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
Il materiale di riferimento da utilizzare in seguito è stato molto buono.
PAUL BEALES- Seagate Technology.
Corso: Applied Machine Learning
Translated by
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
Translated by
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
Translated by
L'allenatore era così preparato e comprendeva le aree che mi interessavano.
Mohamed Salama
Corso: Data Mining & Machine Learning with R
Translated by
Il formatore ha spiegato molto facilmente argomenti difficili e avanzati.
Leszek K
Corso: Artificial Intelligence Overview
Translated by
Molto flessibile
Frank Ueltzhöffer
Corso: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
In genere mi è piaciuta la flessibilità.
Werner Philipp
Corso: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
Tutto come
蒙 李
Corso: Machine Learning Fundamentals with Python
Translated by
Comunicazione con i docenti
文欣 张
Corso: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Mi piace
lisa xie
Corso: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
esercizi
L M ERICSSON LIMITED
Corso: Machine Learning
Translated by
gli esercizi di laboratorio
Marcell Lorant - L M ERICSSON LIMITED
Corso: Machine Learning
Translated by
Il modulo per appunti Jupyter, in cui è disponibile il materiale di formazione
L M ERICSSON LIMITED
Corso: Machine Learning
Translated by
C'erano molti esercizi e argomenti interessanti.
L M ERICSSON LIMITED
Corso: Machine Learning
Translated by
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
Translated by
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
Translated by
| Codice | Nome | Durata | Panoramica |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 ore | Questo corso è stato creato per manager, architetti di soluzioni, responsabili dell'innovazione, CTO, architetti di software e chiunque sia interessato a una panoramica dell'intelligenza artificiale applicata e delle previsioni più prossime per il suo sviluppo. |
| mlios | Machine Learning on iOS | 14 ore | In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare lo stack tecnologico iOS Machine Learning mentre passano attraverso la creazione e la distribuzione di un'app mobile iOS Alla fine di questa formazione, i partecipanti saranno in grado di: Crea un'app mobile in grado di elaborare immagini, analisi del testo e riconoscimento vocale Accedere ai modelli ML preained per l'integrazione con le app iOS Creare un modello ML personalizzato Aggiungi il supporto di Siri Voice alle app iOS Comprendere e utilizzare framework come coreML, Vision, CoreGraphics e GamePlayKit Usa linguaggi e strumenti come Python, Keras, Caffee, Tensorflow, scikit learn, libsvm, Anaconda e Spyder Pubblico Sviluppatori Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| textsum | Text Summarization with Python | 14 ore | In Python Machine Learning, la funzione Riepilogo testo è in grado di leggere il testo di input e produrre un riepilogo del testo Questa funzionalità è disponibile dalla riga di comando o come API / libreria Python Un'applicazione entusiasmante è la rapida creazione di sommari esecutivi; questo è particolarmente utile per le organizzazioni che hanno bisogno di rivedere grandi quantità di dati testuali prima di generare report e presentazioni In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno a usare Python per creare una semplice applicazione che generi automaticamente un sommario del testo di input Alla fine di questa formazione, i partecipanti saranno in grado di: Utilizzare uno strumento della riga di comando che riepiloga il testo Progetta e crea codice di riepilogo del testo usando le librerie Python Valutare tre librerie di riepilogo di Python: sumy 070, pysummarization 104, readless 1017 Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| undnn | Understanding Deep Neural Networks | 35 ore | Questo corso inizia con il fornire conoscenze concettuali nelle reti neurali e in generale in algoritmi di apprendimento automatico, deep learning (algoritmi e applicazioni) La parte 1 (40%) di questa formazione è più focalizzata sui fondamentali, ma ti aiuterà a scegliere la tecnologia giusta: TensorFlow, Caffe, Theano, DeepDrive, Keras, ecc La parte 2 (20%) di questa formazione introduce Theano in una libreria python che semplifica la scrittura di modelli di deep learning La parte 3 (40%) della formazione sarebbe ampiamente basata sull'API di seconda generazione di Tensorflow della libreria di software open source di Google per Deep Learning Gli esempi e gli handson saranno tutti fatti in TensorFlow Pubblico Questo corso è destinato agli ingegneri che cercano di usare TensorFlow per i loro progetti di Deep Learning Dopo aver completato questo corso, i delegati: avere una buona conoscenza delle reti neurali profonde (DNN), CNN e RNN comprendere la struttura e i meccanismi di implementazione di TensorFlow essere in grado di svolgere compiti di installazione / ambiente di produzione / architettura e configurazione essere in grado di valutare la qualità del codice, eseguire il debugging, il monitoraggio essere in grado di implementare la produzione avanzata come modelli di formazione, costruzione di grafici e registrazione Non tutti gli argomenti saranno trattati in un'aula pubblica con 35 ore di durata a causa della vastità del tema La durata del corso completo sarà di circa 70 ore e non di 35 ore . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 ore | La libreria Apache OpenNLP è un toolkit basato sull'apprendimento automatico per l'elaborazione di testi in linguaggio naturale Supporta le più comuni attività di NLP, come il riconoscimento della lingua, la tokenizzazione, la segmentazione delle frasi, la codifica di parti di componenti, l'estrazione di entità con nome, il chunking, l'analisi e la risoluzione di coreference In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come creare modelli per l'elaborazione di dati basati su testo utilizzando OpenNLP I dati di addestramento del campione e i set di dati personalizzati saranno utilizzati come base per gli esercizi di laboratorio Alla fine di questa formazione, i partecipanti saranno in grado di: Installa e configura OpenNLP Scarica modelli esistenti e creane di nuovi Formare i modelli su varie serie di dati campione Integrare OpenNLP con le applicazioni Java esistenti Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 ore | Machine Learning è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere programmati esplicitamente Python è un linguaggio di programmazione famoso per la sua chiara sintassi e leggibilità Offre un'eccellente raccolta di librerie e tecniche ben collaudate per lo sviluppo di applicazioni di machine learning In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come applicare le tecniche di apprendimento automatico e gli strumenti per risolvere i problemi del mondo reale nel settore bancario I partecipanti imparano innanzitutto i principi chiave, quindi mettono in pratica le loro conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti di gruppo Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| mlbankingr | Machine Learning for Banking (with R) | 28 ore | In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come applicare le tecniche di apprendimento automatico e gli strumenti per risolvere i problemi del mondo reale nel settore bancario R sarà usato come linguaggio di programmazione I partecipanti imparano innanzitutto i principi chiave, quindi mettono in pratica le loro conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti dal vivo Pubblico Sviluppatori Scienziati di dati Professionisti del settore bancario con un background tecnico Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| matlabdl | Matlab for Deep Learning | 14 ore | In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come usare Matlab per progettare, costruire e visualizzare una rete neurale convoluzionale per il riconoscimento dell'immagine Alla fine di questa formazione, i partecipanti saranno in grado di: Costruisci un modello di apprendimento profondo Automatizza l'etichettatura dei dati Lavora con i modelli di Caffe e TensorFlowKeras Allena i dati utilizzando più GPU, il cloud o i cluster Pubblico Sviluppatori ingegneri Esperti di dominio Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| tensorflowserving | TensorFlow Serving | 7 ore | TensorFlow Serving è un sistema per servire modelli di machine learning (ML) alla produzione In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come configurare e utilizzare TensorFlow Serving per distribuire e gestire i modelli ML in un ambiente di produzione Alla fine di questa formazione, i partecipanti saranno in grado di: Addestrare, esportare e servire vari modelli di TensorFlow Testare e distribuire algoritmi utilizzando un'unica architettura e un insieme di API Estendi TensorFlow Serve per servire altri tipi di modelli oltre ai modelli TensorFlow Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| pythontextml | Python: Machine Learning with Text | 21 ore | In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come utilizzare le giuste tecniche di apprendimento automatico e le tecniche di PNL (Natural Language Processing) per estrarre valore dai dati basati su testo Alla fine di questa formazione, i partecipanti saranno in grado di: Risolvi problemi di data science basati su testo con codice riutilizzabile di alta qualità Applicare diversi aspetti di scikitlearn (classificazione, clustering, regressione, riduzione della dimensionalità) per risolvere i problemi Costruire modelli di apprendimento automatico efficaci utilizzando dati basati su testo Creare un set di dati ed estrarre le caratteristiche dal testo non strutturato Visualizza i dati con Matplotlib Costruisci e valuta i modelli per ottenere informazioni dettagliate Risolvi errori di codifica del testo Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 ore | L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere programmati esplicitamente Python è un linguaggio di programmazione famoso per la sua chiara sintassi e leggibilità Offre un'eccellente raccolta di librerie e tecniche ben collaudate per lo sviluppo di applicazioni di machine learning In questo corso di formazione dal vivo istruito, i partecipanti impareranno come applicare le tecniche di apprendimento automatico e gli strumenti per risolvere i problemi del mondo reale nel settore finanziario I partecipanti imparano innanzitutto i principi chiave, quindi mettono in pratica le loro conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti di gruppo Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendere i concetti fondamentali nell'apprendimento automatico Impara le applicazioni e gli usi del machine learning in finanza Sviluppa la propria strategia di trading algoritmica usando machine learning con Python Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| encogintro | Encog: Introduction to Machine Learning | 14 ore | Encog è un framework di apprendimento automatico opensource per Java eNet In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come creare vari componenti della rete neurale usando ENCOG Verranno discusse le casistiche di Realworld e verranno esplorate le soluzioni basate su linguaggio macchina per questi problemi Alla fine di questa formazione, i partecipanti saranno in grado di: Preparare i dati per le reti neurali utilizzando il processo di normalizzazione Implementare reti feed-forward e metodologie di formazione sulla propagazione Implementare compiti di classificazione e regressione Modella e addestra reti neurali usando il workbench basato su GUI di Encog Integrare il supporto di rete neurale in applicazioni realworld Pubblico Sviluppatori Gli analisti Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| encogadv | Encog: Advanced Machine Learning | 14 ore | Encog è un framework di apprendimento automatico opensource per Java eNet In questo corso di formazione dal vivo, istruito, i partecipanti apprenderanno tecniche avanzate di apprendimento automatico per la costruzione di modelli predittivi di reti neurali accurate Alla fine di questa formazione, i partecipanti saranno in grado di: Implementare diverse tecniche di ottimizzazione delle reti neurali per risolvere underfitting e overfitting Comprendere e scegliere tra un certo numero di architetture di rete neurali Implementare reti di feed-back e feedback supervisionate Pubblico Sviluppatori Gli analisti Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| radvml | Advanced Machine Learning with R | 21 ore | In questo corso di formazione dal vivo, istruito, i partecipanti apprenderanno tecniche avanzate per l'apprendimento automatico con R quando passeranno attraverso la creazione di un'applicazione Realworld Alla fine di questa formazione, i partecipanti saranno in grado di: Utilizzare le tecniche come tuning hyperparameter e deep learning Comprendere e implementare tecniche di apprendimento non supervisionate Metti in produzione un modello da utilizzare in un'applicazione più grande Pubblico Sviluppatori Gli analisti Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| pythonadvml | Python for Advanced Machine Learning | 21 ore | In questo corso di formazione dal vivo, istruito, i partecipanti apprenderanno le tecniche di machine learning più rilevanti e all'avanguardia in Python mentre costruiscono una serie di applicazioni demo che includono immagini, musica, testo e dati finanziari Alla fine di questa formazione, i partecipanti saranno in grado di: Implementare algoritmi e tecniche di apprendimento automatico per risolvere problemi complessi Applicare l'apprendimento approfondito e l'apprendimento semisupervato alle applicazioni che coinvolgono immagini, musica, testo e dati finanziari Spingere gli algoritmi Python al massimo potenziale Usa librerie e pacchetti come NumPy e Theano Pubblico Sviluppatori Gli analisti Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 ore | OpenFace è un software di riconoscimento facciale open source basato su Python e Torch basato sulla ricerca FaceNet di Google In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare i componenti di OpenFace per creare e distribuire un'applicazione di riconoscimento facciale di esempio Alla fine di questa formazione, i partecipanti saranno in grado di: Lavorare con i componenti di OpenFace, inclusi dlib, OpenVC, Torch e nn4 per implementare il rilevamento, l'allineamento e la trasformazione del volto Applica OpenFace alle applicazioni del mondo reale come sorveglianza, verifica dell'identità, realtà virtuale, giochi e identificazione dei clienti abituali, ecc Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 ore | Embedding Projector è un'applicazione web opensource per la visualizzazione dei dati utilizzati per addestrare i sistemi di machine learning Creato da Google, fa parte di TensorFlow Questo corso di formazione dal vivo con istruttore introduce i concetti alla base di Embedding Projector e accompagna i partecipanti attraverso la configurazione di un progetto dimostrativo Alla fine di questa formazione, i partecipanti saranno in grado di: Scopri come i dati vengono interpretati dai modelli di apprendimento automatico Navigare attraverso le viste 3D e 2D dei dati per comprendere come un algoritmo di apprendimento automatico lo interpreti Comprendere i concetti dietro Embeddings e il loro ruolo nella rappresentazione di vettori matematici per immagini, parole e numeri Esplora le proprietà di un incorporamento specifico per comprendere il comportamento di un modello Applicare Embedding Project ai casi d'uso del mondo reale come costruire un sistema di raccomandazione di canzoni per gli amanti della musica Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 ore | Tensor2Tensor (T2T) è una libreria modulare ed estensibile per la formazione di modelli AI in diversi compiti, utilizzando diversi tipi di dati di allenamento, ad esempio: riconoscimento di immagini, traduzione, analisi, sottotitoli di immagini e riconoscimento vocale È gestito dal team di Google Brain In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come preparare un modello di apprendimento approfondito per risolvere più attività Alla fine di questa formazione, i partecipanti saranno in grado di: Installa il tensore tensoriale2, seleziona un set di dati e forma e valuta un modello di intelligenza artificiale Personalizza un ambiente di sviluppo utilizzando gli strumenti e i componenti inclusi in Tensor2Tensor Crea e utilizza un singolo modello per apprendere simultaneamente un numero di attività da più domini Utilizzare il modello per apprendere dalle attività con una grande quantità di dati di addestramento e applicare tali conoscenze alle attività in cui i dati sono limitati Ottieni risultati di elaborazione soddisfacenti utilizzando una singola GPU Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 ore | Deep Learning for NLP consente a una macchina di apprendere l'elaborazione del linguaggio da semplice a complessa Tra le attività attualmente possibili sono la traduzione in lingua e la generazione di didascalie per le foto DL (Deep Learning) è un sottoinsieme di ML (Machine Learning) Python è un linguaggio di programmazione popolare che contiene librerie per Deep Learning for NLP In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno a utilizzare le librerie Python per NLP (Natural Language Processing) mentre creano un'applicazione che elabora una serie di immagini e genera didascalie Alla fine di questa formazione, i partecipanti saranno in grado di: Progettare e codificare DL per NLP usando le librerie Python Crea un codice Python che legge una collezione enorme di immagini e genera parole chiave Crea codice Python che genera didascalie dalle parole chiave rilevate Pubblico Programmatori con interesse per la linguistica Programmatori che cercano una comprensione della PNL (Natural Language Processing) Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| mlfinancer | Machine Learning for Finance (with R) | 28 ore | L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere programmati esplicitamente 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 applicare le tecniche di apprendimento automatico e gli strumenti per risolvere i problemi del mondo reale nel settore finanziario R sarà usato come linguaggio di programmazione I partecipanti imparano innanzitutto i principi chiave, quindi mettono in pratica le loro conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti di gruppo Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendere i concetti fondamentali nell'apprendimento automatico Impara le applicazioni e gli usi del machine learning in finanza Sviluppa la propria strategia di trading algoritmica usando machine learning con R Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 ore | Snorkel è un sistema per creare, modellare e gestire rapidamente i dati di allenamento Si concentra sull'accelerazione dello sviluppo di applicazioni di estrazione dati strutturate o "oscure" per domini in cui non sono disponibili o facili da ottenere insiemi di formazione con etichette di grandi dimensioni In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno le tecniche per estrarre valore da dati non strutturati come testo, tabelle, figure e immagini attraverso la modellazione dei dati di allenamento con Snorkel Alla fine di questa formazione, i partecipanti saranno in grado di: Crea programmaticamente set di allenamento per abilitare l'etichettatura di set di allenamento di massa Prepara modelli di qualità elevata modellando prima i set di allenamento rumorosi Utilizzare Snorkel per implementare le deboli tecniche di supervisione e applicare la programmazione dei dati ai sistemi di apprendimento automatico con sistema debolmente supervisionato Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva . |
| ML_LBG | Machine Learning – Data science | 21 ore | Questa sessione di formazione in aula esplorerà strumenti di machine learning con Python (suggerito) I delegati avranno a disposizione esempi basati su computer e esercitazioni sui casi studio da intraprendere . |
| appai | Applied AI from Scratch | 28 ore | 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. |
| dlfortelecomwithpython | Deep Learning for Telecom (with Python) | 28 ore | Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability. In this instructor-led, live training, participants will learn how to implement deep learning models for 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 Audience - Developers - Data scientists Format of the course - Part lecture, part discussion, exercises and heavy hands-on practice |
| rapidminer | RapidMiner for Machine Learning and Predictive Analytics | 14 ore | RapidMiner is an open source data science software platform for rapid application prototyping and development. It includes an integrated environment for data preparation, machine learning, deep learning, text mining, and predictive analytics. In this instructor-led, live training, participants will learn how to use RapidMiner Studio for data preparation, machine learning, and predictive model deployment. By the end of this training, participants will be able to: - Install and configure RapidMiner - Prepare and visualize data with RapidMiner - Validate machine learning models - Mashup data and create predictive models - Operationalize predictive analytics within a business process - Troubleshoot and optimize RapidMiner Audience - Data scientists - Engineers - Developers Format of the Course - Part lecture, part discussion, exercises and heavy hands-on practice Note - To request a customized training for this course, please contact us to arrange. |
| aicityplanning | Artificial Intelligence for City Planning | 14 ore | Come saranno le città in futuro? Come può essere utilizzata l'Intelligenza Artificiale (AI) per migliorare la pianificazione urbana? Come si può utilizzare l'intelligenza artificiale per rendere le città più efficienti, vivibili, più sicure e rispettose dell'ambiente? In questo corso di formazione dal vivo istruito, in loco o remoto, esaminiamo le varie tecnologie che compongono l'intelligenza artificiale, nonché i set di abilità e il quadro mentale necessari per utilizzarli per la pianificazione urbana Copriamo anche gli strumenti e gli approcci per la raccolta e l'organizzazione di dati rilevanti per l'utilizzo in AI, compreso il data mining Pubblico Urbanisti architetti Sviluppatori Funzionari di trasporto Formato del corso Lezione di parte, discussione parziale e una serie di esercizi interattivi Nota Per richiedere una formazione personalizzata per questo corso, vi preghiamo di contattarci per organizzare . |
| dlformedicine | Deep Learning for Medicine | 14 ore | Machine 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 . |
| algebraforml | Algebra for Machine Learning | 14 ore | L'algebra lineare è una branca della matematica che si occupa di vettori, matrici e trasformazioni lineari La conoscenza dell'algebra lineare aiuta ingegneri e sviluppatori a migliorare le loro capacità di apprendimento automatico La comprensione dei concetti di algebra lineare consente loro di comprendere meglio i principi alla base delle tecniche di apprendimento automatico e quindi di risolvere i problemi più velocemente In questo corso di formazione dal vivo istruito, i partecipanti impareranno i fondamenti dell'algebra lineare mentre affrontano la soluzione di un problema di apprendimento automatico usando metodi di algebra lineare Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendere i concetti fondamentali di algebra lineare Impara le abilità di algebra lineare necessarie per l'apprendimento automatico Usa strutture e concetti di algebra lineare quando lavori con dati, immagini, algoritmi, ecc Risolvi un problema di apprendimento automatico usando l'algebra lineare Pubblico Sviluppatori ingegneri 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 . |
| Nue_LBG | Neural computing – Data science | 14 ore | Questa 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 . |
| mllbg | Machine Learning in business – AI/Robotics | 14 ore | 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 . |
| Corso | Course Date | Prezzo del corso [A distanza / In classe] |
|---|---|---|
| Introduction to Deep Learning - Bologna | Mar, 2019-02-05 09:30 | 5250EUR / 6050EUR |
| Introduction to Deep Learning - Napoli | Mer, 2019-02-06 09:30 | 5250EUR / 6050EUR |
| Introduction to Deep Learning - Torino | Mer, 2019-02-06 09:30 | 5250EUR / 6050EUR |
| Introduction to Deep Learning - Milano | Mar, 2019-02-12 09:30 | 5250EUR / 6050EUR |
| Introduction to Deep Learning - Roma | Mer, 2019-02-13 09:30 | 5250EUR / 6050EUR |
| Corso | Sede | Course Date | Prezzo del corso [A distanza / In classe] |
|---|---|---|---|
| Advanced C#, ASP.NET and Web Application Security | Roma | Mer, 2019-03-13 09:30 | 5250EUR / 6050EUR |
| Data Modelling with UML | Genova | Mar, 2019-05-14 09:30 | 3150EUR / 3750EUR |
| Natural Language Processing - AI/Robotics | Bologna | Lun, 2019-06-10 09:30 | 4725EUR / 5525EUR |
| Big Data - Data Science | Genova | Gio, 2019-07-04 09:30 | 3500EUR / 4100EUR |
| Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP | Bologna | Lun, 2019-07-15 09:30 | 4725EUR / 5525EUR |
.jpg "lewisville independent school district (lisd)")
.png "new york stock exchange (nyse)")
.gif "european organization for nuclear research (cern)")
.jpg "european molecular biology laboratory (embl)")
.jpg "abu dhabi company for onshore oil operations (adco)")
We are looking to expand our presence in Italy!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!
