I corsi di formazione sulla rete neurale dal vivo e istruttori dimostrano attraverso discussioni interattive e esercitazioni pratiche su come costruire reti neurali utilizzando una serie di toolkit e librerie per lo più open source e come utilizzare la potenza dell'hardware avanzato (GPU) e le tecniche di ottimizzazione che coinvolgono il calcolo distribuito e grandi dati I nostri corsi Neural Network sono basati su linguaggi di programmazione popolari come Python, Java, linguaggio R e librerie potenti, tra cui TensorFlow, Torch, Caffe, Theano e altri I corsi della nostra rete neurale riguardano sia la teoria che l'implementazione utilizzando una serie di implementazioni di reti neurali come reti neurali profonde (DNN), reti neurali convenzio- nali (CNN) e reti neurali ricorrenti (RNN) L'addestramento sulla rete neurale è disponibile come "allenamento dal vivo in loco" o "allenamento 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
Ann ha creato un ambiente fantastico per fare domande e imparare. Ci siamo divertiti molto e abbiamo anche imparato molto allo stesso tempo.
Gudrun Bickelq
Corso: Introduction to the use of neural networks
Machine Translated
La parte interattiva, adattata alle nostre esigenze specifiche.
Thomas Stocker
Corso: Introduction to the use of neural networks
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
Il formatore ha spiegato molto facilmente argomenti difficili e avanzati.
Leszek K
Corso: Artificial Intelligence Overview
Machine Translated
Mi sono piaciute le nuove intuizioni nel deep machine learning.
Josip Arneric
Corso: Neural Network in R
Machine Translated
Abbiamo acquisito una certa conoscenza di NN in generale, e quello che è stato il più interessante per me sono stati i nuovi tipi di NN che sono popolari al giorno d'oggi.
Tea Poklepovic
Corso: Neural Network in R
Machine Translated
Ho apprezzato soprattutto i grafici in R :))).
Faculty of Economics and Business Zagreb
Corso: Neural Network in R
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
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
un sacco di esercizi che posso usare direttamente nel mio lavoro.
Alior Bank S.A.
Corso: Sieci Neuronowe w R
Machine Translated
Esempi su dati reali.
Alior Bank S.A.
Corso: Sieci Neuronowe w R
Machine Translated
neuralnet, pROC in un ciclo.
Alior Bank S.A.
Corso: Sieci Neuronowe w R
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
Gli scambi informali che abbiamo avuto durante le lezioni mi hanno davvero aiutato ad approfondire la mia comprensione del tema
Explore
Corso: Deep Reinforcement Learning with Python
Machine Translated
Il trainer era un professionista nel campo dell'argomento e della teoria correlata con un'applicazione eccellente
Fahad Malalla - Tatweer Petroleum
Corso: Applied AI from Scratch in Python
Machine Translated
temi, atteggiamento amichevole del presentatore
Fujitsu Technology Solutions Sp. z o.o.
Corso: Artificial Intelligence Overview
Machine Translated
Sottocategorie Neural Networks
Schema generale del corso Neural Networks
Nome del corso
Durata
Overview
Nome del corso
Durata
Overview
7 hours
Overview
Questo corso è stato creato per manager, architetti delle soluzioni, responsabili dell'innovazione, CTO, architetti del software e chiunque sia interessato a una panoramica dell'intelligenza artificiale applicata e alle previsioni più vicine per il suo sviluppo.
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
La meccatronica (nota anche come ingegneria meccatronica) è una combinazione di meccanica, elettronica e informatica.
Questo addestramento dal vivo con istruttore (in loco o remoto) è rivolto agli ingegneri che desiderano conoscere l'applicabilità dell'intelligenza artificiale ai sistemi meccatronici.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Ottieni una panoramica dell'intelligenza artificiale, dell'apprendimento automatico e dell'intelligenza computazionale.
- Comprendere i concetti di reti neurali e diversi metodi di apprendimento.
- Scegli approcci di intelligenza artificiale in modo efficace per i problemi della vita reale.
- Implementare applicazioni AI nell'ingegneria meccatronica.
Formato del corso
- Conferenza e discussione interattiva.
- Molti esercizi e pratiche.
- Implementazione pratica in un ambiente live-lab.
Opzioni di personalizzazione del corso
- Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
Questo addestramento dal vivo con istruttore (in loco o remoto) è rivolto agli ingegneri che desiderano conoscere l'applicabilità dell'intelligenza artificiale ai sistemi meccatronici.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Ottieni una panoramica dell'intelligenza artificiale, dell'apprendimento automatico e dell'intelligenza computazionale.
- Comprendere i concetti di reti neurali e diversi metodi di apprendimento.
- Scegli approcci di intelligenza artificiale in modo efficace per i problemi della vita reale.
- Implementare applicazioni AI nell'ingegneria meccatronica.
Formato del corso
- Conferenza e discussione interattiva.
- Molti esercizi e pratiche.
- Implementazione pratica in un ambiente live-lab.
Opzioni di personalizzazione del corso
- Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
28 hours
Overview
Questo è un corso di 4 giorni che introduce l'IA e la sua applicazione usando il Python programmazione Python . C'è un'opzione per avere un giorno in più per intraprendere un progetto di intelligenza artificiale al completamento di questo corso.
28 hours
Overview
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.
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
21 hours
Overview
L'apprendimento di rinforzo profondo si riferisce alla capacità di un "agente artificiale" di apprendere attraverso prove ed errori e premi e punizioni. Un agente artificiale mira a emulare la capacità di un essere umano di ottenere e costruire conoscenze da solo, direttamente da input grezzi come la visione. Per realizzare l'apprendimento per rinforzo, vengono utilizzati l'apprendimento profondo 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.
In questo corso di formazione dal vivo con istruttore, i partecipanti apprenderanno i fondamenti del Deep Reinforcement Learning mentre passano attraverso la creazione di un Deep Learning Agent.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Comprendi i concetti chiave alla base del Deep Reinforcement Learning ed essere in grado di distinguerlo dal Machine Learning
- Applica algoritmi avanzati di apprendimento di rinforzo per risolvere i problemi del mondo reale
- Costruisci un agente di Deep Learning
Pubblico
- Sviluppatori
- Scienziati dei dati
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
In questo corso di formazione dal vivo con istruttore, i partecipanti apprenderanno i fondamenti del Deep Reinforcement Learning mentre passano attraverso la creazione di un Deep Learning Agent.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Comprendi i concetti chiave alla base del Deep Reinforcement Learning ed essere in grado di distinguerlo dal Machine Learning
- Applica algoritmi avanzati di apprendimento di rinforzo per risolvere i problemi del mondo reale
- Costruisci un agente di Deep Learning
Pubblico
- Sviluppatori
- Scienziati dei dati
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
35 hours
Overview
Questo corso inizia con la conoscenza concettuale delle reti neurali e generalmente dell'algoritmo di machine learning, deep learning (algoritmi e applicazioni).
La parte 1 (40%) di questa formazione è più focalizzata sui fondamenti, ma ti aiuterà a scegliere la giusta tecnologia: TensorFlow , Caffe , Theano, DeepDrive, Keras , ecc.
La parte 2 (20%) di questa formazione introduce Theano, una libreria Python che semplifica la scrittura di modelli di apprendimento profondo.
La parte 3 (40%) della formazione sarebbe ampiamente basata su Tensorflow - API di seconda generazione della libreria software open source di Go ogle per Deep Learning . Gli esempi e le istruzioni sarebbero state fatte in TensorFlow .
Pubblico
Questo corso è destinato agli ingegneri che desiderano utilizzare TensorFlow per i loro progetti di Deep Learning
Dopo aver completato questo corso, i delegati dovranno:
-
avere una buona conoscenza delle reti neurali profonde (DNN), CNN e RNN
-
comprendere la struttura e i meccanismi di implementazione di TensorFlow
-
essere in grado di eseguire attività di installazione / ambiente di produzione / architettura e configurazione
-
essere in grado di valutare la qualità del codice, eseguire il debug, il monitoraggio
-
essere in grado di implementare la produzione avanzata come modelli di formazione, creazione di grafici e registrazione
La parte 1 (40%) di questa formazione è più focalizzata sui fondamenti, ma ti aiuterà a scegliere la giusta tecnologia: TensorFlow , Caffe , Theano, DeepDrive, Keras , ecc.
La parte 2 (20%) di questa formazione introduce Theano, una libreria Python che semplifica la scrittura di modelli di apprendimento profondo.
La parte 3 (40%) della formazione sarebbe ampiamente basata su Tensorflow - API di seconda generazione della libreria software open source di Go ogle per Deep Learning . Gli esempi e le istruzioni sarebbero state fatte in TensorFlow .
Pubblico
Questo corso è destinato agli ingegneri che desiderano utilizzare TensorFlow per i loro progetti di Deep Learning
Dopo aver completato questo corso, i delegati dovranno:
-
avere una buona conoscenza delle reti neurali profonde (DNN), CNN e RNN
-
comprendere la struttura e i meccanismi di implementazione di TensorFlow
-
essere in grado di eseguire attività di installazione / ambiente di produzione / architettura e configurazione
-
essere in grado di valutare la qualità del codice, eseguire il debug, il monitoraggio
-
essere in grado di implementare la produzione avanzata come modelli di formazione, creazione di grafici e registrazione
14 hours
Overview
In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare Matlab per progettare, costruire e visualizzare una rete neurale convoluzionale per il riconoscimento delle immagini.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Costruire un modello di apprendimento profondo
- Automatizza l'etichettatura dei dati
- Lavora con i modelli di Caffe e TensorFlow - Keras
- Addestra i dati utilizzando più GPU , il cloud o i cluster
Pubblico
- Sviluppatori
- ingegneri
- Esperti di dominio
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
Al termine di questa formazione, i partecipanti saranno in grado di:
- Costruire un modello di apprendimento profondo
- Automatizza l'etichettatura dei dati
- Lavora con i modelli di Caffe e TensorFlow - Keras
- Addestra i dati utilizzando più GPU , il cloud o i cluster
Pubblico
- Sviluppatori
- ingegneri
- Esperti di dominio
Formato del corso
- Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche
14 hours
Overview
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 .
14 hours
Overview
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 .
7 hours
Overview
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 .
21 hours
Overview
Microsoft Cognitive Toolkit 2x (in precedenza CNTK) è un toolkit open source e commerciale che consente di addestrare algoritmi di apprendimento approfondito per apprendere come il cervello umano Secondo Microsoft, CNTK può essere 510 volte più veloce di TensorFlow su reti ricorrenti e da 2 a 3 volte più veloce di TensorFlow per le attività basate sull'imaging In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare Microsoft Cognitive Toolkit per creare, addestrare e valutare algoritmi di deep learning da utilizzare in applicazioni AI commerciali che coinvolgono diversi tipi di dati come dati, parlato, testo e immagini Alla fine di questa formazione, i partecipanti saranno in grado di: Accedi a CNTK come libreria da un programma Python, C # o C ++ Utilizza CNTK come strumento autonomo di apprendimento automatico attraverso il proprio linguaggio di descrizione del modello (BrainScript) Utilizzare la funzionalità di valutazione del modello CNTK da un programma Java Combina DNN feedforward, reti convoluzionali (CNN) e reti ricorrenti (RNN / LSTM) Scala la capacità di calcolo su CPU, GPU e macchine multiple Accedi a enormi set di dati utilizzando linguaggi di programmazione e algoritmi esistenti Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva Nota Se desideri personalizzare qualsiasi parte di questo corso, incluso il linguaggio di programmazione scelto, ti preghiamo di contattarci per organizzare .
7 hours
Overview
La formazione è rivolta a persone che vogliono apprendere le basi delle reti neurali e le loro applicazioni.
7 hours
Overview
La Tensor Processing Unit (TPU) è l'architettura che Google ha utilizzato internamente per diversi anni e che sta diventando disponibile al pubblico Include diverse ottimizzazioni specifiche per l'uso in reti neurali, tra cui la moltiplicazione della matrice ottimizzata e gli interi a 8 bit invece di 16 bit per restituire livelli appropriati di precisione In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come sfruttare le innovazioni nei processori TPU per massimizzare le prestazioni delle proprie applicazioni AI Alla fine della formazione, i partecipanti saranno in grado di: Formare vari tipi di reti neurali su grandi quantità di dati Utilizzare TPU per accelerare il processo di inferenza di un massimo di due ordini di grandezza Utilizza TPU per elaborare applicazioni intensive come la ricerca di immagini, la visione cloud e le foto Pubblico Sviluppatori ricercatori ingegneri Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
21 hours
Overview
Tipo: formazione teorica con domande decise a monte con gli studenti su Lasagne o Keras secondo il gruppo pedagogico
Metodo di insegnamento: presentazione, scambi e casi studio
L'intelligenza artificiale, dopo aver sconvolto molti campi scientifici, ha iniziato a rivoluzionare un gran numero di settori economici (industria, medicina, comunicazione, ecc.). Tuttavia, la sua presentazione nei grandi media è spesso fantasy, molto lontana da quelle che sono veramente le aree di Machine Learning o Deep Learning . Lo scopo di questa formazione è fornire agli ingegneri che hanno già una padronanza degli strumenti informatici (inclusa una base di programmazione software) un'introduzione al Deep Learning e alle sue varie aree di specializzazione e quindi alle principali architetture di rete esistenti Oggi. Se le basi matematiche vengono richiamate durante il corso, si consiglia un livello di matematica di tipo BAC + 2 per un maggiore comfort. È assolutamente possibile saltare l'asse matematico per mantenere solo una visione di "sistema", ma questo approccio limiterà enormemente la comprensione della materia.
Metodo di insegnamento: presentazione, scambi e casi studio
L'intelligenza artificiale, dopo aver sconvolto molti campi scientifici, ha iniziato a rivoluzionare un gran numero di settori economici (industria, medicina, comunicazione, ecc.). Tuttavia, la sua presentazione nei grandi media è spesso fantasy, molto lontana da quelle che sono veramente le aree di Machine Learning o Deep Learning . Lo scopo di questa formazione è fornire agli ingegneri che hanno già una padronanza degli strumenti informatici (inclusa una base di programmazione software) un'introduzione al Deep Learning e alle sue varie aree di specializzazione e quindi alle principali architetture di rete esistenti Oggi. Se le basi matematiche vengono richiamate durante il corso, si consiglia un livello di matematica di tipo BAC + 2 per un maggiore comfort. È assolutamente possibile saltare l'asse matematico per mantenere solo una visione di "sistema", ma questo approccio limiterà enormemente la comprensione della materia.
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.
21 hours
Overview
Questo corso dal vivo con istruttore offre un'introduzione al campo del riconoscimento dei modelli e dell'apprendimento automatico. Si occupa di applicazioni pratiche in statistica, informatica, elaborazione dei segnali, visione artificiale, data mining e bioinformatica.
Il corso è interattivo e comprende numerosi esercizi pratici, feedback degli istruttori e test delle conoscenze e delle abilità acquisite.
Il corso è interattivo e comprende numerosi esercizi pratici, feedback degli istruttori e test delle conoscenze e delle abilità acquisite.
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 .
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.
35 hours
Overview
Questo corso è stato creato per le persone che non hanno precedenti esperienze in probabilità e statistiche .
21 hours
Overview
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.
21 hours
Overview
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.
14 hours
Overview
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.
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.
14 hours
Overview
Questo corso è un'introduzione all'applicazione delle reti neurali nei problemi del mondo reale utilizzando il software del progetto R.
14 hours
Overview
This instructor-led, live training in Italia (online or onsite) is aimed at data scientists who wish to use Python to build recommender systems.
By the end of this training, participants will be able to:
- Create recommender systems at scale.
- Apply collaborative filtering to build recommender systems.
- Use Apache Spark to compute recommender systems on clusters.
- Build a framework to test recommendation algorithms with Python.
By the end of this training, participants will be able to:
- Create recommender systems at scale.
- Apply collaborative filtering to build recommender systems.
- Use Apache Spark to compute recommender systems on clusters.
- Build a framework to test recommendation algorithms with Python.
Prossimi corsi Neural Networks
2021-05-17 09:30:00
21 ore
2021-06-07 09:30:00
28 ore
2021-06-14 09:30:00
35 ore
2021-06-16 09:30:00
14 ore
2021-06-22 09:30:00
28 ore
Other countries
Consulting
Fine settimana Neural Networks corsi, Sera Neural Networks training, Neural Networks centro di addestramento, Neural Networks con istruttore, Fine settimana Neural Networks training, Sera Neural Networks corsi, Neural Networks coaching, Neural Networks istruttore, Neural Networks trainer, Neural Networks corsi di formazione, Neural Networks classi, Neural Networks in loco, Neural Networks corsi privati, Neural Networks training individuale
.png "new york stock exchange (nyse)")
.jpg "european molecular biology laboratory (embl)")
.png "european space agency (esa)")
