione, i partecipanti saranno in grado di:

- Comprendi i concetti fondamentali nell'apprendimento automatico
- Scopri le applicazioni e gli usi dell'apprendimento automatico in ambito finanziario
- Sviluppa la propria strategia di trading algoritmica utilizzando l'apprendimento automatico con Python

Pubblico

- Sviluppatori
- Data scientist

Formato del corso

- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Machine Learning Concepts for Entrepreneurs and Managers

21 hours

Overview

Questo corso di formazione è rivolto a persone che desiderano applicare l' Machine Learning in applicazioni pratiche per il proprio team. La formazione non si tufferà nei tecnicismi e verterà su concetti di base e applicazioni operative / operative degli stessi.

Destinatari

- Investitori e imprenditori AI
- Manager e ingegneri la cui azienda si sta avventurando nello spazio AI
- Analisti Business e investitori

Machine Learning and Deep Learning

21 hours

Overview

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

Machine Learning and Big Data

7 hours

Overview

Questa formazione dal vivo con istruttore (in loco o remoto) è rivolta a persone tecniche che desiderano apprendere come implementare una strategia di apprendimento automatico massimizzando l'utilizzo dei big data.

Al termine di questa formazione, i partecipanti dovranno:

- Comprendi l'evoluzione e le tendenze dell'apprendimento automatico.
- Sapere come l'apprendimento automatico viene utilizzato in diversi settori.
- Acquisire familiarità con gli strumenti, le competenze e i servizi disponibili per implementare l'apprendimento automatico all'interno di un'organizzazione.
- Comprendi come l'apprendimento automatico può essere utilizzato per migliorare il data mining e l'analisi.
- Scopri cos'è un back-end di dati medio e come viene utilizzato dalle aziende.
- Comprendi il ruolo svolto dai big data e dalle applicazioni intelligenti in tutti i settori.

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.

Machine Learning for Banking (with R)

28 hours

Overview

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come applicare le tecniche e gli strumenti di apprendimento automatico per risolvere i problemi del mondo reale nel settore bancario. R sarà usato come linguaggio di programmazione.

I partecipanti apprendono innanzitutto i principi chiave, quindi mettono in pratica le proprie conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti dal vivo.

Pubblico

- Sviluppatori
- Data scientist
- Professionisti bancari con un background tecnico

Formato del corso

- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

OpenNLP for Text Based Machine Learning

14 hours

Overview

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 .

OpenNN: Implementing Neural Networks

14 hours

Overview

In questo corso di formazione dal vivo con istruttore, OpenNN i principi delle reti neurali e utilizziamo OpenNN per implementare un'applicazione di esempio.

Formato del corso

- Lezione e discussione abbinate ad esercitazioni pratiche.

Microsoft Cognitive Toolkit 2.x

21 hours

Overview

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 .

T2T: Creating Sequence to Sequence Models for Generalized Learning

7 hours

Overview

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 .

Understanding Deep Neural Networks

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

Natural Language Processing with TensorFlow

35 hours

Overview

TensorFlow ™ è una libreria software open source per il calcolo numerico utilizzando grafici del flusso di dati.

SyntaxNet è un framework di elaborazione del linguaggio naturale in rete neurale per TensorFlow .

Word 2Vec viene utilizzato per l'apprendimento di rappresentazioni vettoriali di parole, chiamate "incorporamenti di parole". Word 2vec è un modello predittivo particolarmente efficiente dal punto di vista computazionale per l'apprendimento di incorporamenti di parole dal testo non elaborato. È disponibile in due versioni, il modello Bag-of- Word s continuo (CBOW) e il modello Skip-Gram (capitolo 3.1 e 3.2 in Mikolov et al.).

Utilizzato in tandem, SyntaxNet e Word 2Vec consente agli utenti di generare modelli di incorporamento appresi dall'input in linguaggio naturale.

Pubblico

Questo corso è rivolto a sviluppatori e ingegneri che intendono lavorare con i modelli SyntaxNet e Word 2Vec nei loro grafici TensorFlow .

Dopo aver completato questo corso, i delegati dovranno:

- 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, termini di incorporamento, creazione di grafici e registrazione

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 hours

Overview

La 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 .

Torch for Machine and Deep Learning

21 hours

Overview

Torch è una libreria di apprendimento automatico open source e un framework di calcolo scientifico basato sul Lua programmazione Lua . Fornisce un ambiente di sviluppo per la numerica, l'apprendimento automatico e la visione artificiale, con particolare enfasi sull'apprendimento profondo e sulle reti convoluzionali. È uno dei framework più veloci e flessibili per Machine e Deep Learning ed è utilizzato da aziende come Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel e molti altri.

In questo training dal vivo con istruttore, copriamo i principi di Torch , le sue caratteristiche uniche e come può essere applicato in applicazioni del mondo reale. Eseguiamo numerosi esercizi pratici per tutto il tempo, dimostrando e praticando i concetti appresi.

Entro la fine del corso, i partecipanti avranno una conoscenza approfondita delle caratteristiche e delle capacità sottostanti di Torch , nonché del suo ruolo e contributo all'interno dello spazio AI rispetto ad altri framework e librerie. I partecipanti avranno inoltre ricevuto le pratiche necessarie per implementare Torch nei propri progetti.

Formato del corso

- Panoramica di Machine e Deep Learning
- Esercitazioni di codifica e integrazione in classe
- Testare le domande sparse lungo il percorso per verificare la comprensione

TensorFlow for Image Recognition

28 hours

Overview

Questo corso esplora, con esempi specifici, l'applicazione del flusso tensoriale ai fini del riconoscimento delle immagini

Pubblico

Questo corso è destinato agli ingegneri che desiderano utilizzare TensorFlow ai fini del riconoscimento delle immagini

Dopo aver completato questo corso, i delegati saranno in grado di:

- comprendere la struttura e i meccanismi di implementazione di TensorFlow
- svolgere attività e configurazione di installazione / ambiente di produzione / architettura
- valutare la qualità del codice, eseguire il debug, il monitoraggio
- implementare la produzione avanzata come modelli di formazione, creazione di grafici e registrazione

Other regions

;Roma Milano Napoli Torino Genova Bologna

Other countries

These courses are also available in other countries ››

Consulting

Machine Learning Consulting

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