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
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
Ho davvero apprezzato le risposte cristalline di Chris alle nostre domande.
Léo Dubus
Corso: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
In generale mi è piaciuto l'allenatore esperto.
Sridhar Voorakkara
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sono rimasto stupito dallo standard di questa classe - direi che era standard universitario.
David Relihan
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ottima panoramica generale. Go od fondo sul perché tensorflow funziona come lo fa.
Kieran Conboy
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Mi è piaciuta l'opportunità di porre domande e ottenere spiegazioni più approfondite della teoria.
Sharon Ruane
Corso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Abbiamo ottenuto molte più informazioni sull'argomento. Alcune belle discussioni sono state fatte con alcuni argomenti reali all'interno della nostra azienda.
Sebastiaan Holman
Corso: Machine Learning and Deep Learning
Machine Translated
La formazione ha fornito le giuste basi che ci consentono di espanderci ulteriormente, mostrando come teoria e pratica vadano di pari passo. In realtà mi ha interessato di più l'argomento di quanto non fossi prima.
Jean-Paul van Tillo
Corso: Machine Learning and Deep Learning
Machine Translated
Ho apprezzato molto la copertura e la profondità degli argomenti.
Anirban Basu
Corso: Machine Learning and Deep Learning
Machine Translated
Il formatore ha spiegato molto facilmente argomenti difficili e avanzati.
Leszek K
Corso: Artificial Intelligence Overview
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
Tutto come
蒙 李
Corso: Machine Learning Fundamentals with Python
Machine Translated
modo di condurre ed esempio dato dal trainer
ORANGE POLSKA S.A.
Corso: Machine Learning and Deep Learning
Machine Translated
Possibilità di discutere autonomamente i problemi proposti
ORANGE POLSKA S.A.
Corso: Machine Learning and Deep Learning
Machine Translated
Comunicazione con i docenti
文欣 张
Corso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Mi piace
lisa xie
Corso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Approfondita trattazione di argomenti di apprendimento automatico, in particolare reti neurali. Demistificato molto dell'argomento.
Sacha Nandlall
Corso: Python for Advanced Machine Learning
Machine Translated
Mi piacevano davvero gli 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
Conoscenza ampia e aggiornata di esempi applicativi pratici e di successo.
ING Bank Śląski S.A.
Corso: Introduction to Deep Learning
Machine Translated
Un sacco di esercizi, ottima collaborazione con il gruppo.
Janusz Chrobot - ING Bank Śląski S.A.
Corso: Introduction to Deep Learning
Machine Translated
lavorare su colaboratori,
ING Bank Śląski S.A.
Corso: Introduction to Deep Learning
Machine Translated
Era ovvio che gli entusiasti degli argomenti presentati stavano guidando. Utilizzato esempi interessanti durante l'esercizio.
ING Bank Śląski S.A.
Corso: Introduction to Deep Learning
Machine Translated
Una vasta gamma di argomenti trattati e una conoscenza approfondita dei leader.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
mancanza
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Grande conoscenza teorica e pratica dei docenti. Comunicabilità dei formatori. Durante il corso, potresti porre domande e ottenere risposte soddisfacenti.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Parte pratica, dove abbiamo implementato algoritmi. Ciò ha permesso una migliore comprensione dell'argomento.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
esercizi ed esempi implementati su di loro
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Esempi e argomenti discussi.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Conoscenza sostanziale, impegno, un modo appassionato di trasferire conoscenza. Esempi pratici dopo una lezione teorica.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Esercizi pratici preparati dal signor Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Corso: Understanding Deep Neural Networks
Machine Translated
Ho tratto beneficio dalla passione di insegnare e di concentrarmi sul rendere la cosa sensata.
Zaher Sharifi - GOSI
Corso: Advanced Deep Learning
Machine Translated
Sottocategorie Machine Learning
Schema generale del corso ML (Machine Learning)
Nome del corso
Durata
Overview
Nome del corso
Durata
Overview
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.
14 hours
Overview
MLOps (Machine Learning Operations) is the practice of integrating data science and operations to help manage the ML lifecycle. MLOps provides the ability to automate the reproduction of machine learning model development and training.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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.
Formato del corso
- Lezione e discussione abbinate ad esercitazioni pratiche.
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
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
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 .
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 .
14 hours
Overview
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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 .
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
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 .
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 .
21 hours
Overview
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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.
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.
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.
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.
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.
35 hours
Overview
MLOps is a set of tools and methodologies for combining Machine Learning and DevOps practices. The goal of MLOps is to automate and optimize the deployment and maintenance of ML systems in production.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 hours
Overview
Pattern Matching è una tecnica utilizzata per individuare i pattern specificati all'interno di un'immagine. Può essere utilizzato per determinare l'esistenza di caratteristiche specifiche all'interno di un'immagine acquisita, ad esempio l'etichetta prevista su un prodotto difettoso in una linea di fabbrica o le dimensioni specificate di un componente. È diverso da " Pattern Recognition " (che riconosce modelli generali basati su raccolte più ampie di campioni correlati) in quanto detta in modo specifico ciò che stiamo cercando, quindi ci dice se il modello previsto esiste o meno.
Formato del corso
- Questo corso introduce gli approcci, le tecnologie e gli algoritmi utilizzati nel campo del pattern matching in quanto si applica a Machine Vision .
Formato del corso
- Questo corso introduce gli approcci, le tecnologie e gli algoritmi utilizzati nel campo del pattern matching in quanto si applica a Machine Vision .
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 .
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 .
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.
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.
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 .
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 .
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 .
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 .
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 .
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 .
21 hours
Overview
MLflow is an open source platform for streamlining and managing the machine learning lifecycle. It supports any ML (machine learning) library, algorithm, deployment tool or language. Simply add MLflow to your existing ML code to share the code across any ML library being used within your organization.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
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
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
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
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
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
Destinatari
- Investitori e imprenditori AI
- Manager e ingegneri la cui azienda si sta avventurando nello spazio AI
- Analisti Business e investitori
21 hours
Overview
Questo corso copre l'IA (enfatizzando Machine Learning e Deep Learning )
21 hours
Overview
ML.NET is a framework for machine learning applications built upon the .NET development platform by Microsoft. It is extensible to multiple operating systems and can perform various machine learning prediction tasks. The central ML.NET tools are the ML.NET CLI and Model Builder which allow .NET developers to generate, train, and deploy machine learning models based on the objectives of an enterprise.
This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use ML.NET machine learning models to automatically derive projections from executed data analysis for enterprise applications.
By the end of this training, participants will be able to:
- Install ML.NET and integrate it into the application development environment.
- Understand the machine learning principles behind ML.NET tools and algorithms.
- Build and train machine learning models to perform predictions with the provided data smartly.
- Evaluate the performance of a machine learning model using the ML.NET metrics.
- Optimize the accuracy of the existing machine learning models based on the ML.NET framework.
- Apply the machine learning concepts of ML.NET to other data science applications.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use ML.NET machine learning models to automatically derive projections from executed data analysis for enterprise applications.
By the end of this training, participants will be able to:
- Install ML.NET and integrate it into the application development environment.
- Understand the machine learning principles behind ML.NET tools and algorithms.
- Build and train machine learning models to perform predictions with the provided data smartly.
- Evaluate the performance of a machine learning model using the ML.NET metrics.
- Optimize the accuracy of the existing machine learning models based on the ML.NET framework.
- Apply the machine learning concepts of ML.NET to other data science applications.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 hours
Overview
PaddlePaddle (PArallel Distributed Deep LEarning) è una piattaforma di apprendimento approfondito scalabile sviluppata da Baidu In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come usare PaddlePaddle per abilitare l'apprendimento approfondito nelle loro applicazioni di prodotti e servizi Alla fine di questa formazione, i partecipanti saranno in grado di: Configura e configura PaddlePaddle Configurare una rete neurale convoluzionale (CNN) per il riconoscimento di immagini e il rilevamento di oggetti Impostare una rete neurale ricorrente (RNN) per l'analisi dei sentimenti Impostare un apprendimento approfondito sui sistemi di raccomandazione per aiutare gli utenti a trovare risposte Prevedere le percentuali di clic (CTR), classificare i set di immagini di grandi dimensioni, eseguire il riconoscimento ottico dei caratteri (OCR), classificare le ricerche, rilevare virus informatici e implementare un sistema di raccomandazione Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
21 hours
Overview
PredictionIO è un Machine Learning Server open source basato su stack open source all'avanguardia.
Pubblico
Questo corso è rivolto a sviluppatori e data scientist che desiderano creare motori predittivi per qualsiasi attività di apprendimento automatico.
Pubblico
Questo corso è rivolto a sviluppatori e data scientist che desiderano creare motori predittivi per qualsiasi attività di apprendimento automatico.
Prossimi corsi ML (Machine Learning)
2021-02-09 09:30:00
7 ore
2021-03-02 09:30:00
14 ore
2021-03-05 09:30:00
7 ore
2021-03-08 09:30:00
14 ore
2021-03-29 09:30:00
14 ore
Other countries
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
.png "new york stock exchange (nyse)")
.jpg "european molecular biology laboratory (embl)")
.png "european space agency (esa)")
