Online eller på stedet, instruktørledede live Neural Network-opplæringskurs demonstrerer gjennom interaktiv diskusjon og praktisk praksis hvordan man konstruerer Neurale nettverk ved å bruke en rekke for det meste åpen kildekode-verktøysett og biblioteker, samt hvordan man kan utnytte kraften til avansert maskinvare (GPUer) ) og optimaliseringsteknikker som involverer distribuert databehandling og big data. Våre Neural Network-kurs er basert på populære programmeringsspråk som Python, Java, R-språk og kraftige biblioteker, inkludert TensorFlow, Torch, Caffe, Theano og mer. Våre nevrale nettverkskurs dekker både teori og implementering ved å bruke en rekke nevrale nettverksimplementeringer som Deep Neural Networks (DNN), Convolutional Neural Networks (CNN) og Recurrent Neural Networks (RNN). Neural Network-trening er tilgjengelig som "online live training" eller "onsite live training". Online live trening (også kalt "remote live training") utføres ved hjelp av et interaktivt, eksternt skrivebord . Direkteopplæring på stedet kan gjennomføres lokalt hos kundene i Norge eller i NobleProg bedriftsopplæringssentre i Norge. NobleProg – din lokale opplæringsleverandør
Machine Translated
Testimonials
en av praksisene
JONATHAN MARIANO, si
Kurs: Artificial Intelligence (AI) for Managers
Machine Translated
Instruktørens kunnskap og ledelse av temaet
Zaira N. - JONATHAN MARIANO, si
Kurs: Artificial Intelligence (AI) for Managers
Machine Translated
det innovative fordi det er noe vi allerede opplever.
jesus isaias - JONATHAN MARIANO, si
Kurs: Artificial Intelligence (AI) for Managers
Machine Translated
Neural Networks Underkategorier
Neural Networks Kursplaner
Kursnavn
Varighet
Oversikt
Kursnavn
Varighet
Oversikt
28 timer
Dette er en 4-dagers kurs som introduserer AI og det's applikasjon ved hjelp av Python programmeringsspråket. Det er en mulighet til å ha en ekstra dag å foreta et AI-prosjekt ved fullføring av dette kurset.
21 timer
Deep Reinforcement Learning refererer til evnen til en "kunstig agent" til å lære ved prøving-og-feiling og belønning-og-straff. Et kunstig middel har som mål å etterligne et menneskes evne til å skaffe og konstruere kunnskap på egen hånd, direkte fra rå input som syn. For å realisere forsterkende læring brukes dyp læring og nevrale nettverk. Forsterkende læring er forskjellig fra maskinlæring og er ikke avhengig av veiledet og uovervåket læringstilnærminger.Denne instruktørledede, direkteopplæringen (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 kunne skille det fra Machine Learning. Bruk avanserte Reinforcement Learning algoritmer for å løse problemer i den virkelige verden. Bygg en Deep Learning agent.
- Interaktivt foredrag og diskusjon. Mye øvelser og trening. Praktisk implementering i et live-lab-miljø.
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
7 timer
Dette kurset er laget for ledere, løsningsarkitekter, innovasjonsansvarlige, CTOer, programvarearkitekter og alle som er interessert i en oversikt over anvendt kunstig intelligens og nærmeste prognose for utviklingen.
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.
35 timer
This course is created for people who have no previous experience in probability and statistics.
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.
28 timer
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 timer
Dette kurset er for folk som ønsker å bruke Machine Learning i praktiske applikasjoner. Publikum Dette kurset er for dataforskere og statistikere som har en viss kjennskap til statistikk og vet hvordan man programmerer R (eller Python eller annet valgt språk). Fokuset på dette kurset er på de praktiske aspektene ved data / modellforberedelse, utførelse, post hoc-analyse og visualisering. Hensikten er å gi praktiske applikasjoner til Machine Learning til deltakere som er interessert i å anvende metodene på jobben. Sektorspesifikke eksempler brukes for å gjøre opplæringen relevant for publikum.
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.
14 timer
Chainer is an open source framework based on Python, built for accelerating research and implementing neural network models. It provides flexible, efficient, and simplified approaches to developing deep learning algorithms.
This instructor-led, live training (online or onsite) is aimed at researchers and developers who wish to use Chainer to build and train neural networks in Python while making the code easy to debug.
By the end of this training, participants will be able to:
- Set up the necessary development environment to start developing neural network models.
- Define and implement neural network models using a comprehensible source code.
- Execute examples and modify existing algorithms to optimize deep learning training models while leveraging GPUs for high performance.
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
- To request a customized training for this course, please contact us to arrange.
21 timer
Dette instruktørledede, live kurset gir en innføring i feltet mønstergjenkjenning og maskinlæring. Den berører praktiske applikasjoner innen statistikk, informatikk, signalbehandling, datavisning, data mining og bioinformatikk. Kurset er interaktivt og inneholder mange praktiske øvelser, tilbakemelding fra instruktører og testing av kunnskap og ferdigheter.
14 timer
Encog is an open-source machine learning framework for Java and .Net.
In this instructor-led, live training, participants will learn advanced machine learning techniques for building accurate neural network predictive models.
By the end of this training, participants will be able to:
- Implement different neural networks optimization techniques to resolve underfitting and overfitting
- Understand and choose from a number of neural network architectures
- Implement supervised feed forward and feedback networks
- Developers
- Analysts
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
14 timer
Encog is an open-source machine learning framework for Java and .Net.
In this instructor-led, live training, participants will learn how to create various neural network components using ENCOG. Real-world case studies will be discussed and machine language based solutions to these problems will be explored.
By the end of this training, participants will be able to:
- Prepare data for neural networks using the normalization process
- Implement feed forward networks and propagation training methodologies
- Implement classification and regression tasks
- Model and train neural networks using Encog's GUI based workbench
- Integrate neural network support into real-world applications
- Developers
- Analysts
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
21 timer
Type: Teoretisk trening med applikasjoner bestemt oppstrøms med studentene på Lasagne eller Keras henhold til den pedagogiske gruppen Læringsform: presentasjon, utveksling og casestudier Etter å ha forstyrret mange vitenskapelige felt, begynte kunstig intelligens å revolusjonere et stort antall økonomiske sektorer (industri, medisin, kommunikasjon, etc.). Likevel er presentasjonen i store medier ofte fantasi, veldig langt fra hva som egentlig er områdene Machine Learning eller Deep Learning . Formålet med denne opplæringen er å gi ingeniører som allerede har mestring av dataverktøy (inkludert en programvareprogrammeringsbase), en introduksjon til Deep Learning og dens ulike spesialiseringsområder og derfor til de viktigste eksisterende nettverksarkitekturer. dag. Hvis de matematiske basene blir tilbakekalt i løpet av kurset, anbefales et matematikknivå av type BAC + 2 for mer komfort. Det er absolutt mulig å hoppe over den matematiske aksen for å beholde bare en "system" -visjon, men denne tilnærmingen vil begrense din forståelse av emnet enormt.
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
- Utviklere
- ingeniører
- Domeneeksperter
- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
21 timer
Mekatronikk (aka mechatronic engineering) er en kombinasjon av mekanikk, elektronikk og informatikk. Denne instruktørledede, liveopplæringen (stedet eller fjernkontrollen) er rettet mot ingeniører som ønsker å lære om anvendelsen av kunstig intelligens på mekatroniske systemer. Ved slutten av denne opplæringen vil deltakerne kunne:
- Få oversikt over kunstig intelligens, maskinlæring og beregningsintelligens.
- Forstå begrepene nevrale nettverk og forskjellige læringsmetoder.
- Velg kunstig intelligens tilnærminger effektivt for problemer i det virkelige liv.
- Implementere AI-applikasjoner i mekatronisk prosjektering.
- Interaktiv forelesning og diskusjon.
- Masse øvelser og trening.
- Praktisk implementering i et live-lab-miljø.
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
21 timer
Microsoft Cognitive Toolkit 2.x (previously CNTK) is an open-source, commercial-grade toolkit that trains deep learning algorithms to learn like the human brain. According to Microsoft, CNTK can be 5-10x faster than TensorFlow on recurrent networks, and 2 to 3 times faster than TensorFlow for image-related tasks.
In this instructor-led, live training, participants will learn how to use Microsoft Cognitive Toolkit to create, train and evaluate deep learning algorithms for use in commercial-grade AI applications involving multiple types of data such as data, speech, text, and images.
By the end of this training, participants will be able to:
- Access CNTK as a library from within a Python, C#, or C++ program
- Use CNTK as a standalone machine learning tool through its own model description language (BrainScript)
- Use the CNTK model evaluation functionality from a Java program
- Combine feed-forward DNNs, convolutional nets (CNNs), and recurrent networks (RNNs/LSTMs)
- Scale computation capacity on CPUs, GPUs and multiple machines
- Access massive datasets using existing programming languages and algorithms
- Developers
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
- If you wish to customize any part of this training, including the programming language of choice, please contact us to arrange.
7 timer
Opplæringen er rettet mot mennesker som vil lære det grunnleggende i nevrale nettverk og bruksområder.
28 timer
This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).
This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.
14 timer
This classroom based training session will contain presentations and computer based examples and case study exercises to undertake with relevant neural and deep network libraries
21 timer
PaddlePaddle (PArallel Distributed Deep LEarning) is a scalable deep learning platform developed by Baidu.
In this instructor-led, live training, participants will learn how to use PaddlePaddle to enable deep learning in their product and service applications.
By the end of this training, participants will be able to:
- Set up and configure PaddlePaddle
- Set up a Convolutional Neural Network (CNN) for image recognition and object detection
- Set up a Recurrent Neural Network (RNN) for sentiment analysis
- Set up deep learning on recommendation systems to help users find answers
- Predict click-through rates (CTR), classify large-scale image sets, perform optical character recognition(OCR), rank searches, detect computer viruses, and implement a recommendation system.
- Developers
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
14 timer
Et anbefalingssystem er en informasjon filtrering prosess som forutsi brukerens preferanser. Python kan brukes til å programmere dyp læring, maskin læring, og neural nettverk anbefalingssystemer for å hjelpe brukere oppdage nye produkter og innhold.
Denne instruktørledede, live-trening (online eller online) er rettet mot data forskere som ønsker å bruke Python til å bygge anbefalingssystemer.
Ved slutten av denne treningen vil deltakerne være i stand til å:
-
Lag anbefalingssystemer i skala.
Bruk collaborativ filtrering for å bygge anbefalingssystemer.
Bruk Apache Spark til å beregne anbefalingssystemer på kluster.
Bygg et rammeverk for å teste anbefalingsalgoritmer med Python.
-
Interaktiv forelesning og diskusjon.
Mange øvelser og praksis.
Hands-on implementering i et live-lab miljø.
-
For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å arrangere.
14 timer
Dette kurset er en introduksjon til anvendelse av nevrale nettverk i virkelige problemer ved bruk av R-prosjektprogramvare.
7 timer
Snorkel is a system for rapidly creating, modeling, and managing training data. It focuses on accelerating the development of structured or "dark" data extraction applications for domains in which large labeled training sets are not available or easy to obtain.
In this instructor-led, live training, participants will learn techniques for extracting value from unstructured data such as text, tables, figures, and images through modeling of training data with Snorkel.
By the end of this training, participants will be able to:
- Programmatically create training sets to enable the labeling of massive training sets
- Train high-quality end models by first modeling noisy training sets
- Use Snorkel to implement weak supervision techniques and apply data programming to weakly-supervised machine learning systems
- Developers
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
7 timer
The Tensor Processing Unit (TPU) is the architecture which Google has used internally for several years, and is just now becoming available for use by the general public. It includes several optimizations specifically for use in neural networks, including streamlined matrix multiplication, and 8-bit integers instead of 16-bit in order to return appropriate levels of precision.
In this instructor-led, live training, participants will learn how to take advantage of the innovations in TPU processors to maximize the performance of their own AI applications.
By the end of the training, participants will be able to:
- Train various types of neural networks on large amounts of data.
- Use TPUs to speed up the inference process by up to two orders of magnitude.
- Utilize TPUs to process intensive applications such as image search, cloud vision and photos.
- Part lecture, part discussion, exercises and heavy hands-on practice
35 timer
Dette kurset begynner med å gi deg konseptuell kunnskap i nevrale nettverk og generelt i maskinlæringsalgoritme, dyp læring (algoritmer og applikasjoner). Del-1 (40%) av denne opplæringen er mer fokus på grunnleggende, men vil hjelpe deg å velge riktig teknologi: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc. Del-2 (20%) av denne opplæringen introduserer Theano - et pytonbibliotek som gjør det enkelt å skrive dype læringsmodeller. Del 3 (40%) av opplæringen vil være omfattende basert på Tensorflow - 2nd Generation API of Go ogles open source programvarebibliotek for Deep Learning . Eksemplene og håndsonen ville alle være laget i TensorFlow . Publikum Dette kurset er ment for ingeniører som søker å bruke TensorFlow til Deep Learning prosjektene sine Etter fullført kurs vil delegatene:
- ha god forståelse for dype nevrale nettverk (DNN), CNN og RNN
- forstå TensorFlow struktur og distribusjonsmekanismer
- kunne utføre installasjons- / produksjonsmiljø / arkitekturoppgaver og konfigurasjon
- kunne vurdere kodekvalitet, utføre feilsøking, overvåking
- kunne implementere avansert produksjon som treningsmodeller, bygge grafer og logging
14 timer
I denne instruktørledede, live-opplæringen går vi over prinsippene for nevrale nettverk og bruker OpenNN til å implementere en prøveapplikasjon.Format på kursetForelesning og diskusjon kombinert med praktiske øvelser.
Last Updated:
Rådgivning
Helg Neural Networks kurs, kveld Neural Networks trening, Neural Networks boot camp, Neural Networks instruktørledet, Helg Neural Networks trening, Kveld Neural Networks kurs, Neural Networks coaching, Neural Networks instruktør, Neural Networks trener, Neural Networks kurs, Neural Networks klasser, Neural Networks on-site, Neural Networks private kurs, Neural Networks tomannshånd trening
