Explore Our Courses

Edge AI with TensorFlow Lite

 14 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på mellomnivå, dataforskere og AI-utøvere som ønsker å utnytte TensorFlow Lite for Edge AI-applikasjoner. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå det grunnleggende om TensorFlow Lite og dens rolle i Edge AI.
  • Utvikle og optimalisere AI-modeller ved å bruke TensorFlow Lite.
  • Distribuer TensorFlow Lite-modeller på ulike edge-enheter.
  • Bruk verktøy og teknikker for modellkonvertering og -optimalisering.
  • Implementer praktiske Edge AI-applikasjoner ved å bruke TensorFlow Lite.
Read more...

Deep Learning for NLU: Beyond NLP Models

 21 timer
Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot profesjonelle på avansert nivå som ønsker å spesialisere seg i banebrytende dyplæringsteknikker for NLU. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå de viktigste forskjellene mellom NLU- og NLP-modeller.
  • Bruk avanserte dyplæringsteknikker på NLU-oppgaver.
  • Utforsk dype arkitekturer som transformatorer og oppmerksomhetsmekanismer.
  • Utnytt fremtidige trender i NLU for å bygge sofistikerte AI-systemer.
Read more...

AI-Driven Drug Discovery and Development

 21 timer
Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot profesjonelle på avansert nivå som ønsker å utnytte AI-teknikker for å revolusjonere legemiddeloppdagelse og -utviklingsprosesser. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå rollen til AI i legemiddeloppdagelse og utvikling.
  • Bruk maskinlæringsteknikker for å forutsi molekylære egenskaper og interaksjoner.
  • Bruk dyplæringsmodeller for virtuell screening og leadoptimalisering.
  • Integrer AI-drevne tilnærminger i den kliniske prøveprosessen.
Read more...

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

 21 timer
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 sine kunnskaper og ferdigheter 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
Read more...

DeepSpeed for Deep Learning

 21 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot nybegynnere til middels dataforskere og maskinlæringsingeniører som ønsker å forbedre ytelsen til sine dyplæringsmodeller. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå prinsippene for distribuert dyp læring.
  • Installer og konfigurer DeepSpeed.
  • Skaler dyplæringsmodeller på distribuert maskinvare ved hjelp av DeepSpeed.
  • Implementer og eksperimenter med DeepSpeed-funksjoner for optimalisering og minneeffektivitet.
Read more...

Introduction to Large Language Models (LLMs)

 14 timer
Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å bruke store språkmodeller for ulike naturlige språkoppgaver. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp et utviklingsmiljø som inkluderer en populær LLM.
  • Lag en grunnleggende LLM og finjuster den på et tilpasset datasett.
  • Bruk LLM-er for ulike naturlige språkoppgaver som tekstoppsummering, svar på spørsmål, tekstgenerering og mer.
  • Feilsøk og evaluer LLM-er ved å bruke verktøy som TensorBoard, PyTorch Lightning og Hugging Face Datasett.
Read more...

Introduction to Stable Diffusion for Text-to-Image Generation

 21 timer
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.
Read more...

AlphaFold

 7 timer
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.
Read more...

Advanced Machine Learning with Python

 21 timer
I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære de mest relevante og banebrytende maskinlæringsteknikkene i Python mens de bygger en serie demoapplikasjoner som involverer bilde, musikk, tekst og økonomiske data. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Implementer maskinlæringsalgoritmer og teknikker for å løse komplekse problemer.
  • Bruk dyp læring og semi-veiledet læring på applikasjoner som involverer bilder, musikk, tekst og økonomiske data.
  • Skyv Python algoritmer til deres maksimale potensial.
  • Bruk biblioteker og pakker som NumPy og Theano.
Read more...

Deep Reinforcement Learning with Python

 21 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere og dataforskere som ønsker å lære det grunnleggende om Deep Reinforcement Learning mens de går gjennom opprettelsen av en Deep Learning Agent. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå nøkkelbegrepene bak Deep Reinforcement Learning og være i stand til å skille det fra Machine Learning.
  • Bruk avanserte Reinforcement Learning algoritmer for å løse problemer i den virkelige verden.
  • Bygg en Deep Learning Agent.
Read more...

Deep Learning for Telecom (with Python)

 28 timer
I denne instruktørledede, direkteopplæringen i Norge vil deltakerne lære hvordan de implementerer dyplæringsmodeller for telekom ved å bruke Python mens de går gjennom opprettelsen av en kredittrisikomodell for dyp læring. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå de grunnleggende konseptene for dyp læring.
  • Lær applikasjonene og bruken av dyp læring i telekom.
  • Bruk Python, Keras og TensorFlow for å lage dyplæringsmodeller for telekom.
  • Bygg sin egen dyplæringsmodell for kundeavgang-prediksjon ved å bruke Python.
Read more...

Artificial Intelligence (AI) in Automotive

 14 timer
Dette kurset dekker AI (emphasizing Machine Learning og Deep Learning) i Automotive Industri. Det bidrar til å bestemme hvilken teknologi som kan (potentielt) brukes i flere situasjoner i en bil: fra enkel automatisering, bildeoppdagelse til selvstendig beslutningstaking.
Read more...

Artificial Neural Networks, Machine Learning and Deep Thinking

 21 timer
Artificial Neural Network er en beregningsmessig datamodell som brukes i utviklingen av Artificial Intelligence (AI) systemer som er i stand til å utføre "intelligente" oppgaver. Neural Networks brukes ofte i Machine Learning (ML) applikasjoner, som i seg selv er en implementering av AI. Deep Learning er en undergruppe av ML.
Read more...

Deep Learning for Vision with Caffe

 21 timer
Caffe er en dyp læringsramme laget med uttrykk, hastighet og modularitet i tankene. Dette kurset utforsker anvendelsen av Caffe som en Deep læringsramme for bildegjenkjenning ved bruk av MNIST som eksempel Publikum Dette kurset passer for Deep Learning forskere og ingeniører som er interessert i å bruke Caffe som rammeverk. Etter fullført kurs vil delegatene kunne:
  • forstå Caffe sin struktur og distribusjonsmekanismer
  • utføre installasjons- / produksjonsmiljø / arkitekturoppgaver og konfigurasjon
  • vurdere kodekvalitet, utfør feilsøking, overvåking
  • implementere avansert produksjon som treningsmodeller, implementere lag og logging
Read more...

Introduction to Deep Learning

 21 timer
Dette kurset er en generell oversikt for Deep Learning uten å gå for dypt inn i noen spesifikke metoder. Den passer for folk som ønsker å begynne å bruke dyp læring for å forbedre prediksjonsnøyaktigheten.
Read more...

DeepMind Lab

 14 timer
Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot forskere og utviklere som ønsker å installere, sette opp, tilpasse og bruke DeepMind Lab-plattformen til å utvikle generell kunstig intelligens og maskinlæringssystemer. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Tilpass DeepMind Lab for å bygge og drive et miljø som passer lærings- og opplæringsbehov.
  • Bruk DeepMind Lab sitt 3D-simuleringsmiljø til å trene læringsagenter i et førstepersonssynspunkt.
  • Tilrettelegg for evaluering av agenter for å utvikle intelligens i en 3D-spilllignende verden.
Read more...

Advanced Deep Learning

 28 timer
Maskinlæring er en gren av kunstig intelligens der datamaskiner har evnen til å lære uten å være eksplisitt programmert. Deep learning er et underfelt av maskinlæring som bruker metoder basert på læringsdatarepresentasjoner og strukturer som nevrale nettverk.
Read more...

Deep Learning AI Techniques for Executives, Developers and Managers

 21 timer
Introduksjon : Dyplæring er i ferd med å bli en hovedkomponent i fremtidig produktdesign som ønsker å inkorporere kunstig intelligens i hjertet av modellene deres. I løpet av de neste 5 til 10 årene vil utviklingsverktøy for dyp læring , biblioteker og språk bli standardkomponenter i hvert verktøysett for programvareutvikling. Så langt Google, Sales Force, Facebook, har Amazon med suksess brukt dyp læring AI for å øke virksomheten deres. Applikasjoner varierte fra automatisk maskinoversettelse, bildeanalyse, videoanalyse, bevegelsesanalyse, generering av målrettet reklame og mange flere. Dette kurset er rettet mot de organisasjonene som ønsker å innlemme Deep Learning som en svært viktig del av deres produkt- eller tjenestestrategi. Nedenfor er oversikten over dyplæringskurset som vi kan tilpasse for ulike nivåer av ansatte/interessenter i en organisasjon. Målgruppe: (Avhengig av målgruppen vil kursmateriell tilpasses) Ledere En generell oversikt over AI og hvordan det passer inn i bedriftens strategi, med breakout-økter om strategisk planlegging, teknologiveikart og ressursallokering for å sikre maksimal verdi. Prosjektledere Hvordan planlegge et AI-prosjekt, inkludert datainnsamling og -evaluering, dataopprydding og verifisering, utvikling av en proof-of-concept-modell, integrasjon i forretningsprosesser og levering på tvers av organisasjonen. Utviklere Dybde teknisk opplæring, med fokus på nevrale nettverk og dyp læring, bilde- og videoanalyse (CNN), lyd- og tekstanalyse (NLP), og å bringe AI inn i eksisterende applikasjoner. Selgere En generell oversikt over AI og hvordan den kan tilfredsstille kundenes behov, verdiforslag for ulike produkter og tjenester, og hvordan du kan dempe frykt og fremme fordelene med AI.
Read more...

Deep Learning for Business

 14 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot forretningsanalytikere, dataforskere og utviklere som ønsker å bygge og implementere dyplæringsmodeller for å akselerere inntektsvekst og løse problemer i næringslivet. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå kjernebegrepene maskinlæring og dyp læring.
  • Få innsikt i fremtiden til næringslivet med ML og DL.
  • Definer forretningsstrategier og løsninger med dyp læring.
  • Lær hvordan du bruker datavitenskap og dyp læring for å løse forretningsproblemer.
  • Bygg dyplæringsmodeller ved å bruke Python, Pandas, TensorFlow, CNTK, Torch, Keras osv.
Read more...

Deep Learning for Finance (with R)

 28 timer
Læring av maskiner er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. Dyp læring er et underfelt av maskinlæring som bruker metoder basert på læringsdatapresentasjoner og strukturer som nevrale nettverk. R er et populært programmeringsspråk i finansnæringen. Det brukes i økonomiske applikasjoner som spenner fra kjernehandelsprogrammer til risikostyringssystemer. I denne instruktørledede, liveopplæringen, vil deltakerne lære å implementere dype læringsmodeller for økonomi ved å bruke R når de går gjennom opprettelsen av en dyp læringsprediksjonsmodell. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå de grunnleggende konseptene for dyp læring
  • Lær bruksområdene og bruken av dyp læring innen økonomi
  • Bruk R til å lage dype læringsmodeller for økonomi
  • Bygge sin egen dype læringsmodell for prediksjon ved bruk av R
Publikum
  • Utviklere
  • Data forskere
Kursets format
  • Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
Read more...

Deep Learning for Banking (with Python)

 28 timer
Maskinlæring er en gren av kunstig intelligens der datamaskiner har evnen til å lære uten å være eksplisitt programmert. Deep learning er et underfelt av maskinlæring som bruker metoder basert på læringsdatarepresentasjoner og strukturer som nevrale nettverk. Python er et programmeringsspråk på høyt nivå kjent for sin klare syntaks og kodelesbarhet. I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de implementerer dyplæringsmodeller for banktjenester ved å bruke Python mens de går gjennom etableringen av en kredittrisikomodell for dyp læring. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå de grunnleggende konseptene for dyp læring
  • Lær applikasjonene og bruken av dyp læring i bankvirksomhet
  • Bruk Python, Keras og TensorFlow for å lage dyplæringsmodeller for banktjenester
  • Bygg sin egen kredittrisikomodell for dyp læring ved å bruke Python
Publikum
  • Utviklere
  • Dataforskere
Format på kurset
  • Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Read more...

Deep Learning for Banking (with R)

 28 timer
Læring av maskiner er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. Dyp læring er et underfelt av maskinlæring som bruker metoder basert på læringsdatapresentasjoner og strukturer som nevrale nettverk. R er et populært programmeringsspråk i finansnæringen. Det brukes i økonomiske applikasjoner som spenner fra kjernehandelsprogrammer til risikostyringssystemer. I denne instruktørledede, liveopplæringen, vil deltakerne lære å implementere dype læringsmodeller for bankbruk ved å bruke R når de går gjennom opprettelsen av en dyp læringsrisikomodell. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå de grunnleggende konseptene for dyp læring
  • Lær applikasjonene og bruken av dyp læring i bank
  • Bruk R til å lage dype læringsmodeller for bank
  • Bygg deres egen kredittrisikomodell med dyp læring ved å bruke R
Publikum
  • Utviklere
  • Data forskere
Kursets format
  • Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
Read more...

Deep Learning for Finance (with Python)

 28 timer
Maskinlæring er en gren av kunstig intelligens der datamaskiner har evnen til å lære uten å være eksplisitt programmert. Deep learning er et underfelt av maskinlæring som bruker metoder basert på læringsdatarepresentasjoner og strukturer som nevrale nettverk. Python er et programmeringsspråk på høyt nivå kjent for sin klare syntaks og kodelesbarhet. I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de implementerer dyplæringsmodeller for finans ved å bruke Python mens de går gjennom etableringen av en aksjekursprediksjonsmodell for dyp læring. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå de grunnleggende konseptene for dyp læring
  • Lær applikasjonene og bruken av dyp læring i finans
  • Bruk Python, Keras og TensorFlow for å lage dyplæringsmodeller for økonomi
  • Bygg sin egen dyplæringsmodell for aksjekursprediksjon ved å bruke Python
Publikum
  • Utviklere
  • Dataforskere
Format på kurset
  • Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Read more...

Deep Learning for Medicine

 14 timer
Machine Learning er en gren av kunstig intelligens der datamaskiner har evnen til å lære uten å være eksplisitt programmert. Deep Learning er et underfelt av Machine Learning som forsøker å etterligne hvordan den menneskelige hjernen fungerer når de tar beslutninger. Den er trent med data for automatisk å gi løsninger på problemer. Deep Learning gir enorme muligheter for medisinsk industri som sitter på en datagullgruve. I denne instruktørledede, direkteopplæringen vil deltakerne ta del i en serie diskusjoner, øvelser og case-studieanalyser for å forstå det grunnleggende ved Deep Learning. De viktigste Deep Learning verktøyene og teknikkene vil bli evaluert og øvelser vil bli gjennomført for å forberede deltakerne til å gjennomføre sin egen evaluering og implementering av Deep Learning løsninger i deres organisasjoner. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå det grunnleggende i Deep Learning
  • Lær Deep Learning teknikker og deres anvendelser i industrien
  • Undersøk problemer innen medisin som kan løses med Deep Learning teknologier
  • Utforsk Deep Learning kasusstudier i medisin
  • Formuler en strategi for å ta i bruk de nyeste teknologiene i Deep Learning for å løse problemer innen medisin
Publikum
  • Ledere
  • Medisinske fagpersoner i lederroller
Format på kurset
  • Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Note
  • For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
Read more...

Deep Learning for Healthcare

 14 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere og dataforskere som ønsker å bruke konvolusjonelle nevrale nettverk (CNN) til analyse av MR-skanninger. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Installer og konfigurer nødvendig utviklingsmiljø, programvare og biblioteker for å begynne utviklingen.
  • Analyser MR-bilder ved hjelp av dyplæringsteknikker som CNN.
  • Oppdag potensielle helsetilstander som hjertesykdom gjennom MR-skanningsanalyse.
  • Bruk teknikker som bildesegmentering og CNN-trening for å identifisere potensiell sykdom.
  • Identifisere genomikken til en sykdom ved hjelp av radiomikalier.
  • Bygg og distribuer en dyplæringsapplikasjon rettet mot bildeanalyse i helsevesenet.
Read more...

Deep Learning for Vision

 21 timer
Publikum Dette kurset passer for Deep Learning forskere og ingeniører som er interessert i å bruke tilgjengelige verktøy (for det meste open source) for å analysere datamaskinbilder Dette kurset gir eksempler på arbeid.
Read more...

Introduction Deep Learning & Réseaux de neurones pour l’ingénieur

 21 timer
Type: Teoretisk opplæring med forhåndsbestemte søknader med studentene på Lasagne eller Keras i henhold til utdanningsgruppen Undervisningsform: presentasjon, diskusjoner og casestudier Kunstig intelligens, etter å ha forstyrret mange vitenskapelige felt, har begynt å revolusjonere et stort antall økonomiske sektorer (industri, medisin, kommunikasjon, etc.). Imidlertid er presentasjonen i mainstream media ofte en fantasi, veldig langt fra hva domenene til Machine Learning eller Deep Learning egentlig er. Formålet med denne opplæringen er å gi ingeniører som allerede mestrer IT-verktøy (inkludert en grunnleggende programvareprogrammering) en introduksjon til Deep Learning så vel som til de forskjellige spesialområdene og derfor til de viktigste nettverksarkitekturene som eksisterer i dag. Hvis det matematiske grunnleggende dekkes i løpet av kurset, anbefales et BAC+2-nivå i matematikk for større komfort. Det er absolutt mulig å ignorere den matematiske aksen og bare beholde en "system" visjon, men denne tilnærmingen vil enormt begrense din forståelse av emnet.
Read more...

Matlab for Deep Learning

 14 timer
I denne instruktørledede liveopplæringen vil deltakerne lære hvordan de bruker Matlab til å designe, bygge og visualisere et innviklet nevralt nettverk for bildegjenkjenning. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Bygge en dyp læringsmodell
  • Automatiser datamerking
  • Arbeid med modeller fra Caffe og TensorFlow - Keras
  • Tren data ved å bruke flere GPU er, skyen eller klyngene
Publikum
  • Utviklere
  • ingeniører
  • Domeneeksperter
Kursets format
  • Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
Read more...

Machine Learning and Deep Learning

 21 timer
Dette kurset dekker AI (med vekt på Machine Learning og Deep Learning)
Read more...

Neural computing – Data science

 14 timer
Denne klasseromsbaserte treningsøkten vil inneholde presentasjoner og datamaskinbaserte eksempler og casestudieøvelser å gjennomføre med relevante nevrale og dype nettverksbiblioteker
Read more...

Python and Deep Learning with OpenCV 4

 14 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot programvareingeniører som ønsker å programmere i Python med OpenCV 4 for dyp læring. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Se, last inn og klassifiser bilder og videoer ved å bruke OpenCV 4.
  • Implementer dyp læring i OpenCV 4 med TensorFlow og Keras.
  • Kjør dyplæringsmodeller og generer effektive rapporter fra bilder og videoer.
Read more...

OpenFace: Creating Facial Recognition Systems

 14 timer
OpenFace er Python og Torch basert åpen kildekode, sanntids ansiktsgjenkjenningsprogramvare basert på Googles FaceNet-forskning. I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de bruker OpenFaces komponenter til å lage og distribuere en prøveapplikasjon for ansiktsgjenkjenning. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Arbeid med OpenFaces komponenter, inkludert dlib, OpenVC, Torch og nn4 for å implementere ansiktsgjenkjenning, justering og transformasjon
  • Bruk OpenFace på applikasjoner fra den virkelige verden som overvåking, identitetsverifisering, virtuell virkelighet, spill og identifisering av gjentakende kunder, etc.
Publikum
  • Utviklere
  • Dataforskere
Format på kurset
  • Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Read more...

OpenNMT: Setting Up a Neural Machine Translation System

 7 timer
I denne instruktørledede, OpenNMT , vil deltakerne lære å sette opp og bruke OpenNMT til å utføre oversettelse av forskjellige eksempler av datasett. Kurset starter med en oversikt over nevrale nettverk slik de gjelder for maskinoversettelse. Deltakerne vil gjennomføre liveøvelser gjennom hele kurset for å demonstrere sin forståelse av konseptene som er lært og få tilbakemeldinger fra instruktøren. Ved slutten av denne opplæringen vil deltakerne ha kunnskap og praksis som trengs for å implementere en live OpenNMT løsning. Kildespråk og målspråkprøver blir forhåndsarrangert i henhold til publikums krav. Kursets format
  • Delforedrag, deldiskusjon, tung praktisk praksis
Read more...

PaddlePaddle

 21 timer
PaddlePaddle (Parallel Distributed Deep LEarning) er en skalerbar dyp læringsplattform utviklet av Baidu. I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de bruker PaddlePaddle for å muliggjøre dyp læring i produkt- og tjenesteapplikasjonene deres. Ved slutten av denne opplæringen vil deltakerne kunne:
    Konfigurer og konfigurer PaddlePaddle Konfigurer et konvolusjonelt nevralt nettverk (CNN) for bildegjenkjenning og objektdeteksjon Konfigurer et tilbakevendende nevralt nettverk (RNN) for sentimentanalyse Konfigurer dyp læring på anbefalingssystemer for å hjelpe brukere med å finne svar Forutsi gjennomklikk rates (CTR), klassifisere store bildesett, utføre optisk tegngjenkjenning (OCR), rangere søk, oppdage datavirus og implementere et anbefalingssystem.
Publikum
    Utviklere Dataforskere
Format på kurset
    Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Read more...

Advanced Machine Learning with R

 21 timer
I denne instruktørledede, live-opplæringen vil deltakerne lære avanserte teknikker for Machine Learning med R mens de går gjennom opprettelsen av en virkelig applikasjon. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå og implementere uovervåket læringsteknikker
  • Bruk klynging og klassifisering for å lage spådommer basert på data fra den virkelige verden.
  • Visualiser data for raskt å få innsikt, ta beslutninger og avgrense analysen ytterligere.
  • Forbedre ytelsen til en maskinlæringsmodell ved å bruke hyperparameterinnstilling.
  • Sett en modell i produksjon for bruk i en større applikasjon.
  • Bruk avanserte maskinlæringsteknikker for å svare på spørsmål som involverer sosiale nettverksdata, big data og mer.
Read more...

Hardware-Accelerated Video Analytics

 14 timer
Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bygge maskinvareakselererte objektdeteksjons- og sporingsmodeller for å analysere streaming videodata. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Installer og konfigurer nødvendig utviklingsmiljø, programvare og biblioteker for å begynne utviklingen.
  • Bygg, tren og distribuer dyplæringsmodeller for å analysere live videofeeder.
  • Identifiser, spor, segmenter og forutsi forskjellige objekter innenfor videorammer.
  • Optimaliser objektdeteksjons- og sporingsmodeller.
  • Implementer en intelligent videoanalyse-applikasjon (IVA).
Read more...

TensorFlow Lite for Embedded Linux

 21 timer
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.
Read more...

TensorFlow Lite for Android

 21 timer
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.
Read more...

TensorFlow Lite for iOS

 21 timer
Denne instruktørledede, live-opplæringen i (online eller på stedet) er rettet mot utviklere som ønsker å bruke TensorFlow Lite til å utvikle iOS-mobilapplikasjoner med dyplæringsevner. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Installer og konfigurer TensorFlow Lite.
  • Forstå prinsippene bak TensorFlow og maskinlæring på mobile enheter.
  • Last TensorFlow-modeller på en iOS-enhet.
  • Kjør en iOS-applikasjon som er i stand til å oppdage og klassifisere et objekt fanget gjennom enhetens kamera.
Read more...

Tensorflow Lite for Microcontrollers

 21 timer
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.
Read more...

Deep Learning Neural Networks with Chainer

 14 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot forskere og utviklere som ønsker å bruke Chainer til å bygge og trene nevrale nettverk i Python samtidig som koden er enkel å feilsøke. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp det nødvendige utviklingsmiljøet for å begynne å utvikle nevrale nettverksmodeller.
  • Definer og implementer nevrale nettverksmodeller ved å bruke en forståelig kildekode.
  • Utfør eksempler og modifiser eksisterende algoritmer for å optimalisere treningsmodeller for dyp læring mens du utnytter GPUer for høy ytelse.
Read more...

Distributed Deep Learning with Horovod

 7 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere eller dataforskere som ønsker å bruke Horovod til å kjøre distribuert dyplæringstrening og skalere den opp til å kjøre på tvers av flere GPU-er parallelt . Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp det nødvendige utviklingsmiljøet for å begynne å kjøre dyplæringstreninger.
  • Installer og konfigurer Horovod for å trene modeller med TensorFlow, Keras, PyTorch og Apache MXNet.
  • Skaler dyplæringstrening med Horovod for å kjøre på flere GPUs.
Read more...

Accelerating Deep Learning with FPGA and OpenVINO

 35 timer
Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot dataforskere som ønsker å akselerere sanntids maskinlæringsapplikasjoner og distribuere dem i stor skala. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Installer verktøysettet OpenVINO.
  • Akselerer en datasynsapplikasjon ved hjelp av en FPGA.
  • Utfør forskjellige CNN-lag på FPGA.
  • Skaler applikasjonen over flere noder i en Kubernetes-klynge.
Read more...

Building Deep Learning Models with Apache MXNet

 21 timer
Denne instruktørledede, live-opplæringen i (online eller på stedet) er rettet mot dataforskere som ønsker å bruke Apache MXNet-er for å bygge og distribuere en dyp læringsmodell for bildegjenkjenning. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Installer og konfigurer Apache MXNet og dens komponenter.
  • Forstå MXNets arkitektur og datastrukturer.
  • Bruk Apache MXNets lavnivå- og høynivå-API-er for å effektivt bygge nevrale nettverk.
  • Bygg et konvolusjonelt nevralt nettverk for bildeklassifisering.
Read more...

Deep Learning with Keras

 21 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot tekniske personer som ønsker å bruke dyp læringsmodell på bildegjenkjenningsapplikasjoner. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Installer og konfigurer Keras.
  • Rask prototyper av dyplæringsmodeller.
  • Implementer et konvolusjonelt nettverk.
  • Implementer et tilbakevendende nettverk.
  • Utfør en dyp læringsmodell på både en CPU og GPU.
Read more...

Advanced Deep Learning with Keras and Python

 14 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot programvareingeniører som ønsker å utvikle avanserte dyplæringsnevrale nettverk og modeller ved å bruke Keras og Python. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Bruk dyp læring med veiledet eller uovervåket læringsmetoder.
  • Utvikle, trene og implementere samtidige nevrale nettverk og tilbakevendende nevrale nettverk.
  • Bruk Keras og Python til å bygge dyplæringsmodeller for å løse problemer som involverer bilder, tekst, lyd og mer.
Read more...

Deep Learning for Self Driving Cars

 21 timer
Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bygge en selvkjørende bil ved hjelp av dyplæringsteknikker. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Bruk Keras til å bygge og trene et konvolusjonelt nevralt nettverk.
  • Bruk datasynsteknikker for å identifisere kjørefelt i et selvkjørende prosjekt.
  • Tren en dyp læringsmodell for å skille trafikkskilt.
  • Simuler en helt autonom bil.
Read more...

Torch for Machine and Deep Learning

 21 timer
Torch er et maskinlæringsbibliotek med åpen kildekode og et vitenskapelig databehandlingsrammeverk basert på Lua programmeringsspråket. Det gir et utviklingsmiljø for numerikk, maskinlæring og datasyn, med spesiell vekt på dyp læring og konvolusjonelle nett. Det er et av de raskeste og mest fleksible rammeverkene for Machine og Deep Learning og brukes av selskaper som Facebook, Google, Twitter, NVIDIA, AMD, Intel og mange andre. I denne instruktørledede, direkteopplæringen dekker vi prinsippene for Torch, dens unike egenskaper og hvordan den kan brukes i virkelige applikasjoner. Vi går gjennom en rekke praktiske øvelser hele veien, og demonstrerer og praktiserer konseptene vi har lært. Ved slutten av kurset vil deltakerne ha en grundig forståelse av Torchs underliggende funksjoner og muligheter, samt dens rolle og bidrag innenfor AI-rommet sammenlignet med andre rammeverk og biblioteker. Deltakerne vil også ha fått nødvendig praksis for å implementere Torch i egne prosjekter. Kursets format
  • Oversikt over Maskin og Deep Learning
  • Koding- og integrasjonsøvelser i klassen
  • Testspørsmål drysset underveis for å sjekke forståelse
Read more...

Mastering Apache SINGA

 21 timer
SINGA er en generell distribuert dyplæringsplattform for opplæring av store dyplæringsmodeller over store datasett. Den er designet med en intuitiv programmeringsmodell basert på lagabstraksjonen. En rekke populære dyplæringsmodeller støttes, nemlig feed-forward-modeller inkludert konvolusjonelle nevrale nettverk (CNN), energimodeller som begrenset Boltzmann-maskin (RBM) og tilbakevendende nevrale nettverk (RNN). Mange innebygde lag er tilgjengelig for brukere. SINGA-arkitekturen er tilstrekkelig fleksibel til å kjøre synkrone, asynkrone og hybride treningsrammer. SINGA støtter også forskjellige nevrale nettpartisjoneringsordninger for å parallellisere opplæringen av store modeller, nemlig partisjonering på batchdimensjon, funksjonsdimensjon eller hybridpartisjonering. Publikum Dette kurset er rettet mot forskere, ingeniører og utviklere som ønsker å bruke Apache SINGA som et rammeverk for dyp læring. Etter å ha fullført dette kurset vil delegatene:
  • forstå SINGAs struktur og distribusjonsmekanismer
  • kunne utføre installasjon/produksjonsmiljø/arkitekturoppgaver og konfigurasjon
  • kunne vurdere kodekvalitet, utføre feilsøking, overvåking
  • kunne implementere avansert produksjon som treningsmodeller, innebygging av termer, bygge grafer og logging
Read more...

Mastering Deeplearning4j

 21 timer
Deeplearning4j er det første kommersielle, åpen kildekode, distribuerte dyplæringsbiblioteket skrevet for Java og Scala. Integrert med Hadoop og Spark, er DL4J designet for å brukes i forretningsmiljøer på distribuerte GPU-er og CPUer. Publikum Dette kurset er rettet mot ingeniører og utviklere som ønsker å bruke Deeplearning4j i sine prosjekter. Etter dette kurset vil delegatene kunne:
Read more...

NLP with Deeplearning4j

 14 timer
Deeplearning4j er et åpen kildekode, distribuert dyplæringsbibliotek skrevet for Java og Scala. Integrert med Hadoop og Spark, er DL4J designet for å brukes i forretningsmiljøer på distribuerte GPU-er og CPUer. Word2Vec er en metode for å beregne vektorrepresentasjoner av ord introdusert av et team av forskere ved Google ledet av Tomas Mikolov. Publikum Dette kurset er rettet mot forskere, ingeniører og utviklere som ønsker å bruke Deeplearning4J til å konstruere Word2Vec-modeller.
Read more...

Last Updated:

Testimonials(16)

Hunter er fabelaktig, veldig engasjerende, ekstremt kunnskapsrik og omgjengelig. Veldig bra gjort.

Rick Johnson - Laramie County Community College

Kurs - Artificial Intelligence (AI) Overview

Machine Translated

The clarity with which it was presented

John McLemore - Motorola Solutions

Kurs - Deep Learning for Telecom (with Python)

The trainer explained the content well and was engaging throughout. He stopped to ask questions and let us come to our own solutions in some practical sessions. He also tailored the course well for our needs.

Robert Baker

Kurs - Deep Learning with TensorFlow 2.0

Tomasz really know the information well and the course was well paced.

Raju Krishnamurthy - Google

Kurs - TensorFlow Extended (TFX)

Organization, adhering to the proposed agenda, the trainer's vast knowledge in this subject

Ali Kattan - TWPI

Kurs - Natural Language Processing with TensorFlow

The trainer was a professional in the subject field and related theory with application excellently

Fahad Malalla - Tatweer Petroleum

Kurs - Applied AI from Scratch in Python

In-depth coverage of machine learning topics, particularly neural networks. Demystified a lot of the topic.

Sacha Nandlall

Kurs - Python for Advanced Machine Learning

Very flexible.

Frank Ueltzhöffer

Kurs - Artificial Neural Networks, Machine Learning and Deep Thinking

Very updated approach or CPI (tensor flow, era, learn) to do machine learning.

Paul Lee

Kurs - TensorFlow for Image Recognition

I liked the new insights in deep machine learning.

Josip Arneric

Kurs - Neural Network in R

We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.

Sebastiaan Holman

Kurs - Machine Learning and Deep Learning

I really appreciated the crystal clear answers of Chris to our questions.

Léo Dubus

Kurs - Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple

The global overview of deep learning.

Bruno Charbonnier

Kurs - Advanced Deep Learning

The topic is very interesting.

Wojciech Baranowski

Kurs - Introduction to Deep Learning

Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.

Gudrun Bickelq

Kurs - Introduction to the use of neural networks

It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.

Jonathan Blease

Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking

Upcoming Courses

Other regions in Norge

Other Countries

These courses are also available in other countries

Rådgivning

Deep Learning Rådgivning
Helg Deep Learning kurs, kveld DL (Deep Learning) trening, Deep Learning boot camp, Deep Learning instruktørledet, Helg DL (Deep Learning) trening, Kveld Deep Learning kurs, DL (Deep Learning) coaching, Deep Learning (DL) instruktør, DL (Deep Learning) trener, Deep Learning (DL) kurs, Deep Learning klasser, Deep Learning (DL) on-site, DL (Deep Learning) private kurs, Deep Learning tomannshånd trening