Practical Quantum Computing Treningskurs

I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære det grunnleggende om kvanteberegning og Q# når de går gjennom utviklingen av enkle kvanteprogrammer.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Microsofts Quantum Development Kit.
• Forstå konseptene bak kvanteberegning.
• Bygg, test, utfør og feilsøk et kvanteprogram ved hjelp av Q#, Visual Studio og en lokal kvanteberegningsimulator.

I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære det grunnleggende om kvantedatabehandling når de går gjennom utviklingen av algoritmer rettet mot kvantedatamaskiner.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige utviklingsmiljøet for å begynne å lage kvantekretser.
• Kontroller portatferd ved hjelp av portens opprinnelige motstykke.
• Forbedre quibit-unøyaktigheter ved å bruke Cirq.
• Skriv og utfør en kvantekrets for å kjøre mot en NISQ-basert kvantedatasimulator.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å lære og bygge sine karrierer innen datavitenskap ved å bruke Kaggle.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær om datavitenskap og maskinlæring.
• Utforsk dataanalyse.
• Lær om Kaggle og hvordan det fungerer.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å bruke Modin til å bygge og implementere parallelle beregninger med Pandas for raskere dataanalyse.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige miljøet for å begynne å utvikle Pandas arbeidsflyter i stor skala med Modin.
• Forstå funksjonene, arkitekturen og fordelene med Modin.
• Kjenn forskjellene mellom Modin, Dask og Ray.
• Utfør Pandas operasjoner raskere med Modin.
• Implementer hele Pandas API og funksjoner.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å bruke RAPIDS til å bygge GPU-akselererte datapipelines, arbeidsflyter og visualiseringer, ved å bruke maskinlæringsalgoritmer, som f.eks. XGBoost, cuML, etc.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige utviklingsmiljøet for å bygge datamodeller med NVIDIA RAPIDS.
• Forstå funksjonene, komponentene og fordelene ved RAPIDS.
• Utnytt GPUer for å akselerere ende-til-ende data- og analysepipelines.
• Implementer GPU-akselerert dataforberedelse og ETL med cuDF og Apache Arrow.
• Lær hvordan du utfører maskinlæringsoppgaver med XGBoost- og cuML-algoritmer.
• Bygg datavisualiseringer og utfør grafanalyse med cuXfilter og cuGraph.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere som ønsker å bruke Anaconda-økosystemet til å fange opp, administrere og distribuere pakker og dataanalysearbeidsflyter på én enkelt plattform.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Anaconda-komponenter og biblioteker.
• Forstå kjernekonseptene, funksjonene og fordelene med Anaconda.
• Administrer pakker, miljøer og kanaler ved hjelp av Anaconda Navigator.
• Bruk Conda-, R- og Python-pakker for datavitenskap og maskinlæring.
• Bli kjent med noen praktiske brukstilfeller og teknikker for å administrere flere datamiljøer.

H2O AutoML is an artificial intelligence platform that automates the process of building, selecting and optimizing large numbers of machine learning models.

This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use H2O AutoML to automate the process of building and selecting the best machine learning algorithm and parameters.

By the end of this training, participants will be able to:

• Automate the machine learning workflow.
• Automatically train and tune many machine learning models within a specified time range.
• Train stacked ensembles to arrive at highly predictive ensemble 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.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot maskinlæringsutøvere som ønsker å bruke Auto-sklearn til å automatisere prosessen med å velge og optimalisere en maskinlæringsmodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Automatiser prosessen med å trene opp svært effektive maskinlæringsmodeller.
• Bygg svært nøyaktige maskinlæringsmodeller mens du omgår de mer kjedelige oppgavene med å velge, trene og teste forskjellige modeller.
• Bruk kraften til maskinlæring for å løse virkelige forretningsproblemer.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere så vel som mindre tekniske personer som ønsker å bruke Auto-Keras for å automatisere prosessen med å velge og optimalisere en maskinlæringsmodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Automatiser prosessen med å trene opp svært effektive maskinlæringsmodeller.
• Søk automatisk etter de beste parametrene for dyplæringsmodeller.
• Bygg svært nøyaktige maskinlæringsmodeller.
• Bruk kraften til maskinlæring for å løse virkelige forretningsproblemer.

Denne instruktørledede, live-opplæringen i (online eller på stedet) er rettet mot dataforskere, maskinlæringsingeniører og datasynsforskere som ønsker å utnytte Stable Diffusion til å generere bilder av høy kvalitet for en rekke bruksområder.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå prinsippene for Stable Diffusion og hvordan det fungerer for bildegenerering. Bygg og tren Stable Diffusion-modeller for bildegenereringsoppgaver. Bruk Stable Diffusion på ulike scenarier for bildegenerering, for eksempel innpainting, outpainting og bilde-til-bilde-oversettelse. Optimaliser ytelsen og stabiliteten til Stable Diffusion-modeller.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot dataforskere på middels til avansert nivå, maskinlæringsingeniører, dyplæringsforskere og datasynseksperter som ønsker å utvide kunnskapen og ferdighetene sine innen dyp læring for tekst-til-bilde generering.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå avanserte dyplæringsarkitekturer og teknikker for tekst-til-bilde generering. Implementer komplekse modeller og optimaliseringer for bildesyntese av høy kvalitet. Optimaliser ytelse og skalerbarhet for store datasett og komplekse modeller. Juster hyperparametre for bedre modellytelse og generalisering. Integrer Stable Diffusion med andre dyplæringsrammer og verktøy

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot biologer som ønsker å forstå hvordan AlphaFold fungerer og bruke AlphaFold modeller som guider i sine eksperimentelle studier.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå de grunnleggende prinsippene til AlphaFold.
• Finn ut hvordan AlphaFold fungerer.
• Lær hvordan du tolker AlphaFold spådommer og resultater.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke TensorFlow Lite til å distribuere dyplæringsmodeller på innebygde enheter.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Tensorflow Lite på en innebygd enhet.
• Forstå begrepene og komponentene som ligger til grunn TensorFlow Lite.
• Konverter eksisterende modeller til TensorFlow Lite-format for kjøring på innebygde enheter.
• Arbeid innenfor begrensningene til små enheter og TensorFlow Lite, mens du lærer hvordan du utvider omfanget av operasjoner som kan kjøres.
• Implementer en dyp læringsmodell på en innebygd enhet som kjører Linux.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke TensorFlow Lite til å utvikle mobile applikasjoner med dyp læringsevne.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer TensorFlow Lite.
• Forstå prinsippene bak TensorFlow, maskinlæring og dyp læring.
• Last TensorFlow-modeller på en Android-enhet.
• Aktiver dyp læring og maskinlæringsfunksjonalitet som datasyn og naturlig språkgjenkjenning i en mobilapplikasjon.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å skrive, laste og kjøre maskinlæringsmodeller på svært små innebygde enheter.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer TensorFlow Lite.
• Last inn maskinlæringsmodeller på en innebygd enhet for å gjøre den i stand til å oppdage tale, klassifisere bilder osv.
• Legg til AI til maskinvareenheter uten å stole på nettverkstilkobling.