Machine Learning Training Courses

L'IA generativa è un tipo di intelligenza artificiale in grado di creare contenuti originali come testo, immagini, musica e codice. I modelli linguistici di grandi dimensioni (LLM) sono potenti reti neurali in grado di elaborare e generare il linguaggio naturale.  Questa formazione dal vivo con istruttore (online o in loco) è rivolta agli sviluppatori di livello intermedio che desiderano imparare a utilizzare l'IA generativa con gli LLM per vari compiti e domini. Al termine di questa formazione, i partecipanti saranno in grado di:

Spiega cos'è l'IA generativa e come funziona. Descrivere l'architettura del trasformatore che alimenta gli LLM. Utilizza le leggi di scalabilità empiriche per ottimizzare gli LLM per diverse attività e vincoli. Applica strumenti e metodi all'avanguardia per addestrare, perfezionare e distribuire gli LLM. Discutere le opportunità e i rischi dell'IA generativa per la società e le imprese.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

LightGBM è un framework di potenziamento del gradiente distribuito gratuito e open source per l'apprendimento automatico, originariamente sviluppato da Microsoft. Si basa su algoritmi dell'albero decisionale e viene utilizzato per classificare, classificare e altre attività di apprendimento automatico.Questa formazione dal vivo con istruttore (in loco o remoto) è rivolta a sviluppatori e data scientist di livello principiante e intermedio che desiderano apprendere le basi di LightGBM ed esplorare tecniche avanzate.Al termine di questa formazione, i partecipanti saranno in grado di:

Installa e configura LightGBM. Comprendere la teoria alla base del potenziamento del gradiente e degli algoritmi dell'albero decisionale Utilizzare LightGBM per attività di apprendimento automatico di base e avanzate. Implementa tecniche avanzate come l'ingegnerizzazione delle funzionalità, l'ottimizzazione degli iperparametri e l'interpretazione dei modelli. Integra LightGBM con altri framework di machine learning. Risolvi problemi comuni in LightGBM.

Formato del corso

Lezione interattiva e discussione. Tanti esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

Stable Diffusion è un potente modello di deep learning in grado di generare immagini dettagliate basate su descrizioni testuali.  Questa formazione dal vivo con istruttore (online o in loco) è rivolta a data scientist di livello intermedio e avanzato, ingegneri di machine learning, ricercatori di deep learning ed esperti di visione artificiale che desiderano espandere le proprie conoscenze e competenze nel deep learning per la generazione di testo in immagine. Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere le architetture e le tecniche avanzate di deep learning per la generazione di testo in immagine. Implementa modelli complessi e ottimizzazioni per una sintesi di immagini di alta qualità. Ottimizza le prestazioni e la scalabilità per set di dati di grandi dimensioni e modelli complessi. Ottimizza gli iperparametri per migliorare le prestazioni e la generalizzazione del modello. Integrazione Stable Diffusion con altri framework e strumenti di deep learning.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare

I trasformatori generativi pre-addestrati (GPT) sono modelli all'avanguardia nell'elaborazione del linguaggio naturale che hanno rivoluzionato varie applicazioni, tra cui la generazione di linguaggi, il completamento del testo e la traduzione automatica. Questo corso fornisce un'esplorazione approfondita dei modelli GPT, con particolare attenzione a GPT-3 e agli ultimi progressi in GPT-4. I partecipanti acquisiranno informazioni sull'architettura, le tecniche di formazione e le applicazioni dei modelli GPT. Questa formazione dal vivo con istruttore (online o in loco) è rivolta a data scientist, ingegneri di apprendimento automatico, ricercatori NLP e appassionati di intelligenza artificiale che desiderano comprendere il funzionamento interno dei modelli GPT, esplorare le funzionalità di GPT-3 e GPT-4 e imparare come sfruttare questi modelli per le loro attività NLP. Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere i concetti e i principi chiave alla base dei trasformatori generativi pre-addestrati. Comprendere l'architettura e il processo di addestramento dei modelli GPT. Utilizza GPT-3 per attività come la generazione, il completamento e la traduzione del testo. Esplora gli ultimi progressi in GPT-4 e le sue potenziali applicazioni. Applicare i modelli GPT ai propri progetti e attività NLP.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, vi preghiamo di contattarci per organizzare.

Vertex AI è un ambiente Google Cloud per il completamento di attività di apprendimento automatico dalla sperimentazione, all'implementazione, alla gestione e al monitoraggio dei modelli. È un'infrastruttura scalabile che fornisce funzionalità di gestione degli utenti e controlli di sicurezza sui progetti di machine learning.Questa formazione dal vivo con istruttore (in loco o in remoto) è rivolta a ingegneri del software di livello principiante o intermedio o a chiunque desideri imparare a utilizzare Vertex AI per eseguire e completare attività di apprendimento automatico.Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendi come funziona Vertex AI e usalo come piattaforma di machine learning. Scopri i concetti di machine learning e PNL. Sapere come addestrare e distribuire modelli di machine learning utilizzando Vertex AI.

Formato del corso

Lezione interattiva e discussione. Tanti esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

DeepSpeed è una libreria di ottimizzazione del deep learning che semplifica la scalabilità dei modelli di deep learning su hardware distribuito. Sviluppato da Microsoft, DeepSpeed si integra con PyTorch per fornire una migliore scalabilità, una formazione più rapida e un migliore utilizzo delle risorse.Questa formazione dal vivo con istruttore (in loco o in remoto) è rivolta a scienziati di dati di livello principiante e intermedio e ingegneri di machine learning che desiderano migliorare le prestazioni dei loro modelli di deep learning.Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere i principi del deep learning distribuito. Installa e configura DeepSpeed. Ridimensiona i modelli di deep learning su hardware distribuito utilizzando DeepSpeed. Implementa e sperimenta le funzionalità DeepSpeed per l'ottimizzazione e l'efficienza della memoria.

Formato del corso

Lezione interattiva e discussione. Tanti esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

I modelli linguistici di grandi dimensioni (LLM) sono modelli di reti neurali profonde in grado di generare testi in linguaggio naturale in base a un determinato input o contesto. Sono addestrati su grandi quantità di dati testuali provenienti da vari domini e fonti e possono catturare i modelli sintattici e semantici del linguaggio naturale. Gli LLM hanno ottenuto risultati impressionanti su varie attività in linguaggio naturale come il riassunto del testo, la risposta alle domande, la generazione di testo e altro ancora. Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare modelli linguistici di grandi dimensioni per varie attività in linguaggio naturale. Al termine di questa formazione, i partecipanti saranno in grado di:

Configura un ambiente di sviluppo che includa un LLM popolare. Creare un LLM di base e ottimizzarlo su un set di dati personalizzato. Usa gli LLM per diverse attività in linguaggio naturale come il riepilogo del testo, la risposta alle domande, la generazione di testo e altro ancora. Esegui il debug e valuta gli LLM utilizzando strumenti come TensorBoard, PyTorch Lightning e Hugging Face Datasets.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

AlphaFold è un sistema Artificial Intelligence (AI) che esegue la previsione delle strutture proteiche. È sviluppato da Alphabet’s/Google’s DeepMind come un sistema di apprendimento profondo che può prevedere con precisione i modelli 3D delle strutture proteiche. Questo allenamento guidato da istruttori, in diretta (online o on-site) è rivolto ai biologisti che vogliono capire come AlphaFold funziona e utilizzare i modelli AlphaFold come guide nei loro studi sperimentali. Al termine di questo corso, i partecipanti saranno in grado di:

Conoscere i principi di base AlphaFold. Scopri come AlphaFold funziona. Imparare a interpretare AlphaFold le previsioni e i risultati.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Stable Diffusion è un potente modello di deep learning in grado di generare immagini dettagliate basate su descrizioni testuali.  Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto a data scientist, ingegneri di apprendimento automatico e ricercatori di visione artificiale che desiderano sfruttare Stable Diffusion per generare immagini di alta qualità per una varietà di casi d'uso. Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere i principi di Stable Diffusion e come funziona per la generazione di immagini. Compilare ed eseguire il training di Stable Diffusion modelli per le attività di generazione di immagini. Applicare Stable Diffusion a vari scenari di generazione di immagini, ad esempio inpainting, outpainting e conversione da immagine a immagine. Ottimizza le prestazioni e la stabilità dei modelli Stable Diffusion.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare

RapidMiner è una piattaforma di analisi avanzata che fornisce un ambiente integrato per la preparazione dei dati, l'apprendimento automatico, l'apprendimento profondo, il text mining e l'analisi predittiva. Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto agli analisti di dati di livello intermedio che desiderano imparare a utilizzare RapidMiner per stimare e proiettare valori e utilizzare strumenti analitici per la previsione di serie temporali. Al termine di questa formazione, i partecipanti saranno in grado di:

Impara ad applicare la metodologia CRISP-DM, seleziona gli algoritmi di apprendimento automatico appropriati e migliora la costruzione e le prestazioni del modello. Utilizzare RapidMiner per stimare e proiettare i valori e utilizzare gli strumenti analitici per la previsione delle serie temporali.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

Waikato Environment for Knowledge Analysis (Weka) è un software di visualizzazione del mining di dati open source. Fornisce una raccolta di algoritmi di apprendimento automatico per la preparazione dei dati, la classificazione, il clustering e altre attività di mining dei dati. Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto ad analisti di dati e scienziati di dati che vogliono utilizzare Weka per svolgere compiti di mining dei dati. Al termine di questo corso, i partecipanti saranno in grado di:

Installazione e configurazione Weka Comprendere il Weka ambiente e il lavoro. Eseguire i compiti di mining dei dati utilizzando Weka.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

L'obiettivo di questo corso è quello di fornire una competenza di base nell'applicare Machine Learning metodi in pratica. Attraverso l'uso del linguaggio di programmazione Python e le sue varie biblioteche, e sulla base di un sacco di esempi pratici, questo corso insegna come utilizzare i blocchi di costruzione più importanti di Machine Learning, come prendere decisioni di modelli di dati, interpretare le uscite degli algoritmi e valutare i risultati. Il nostro obiettivo è quello di fornirvi le competenze per comprendere e utilizzare con fiducia gli strumenti più fondamentali della scatola di strumenti Machine Learning e evitare le cadute comuni delle applicazioni Data Science.

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 .

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.

Questo è un corso di 4 giorni che introduce AI e la sua applicazione utilizzando il linguaggio di programmazione Python. C'è un'opzione per avere un giorno supplementare per intraprendere un progetto AI alla conclusione di questo corso. 

Deep Reinforcement Learning si riferisce alla capacità di un "agente artificiale" di apprendere per tentativi ed errori e premi e punizioni. Un agente artificiale mira a emulare la capacità di un essere umano di ottenere e costruire conoscenza da solo, direttamente da input grezzi come la visione. Per realizzare l'apprendimento per rinforzo, vengono utilizzati il deep learning e le reti neurali. L'apprendimento per rinforzo è diverso dall'apprendimento automatico e non si basa su approcci di apprendimento supervisionato e non supervisionato.Questa formazione dal vivo con istruttore (in loco o in remoto) è rivolta a sviluppatori e data scientist che desiderano apprendere i fondamenti di Deep Reinforcement Learning mentre passano attraverso la creazione di un Deep Learning agente.Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere i concetti chiave alla base di Deep Reinforcement Learning ed essere in grado di distinguerlo da Machine Learning. Applicare algoritmi Reinforcement Learning avanzati per risolvere problemi del mondo reale. Crea un Deep Learning agente.

Formato del corso

Lezione interattiva e discussione. Tanti esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

L'apprendimento automatico è un ramo dell'intelligenza artificiale in cui i computer hanno la capacità di imparare senza essere esplicitamente programmati. L'apprendimento profondo è un sub-campo di apprendimento automatico che utilizza metodi basati sulle rappresentazioni e le strutture dei dati di apprendimento come le reti neurali. Python è un linguaggio di programmazione di alto livello famoso per la sua chiara sintasi e leggibilità del codice. In questa formazione diretta da istruttori, i partecipanti impareranno come implementare modelli di apprendimento profondo per telecom utilizzando Python mentre passano attraverso la creazione di un modello di rischio di credito profondo. Al termine di questo corso, i partecipanti saranno in grado di:

Comprendere i concetti fondamentali dell’apprendimento profondo. Scopri le applicazioni e gli usi dell'apprendimento profondo in telecom. Utilizzare Python, Keras, e TensorFlow per creare modelli di apprendimento profondo per telecom. Costruisci il tuo modello di profondità di apprendimento del cliente utilizzando Python.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

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 .

Questo corso è stato creato per manager, architetti di soluzioni, responsabili dell'innovazione, CTO, architetti software e chiunque sia interessato a una panoramica dell'intelligenza artificiale applicata e alle previsioni più vicine per il suo sviluppo.

Come saranno le città in futuro? Come si può usare Artificial Intelligence (AI) per migliorare l'urbanistica? In che modo l'IA può essere utilizzata per rendere le città più efficienti, vivibili, più sicure e rispettose dell'ambiente? In questo corso di formazione dal vivo con istruttore (in loco o remoto), esaminiamo le varie tecnologie che compongono l'IA, nonché i set di abilità e il quadro mentale necessari per utilizzarli per la pianificazione della città. Copriamo anche strumenti e approcci per la raccolta e l'organizzazione di dati rilevanti da utilizzare nell'intelligenza artificiale, incluso il data mining. Pubblico

• Urbanisti
• architetti
• Sviluppatori
• Funzionari del trasporto

Formato del corso

• Parte della lezione, parte della discussione e una serie di esercizi interattivi.

Nota

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

L'intelligenza artificiale è una raccolta di tecnologie per la costruzione di sistemi intelligenti in grado di comprendere i dati e le attività che li circondano per prendere "decisioni intelligenti". Per i fornitori di telecomunicazioni, la creazione di applicazioni e servizi che utilizzano l'intelligenza artificiale potrebbe aprire le porte a operazioni e servizi migliorati in settori quali la manutenzione e l'ottimizzazione della rete. In questo corso esaminiamo le varie tecnologie che compongono l'IA e le competenze necessarie per metterle in pratica. Durante il corso, esaminiamo le applicazioni specifiche dell'IA nel settore delle telecomunicazioni. Pubblico

• Ingegneri di rete
• Personale addetto alle operazioni di rete
• Responsabili tecnici delle telecomunicazioni

Formato del corso

• Parte lezione, parte discussione, esercitazioni pratiche

Questo corso è stato creato per le persone che non hanno precedenti esperienze in probabilità e statistiche .

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 .

Azure Machine Learning (AML) è un ambiente basato su cloud per la formazione, la distribuzione, l'automazione, la gestione e il monitoraggio dei modelli ML. Questo istruttore guidato, allenamento dal vivo (online o on-site) è rivolto agli ingegneri che vogliono utilizzare Azure la piattaforma di drag-and-drop di ML per sfruttare Machine Learning carico di lavoro senza dover acquistare software e hardware e senza dover preoccuparsi di manutenzione e sfruttamento. Al termine di questo corso, i partecipanti saranno in grado di:

Scrivere modelli di apprendimento automatico altamente accurati utilizzando strumenti Python, R o zero-code. Leverage Azure's disponibili set di dati e algoritmi per addestrare e tracciare modelli di apprendimento automatico e di apprendimento profondo. Utilizzare lo spazio di lavoro interattivo Azure per sviluppare collaborativamente i modelli ML. Scegli tra i diversi framework ML supportati Azure come PyTorch, TensorFlow e scikit-learn.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

La rete neurale artificiale è un modello di dati computazionale utilizzato nello sviluppo di sistemi di Artificial Intelligence (AI) in grado di eseguire attività "intelligenti". Neural Networks sono comunemente utilizzate nelle applicazioni di Machine Learning (ML), che sono esse stesse un'implementazione dell'IA. Deep Learning è un sottoinsieme di ML.

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. 

Questo corso di formazione è rivolto a persone che desiderano applicare l' Machine Learning in applicazioni pratiche. Pubblico Questo corso è rivolto a data scientist e statistici che hanno una certa familiarità con le statistiche e sanno programmare R (o Python o altra lingua scelta). L'enfasi di questo corso è sugli aspetti pratici della preparazione, esecuzione, analisi e visualizzazione di dati / modelli. Lo scopo è quello di fornire applicazioni pratiche Machine Learning ai partecipanti interessati ad applicare i metodi di lavoro. Esempi specifici di settore vengono utilizzati per rendere la formazione rilevante per il pubblico.

Amazon Web Services (AWS) SageMaker è un servizio di apprendimento automatico cloud che consente agli sviluppatori di costruire, addestrare e implementare rapidamente modelli di apprendimento automatico su qualsiasi scala. Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto a scienziati e sviluppatori di dati che vogliono creare e formare modelli di apprendimento automatico per l'implementazione in ambienti di hosting pronti per la produzione. Al termine di questo corso, i partecipanti saranno in grado di:

Utilizzare gli esempi di notebook per preparare e caricare i dati per la formazione. Imparare modelli di apprendimento automatico utilizzando set di dati di formazione. Sviluppare modelli addestrati a un punto di fine per creare previsioni.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Azure Machine Learning è una piattaforma basata sul cloud per la costruzione, la formazione e la realizzazione di modelli di apprendimento automatico. Azure Machine Learning fornisce agli utenti la capacità di creare soluzioni di apprendimento automatico senza una sola linea di codice. Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto a scienziati dei dati che vogliono utilizzare Azure Machine Learning per costruire modelli di apprendimento automatico fin-to-end per l'analisi preditiva. Al termine di questo corso, i partecipanti saranno in grado di:

Costruisci modelli di apprendimento automatico con esperienza di programmazione zero. Creare algoritmi prevedibili con Azure Machine Learning. Sviluppare i preparati algoritmi di apprendimento automatico.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Questo corso sarà una combinazione di teoria e lavoro pratico con esempi specifici utilizzati durante l'evento.