Lokale, instruktorierte Live-Deep-Learning (DL) -Trainings demonstrieren durch praktische Übungen die Grundlagen und Anwendungen von Deep Learning und decken Themen wie tiefes maschinelles Lernen, tiefgründiges strukturiertes Lernen und hierarchisches Lernen ab Deep Learning Training ist als "Live-Training vor Ort" oder "Remote-Live-Training" verfügbar Onsite Live Training kann vor Ort bei Kunden durchgeführt werden Schweiz oder in NobleProg Corporate Trainingszentren in Schweiz Remote-Live-Training wird über einen interaktiven Remote-Desktop durchgeführt NobleProg Ihr lokaler Trainingsanbieter.
Machine Translated
Erfahrungsberichte
Es war sehr interaktiv und entspannter und informeller als erwartet. Wir haben in der Zeit viele Themen behandelt und der Trainer war immer offen dafür, im Detail oder allgemeiner über die Themen und ihre Zusammenhänge zu sprechen. Ich denke, das Training hat mir die Werkzeuge gegeben, um weiter zu lernen, im Gegensatz zu einer einmaligen Sitzung, in der das Lernen nach dem Abschluss aufhört, was angesichts des Umfangs und der Komplexität des Themas sehr wichtig ist.
Jonathan Blease
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Das Thema ist sehr interessant.
Wojciech Baranowski
Kurs: Introduction to Deep Learning
Machine Translated
Trainer theoretische Kenntnisse und Bereitschaft, die Probleme mit den Teilnehmern nach dem Training zu lösen.
Grzegorz Mianowski
Kurs: Introduction to Deep Learning
Machine Translated
Thema. Sehr interessant!.
Piotr
Kurs: Introduction to Deep Learning
Machine Translated
Übungen nach jedem Thema waren sehr hilfreich, obwohl es am Ende zu kompliziert war. Im Allgemeinen war das präsentierte Material sehr interessant und interessant! Übungen mit Bilderkennung waren großartig.
Dolby Poland Sp. z o.o.
Kurs: Introduction to Deep Learning
Machine Translated
Ich denke, wenn das Training auf Polnisch gemacht würde, würde es dem Trainer erlauben, sein Wissen effizienter zu teilen.
Radek
Kurs: Introduction to Deep Learning
Machine Translated
Der globale Überblick über Deep Learning.
Bruno Charbonnier
Kurs: Advanced Deep Learning
Machine Translated
Die Übungen sind ausreichend praktisch und erfordern keine hohen Python Kenntnisse.
Alexandre GIRARD
Kurs: Advanced Deep Learning
Machine Translated
Übungen an echten Beispielen mit Eras. Italien hat unsere Erwartungen an dieses Training vollkommen verstanden.
Paul Kassis
Kurs: Advanced Deep Learning
Machine Translated
Ich habe die kristallklaren Antworten von Chris auf unsere Fragen sehr geschätzt.
Léo Dubus
Kurs: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Ich genoss im Allgemeinen den sachkundigen Trainer.
Sridhar Voorakkara
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ich war erstaunt über den Standard dieser Klasse - ich würde sagen, dass es Universitätsstandard war.
David Relihan
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sehr gute Rundumübersicht. Go od Hintergrund in warum Tensorflow arbeitet , wie es der Fall ist.
Kieran Conboy
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ich mochte die Gelegenheiten, Fragen zu stellen und tiefergehende Erklärungen der Theorie zu bekommen.
Sharon Ruane
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Wir haben viel mehr Einblick in das Thema bekommen. Mit einigen echten Themen in unserem Unternehmen wurde eine nette Diskussion geführt.
Sebastiaan Holman
Kurs: Machine Learning and Deep Learning
Machine Translated
Die Schulung bot die richtige Grundlage, um weiter auszubauen und zu zeigen, wie Theorie und Praxis Hand in Hand gehen. Es hat mich tatsächlich mehr für das Thema interessiert als vorher.
Jean-Paul van Tillo
Kurs: Machine Learning and Deep Learning
Machine Translated
Ich habe die Berichterstattung und Tiefe der Themen sehr genossen.
Anirban Basu
Kurs: Machine Learning and Deep Learning
Machine Translated
Das tiefe Wissen des Trainers über das Thema.
Sebastian Görg
Kurs: Introduction to Deep Learning
Machine Translated
Sehr aktualisierter Ansatz oder CPI (Tensor Flow, Ära, lernen), um maschinelles Lernen zu tun.
Paul Lee
Kurs: TensorFlow for Image Recognition
Machine Translated
Sehr flexibel.
Frank Ueltzhöffer
Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Ich habe generell die Flexibilität genossen.
Werner Philipp
Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Voraussichtlicher Stand der Technologie: Welche Technologie / Prozess könnte in Zukunft wichtiger werden? sehen Sie, wofür die Technologie verwendet werden kann.
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ich habe von der Themenauswahl profitiert. Art des Trainings. Praxisorientierung.
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Art und Weise des Leitens und des Beispiels, das vom Trainer gegeben wird
ORANGE POLSKA S.A.
Kurs: Machine Learning and Deep Learning
Machine Translated
Möglichkeit, die vorgeschlagenen Themen selbst zu diskutieren
ORANGE POLSKA S.A.
Kurs: Machine Learning and Deep Learning
Machine Translated
Kommunikation mit Dozenten
文欣 张
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Gefällt mir
lisa xie
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Vertiefte Darstellung von Themen des maschinellen Lernens, insbesondere neuronaler Netze. Entmystifizierte viel von dem Thema.
Sacha Nandlall
Kurs: Python for Advanced Machine Learning
Machine Translated
Großes und aktuelles Wissen über führende und praktische Anwendungsbeispiele.
ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Machine Translated
Viele Übungen, sehr gute Zusammenarbeit mit der Gruppe.
Janusz Chrobot - ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Machine Translated
Arbeit an Kolaboratoren,
ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Machine Translated
Es war offensichtlich, dass die Enthusiasten der präsentierten Themen führend waren. Benutzte interessante Beispiele während des Trainings.
ING Bank Śląski S.A.
Kurs: Introduction to Deep Learning
Machine Translated
Eine breite Palette von Themen abgedeckt und umfangreiches Wissen der Führungskräfte.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Mangel
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Großes theoretisches und praktisches Wissen der Dozenten. Kommunikativität von Trainern. Während des Kurses können Sie Fragen stellen und zufriedenstellende Antworten erhalten.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Praktischer Teil, bei dem wir Algorithmen implementiert haben. Dies ermöglichte ein besseres Verständnis des Themas.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Übungen und Beispiele auf ihnen implementiert
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Beispiele und diskutierte Themen.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Substanzielles Wissen, Engagement, eine leidenschaftliche Art Wissen zu vermitteln. Praktische Beispiele nach einem theoretischen Vortrag.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Praktische Übungen von Herrn Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Ich habe von der Leidenschaft zum Lehren profitiert und mich darauf konzentriert, Dinge sinnvoll zu machen.
Zaher Sharifi - GOSI
Kurs: Advanced Deep Learning
Machine Translated
Personalausweis und Leiterplattenminderkennung
王 春柱 - 中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
beweisen
中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Über Gesichtsbereich.
中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Der informelle Austausch, den wir während der Vorträge hatten, hat mir wirklich geholfen, mein Verständnis für das Thema zu vertiefen.
Explore
Kurs: Deep Reinforcement Learning with Python
Machine Translated
Viele praktische Tipps
Pawel Dawidowski - ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
Viele Informationen rund um die Umsetzung von Lösungen
Michał Smolana - ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
Eine Vielzahl von praktischen Tipps und Kenntnissen des Dozenten aus einer Vielzahl von AI / IT / SQL / IoT-Themen.
ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
viele informationen, alle fragen beantwortet, interessante beispiele
A1 Telekom Austria AG
Kurs: Deep Learning for Telecom (with Python)
Machine Translated
Ich habe mit nahezu null Wissen angefangen und am Ende konnte ich meine eigenen Netzwerke aufbauen und trainieren.
Huawei Technologies Duesseldorf GmbH
Kurs: TensorFlow for Image Recognition
Machine Translated
DL (Deep Learning) Unterkategorien
DL (Deep Learning) Kurspläne
Name des Kurses
Dauer
Überblick
Name des Kurses
Dauer
Überblick
21 Stunden
Überblick
Das künstliche neuronale Netz ist ein Computerdatenmodell, das bei der Entwicklung von Artificial Intelligence (AI) Systemen Artificial Intelligence (AI) verwendet wird, die "intelligente" Aufgaben ausführen können. Neural Networks werden häufig in ML-Anwendungen ( Machine Learning ) verwendet, bei denen es sich um eine Implementierung von AI handelt. Deep Learning ist eine Teilmenge von ML.
21 Stunden
Überblick
Keras ist eine hochrangige neuronale Netzwerk-API für schnelle Entwicklung und Experimente. Es verläuft auf TensorFlow, CNTK oder Theano
.
Diese von Lehrern geleitete Live-Ausbildung (vor Ort oder Fernbedienung) richtet sich an technische Personen, die ein tiefes Lernmodell für die Bilderkennung anwenden
möchten.
Am Ende dieses Trainings können die Teilnehmer:
- installieren und Keras konfigurieren.
- schnell Prototypen-Tiefenlernmodelle
. - Umsetzung eines Konvolutions-Netzwerks.
- ein wiederkehrendes Netzwerk
implementieren. - Führe ein tiefgreifendes Lernmodell sowohl auf einer CPU als auch auf GPU
aus.
Format der
- interaktiven Vortrag und Diskussion
. - Viele Übungen und Übungen
. - Hands-on-Umsetzung in einem Live-Labor-Umfeld
.
- Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um
zu arrangieren. - Um mehr über Keras zu erfahren, besuchen Sie bitte: https://keras.io/
.
Diese von Lehrern geleitete Live-Ausbildung (vor Ort oder Fernbedienung) richtet sich an technische Personen, die ein tiefes Lernmodell für die Bilderkennung anwenden
möchten.
Am Ende dieses Trainings können die Teilnehmer:
- installieren und Keras konfigurieren.
- schnell Prototypen-Tiefenlernmodelle
. - Umsetzung eines Konvolutions-Netzwerks.
- ein wiederkehrendes Netzwerk
implementieren. - Führe ein tiefgreifendes Lernmodell sowohl auf einer CPU als auch auf GPU
aus.
Format der
- interaktiven Vortrag und Diskussion
. - Viele Übungen und Übungen
. - Hands-on-Umsetzung in einem Live-Labor-Umfeld
.
- Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um
zu arrangieren. - Um mehr über Keras zu erfahren, besuchen Sie bitte: https://keras.io/
28 Stunden
Überblick
Deep Learning für NLP ermöglicht es einer Maschine, einfache bis komplexe Sprachverarbeitung zu erlernen Zu den derzeit möglichen Aufgaben gehören die Übersetzung von Sprachen und die Erstellung von Bildunterschriften für Fotos DL (Deep Learning) ist eine Teilmenge von ML (Machine Learning) Python ist eine beliebte Programmiersprache, die Bibliotheken für Deep Learning für NLP enthält In diesem instruierten Live-Training lernen die Teilnehmer, Python-Bibliotheken für NLP (Natural Language Processing) zu verwenden, während sie eine Anwendung erstellen, die eine Reihe von Bildern verarbeitet und Untertitel generiert Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Entwerfen und kodieren Sie DL für NLP mit Python-Bibliotheken Erstellen Sie Python-Code, der eine im Wesentlichen große Sammlung von Bildern liest und Schlüsselwörter generiert Erstellen Sie Python-Code, der Untertitel aus den erkannten Keywords generiert Publikum Programmierer mit Interesse an Linguistik Programmierer, die ein Verständnis für NLP (Natural Language Processing) suchen Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
28 Stunden
Überblick
Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden. Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren. R ist eine beliebte Programmiersprache in der Finanzbranche. Es wird in Finanzanwendungen eingesetzt, die von Kernhandelsprogrammen bis zu Risikomanagementsystemen reichen.
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Deep-Learning-Modelle für die Finanzierung mit R implementieren, während sie ein Deep-Learning-Aktienkurs-Vorhersagemodell erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die grundlegenden Konzepte des Tiefenlernens
- Lernen Sie die Anwendungen und Verwendungen von Deep Learning im Finanzbereich
- Verwenden Sie R, um vertiefte Lernmodelle für Finanzen zu erstellen
- Bauen Sie mit R ihr eigenes Deep Learning-Aktienkurs-Vorhersagemodell auf
Publikum
- Entwickler
- Datenwissenschaftler
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Deep-Learning-Modelle für die Finanzierung mit R implementieren, während sie ein Deep-Learning-Aktienkurs-Vorhersagemodell erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die grundlegenden Konzepte des Tiefenlernens
- Lernen Sie die Anwendungen und Verwendungen von Deep Learning im Finanzbereich
- Verwenden Sie R, um vertiefte Lernmodelle für Finanzen zu erstellen
- Bauen Sie mit R ihr eigenes Deep Learning-Aktienkurs-Vorhersagemodell auf
Publikum
- Entwickler
- Datenwissenschaftler
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
28 Stunden
Überblick
Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden. Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren. Python ist eine High-Level-Programmiersprache, die für ihre klare Syntax und Codelesbarkeit bekannt ist.
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Deep-Learning-Modelle für das Banking mit Python implementieren, während sie ein Deep-Learning-Kreditrisikomodell erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die grundlegenden Konzepte des Tiefenlernens
- Lernen Sie die Anwendungen und Verwendungen von Deep Learning im Bankwesen
- Verwenden Sie Python , Keras und TensorFlow , um vertiefende Lernmodelle für das Bankwesen zu erstellen
- Erstellen Sie mit Python eigenes Deep-Learning-Kreditrisikomodell
Publikum
- Entwickler
- Datenwissenschaftler
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Deep-Learning-Modelle für das Banking mit Python implementieren, während sie ein Deep-Learning-Kreditrisikomodell erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die grundlegenden Konzepte des Tiefenlernens
- Lernen Sie die Anwendungen und Verwendungen von Deep Learning im Bankwesen
- Verwenden Sie Python , Keras und TensorFlow , um vertiefende Lernmodelle für das Bankwesen zu erstellen
- Erstellen Sie mit Python eigenes Deep-Learning-Kreditrisikomodell
Publikum
- Entwickler
- Datenwissenschaftler
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
28 Stunden
Überblick
Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden. Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren. R ist eine beliebte Programmiersprache in der Finanzbranche. Es wird in Finanzanwendungen eingesetzt, die von Kernhandelsprogrammen bis zu Risikomanagementsystemen reichen.
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Deep-Learning-Modelle für das Bankwesen mithilfe von R implementieren, während sie ein Deep-Learning-Kreditrisikomodell erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die grundlegenden Konzepte des Tiefenlernens
- Lernen Sie die Anwendungen und Verwendungen von Deep Learning im Bankwesen
- Verwenden Sie R, um Deep-Learning-Modelle für das Bankwesen zu erstellen
- Erstellen Sie mit R ein eigenes Deep Learning-Kreditrisikomodell
Publikum
- Entwickler
- Datenwissenschaftler
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Deep-Learning-Modelle für das Bankwesen mithilfe von R implementieren, während sie ein Deep-Learning-Kreditrisikomodell erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die grundlegenden Konzepte des Tiefenlernens
- Lernen Sie die Anwendungen und Verwendungen von Deep Learning im Bankwesen
- Verwenden Sie R, um Deep-Learning-Modelle für das Bankwesen zu erstellen
- Erstellen Sie mit R ein eigenes Deep Learning-Kreditrisikomodell
Publikum
- Entwickler
- Datenwissenschaftler
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
28 Stunden
Überblick
Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren Python ist eine Programmiersprache auf hohem Niveau, die für ihre klare Syntax und Lesbarkeit des Codes bekannt ist In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von Python tiefe Lernmodelle für das Finanzwesen implementieren können, während sie ein Modell für eine tief gehende Aktienkursvorhersage entwickeln Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des Deep Learning Lernen Sie die Anwendungen und Anwendungen von Deep Learning im Finanzwesen Verwenden Sie Python, Keras und TensorFlow, um tiefgründige Lernmodelle für das Finanzwesen zu erstellen Erstellen Sie mit Python ein eigenes Deep Learning-Kursmodell Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
21 Stunden
Überblick
Deep Reinforcement Learning bezieht sich auf die Fähigkeit eines "künstlichen Agenten", durch Versuch und Irrtum und Belohnungen und Bestrafungen zu lernen. Ein künstlicher Agent soll die Fähigkeit eines Menschen nachahmen, Wissen selbstständig zu erlangen und aufzubauen, direkt aus rohen Inputs wie dem Sehen. Um verstärkendes Lernen zu realisieren, werden Deep Learning und neuronale Netze verwendet. Reinforcement Learning unterscheidet sich vom maschinellen Lernen und beruht nicht auf überwachten und unbeaufsichtigten Lernansätzen.
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Grundlagen des Deep Reinforcement-Lernens kennen, während sie die Erstellung eines Deep Learning Agenten durchlaufen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehen Sie die Schlüsselkonzepte hinter Deep Reinforcement Learning und unterscheiden Sie es vom Machine Learning
- Wenden Sie fortschrittliche Algorithmen für das Reinforcement Learning an, um Probleme aus der Praxis zu lösen
- Erstellen Sie einen Deep Learning Agent
Publikum
- Entwickler
- Data Scientists
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Grundlagen des Deep Reinforcement-Lernens kennen, während sie die Erstellung eines Deep Learning Agenten durchlaufen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehen Sie die Schlüsselkonzepte hinter Deep Reinforcement Learning und unterscheiden Sie es vom Machine Learning
- Wenden Sie fortschrittliche Algorithmen für das Reinforcement Learning an, um Probleme aus der Praxis zu lösen
- Erstellen Sie einen Deep Learning Agent
Publikum
- Entwickler
- Data Scientists
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
21 Stunden
Überblick
Einleitung :
Deep Learning wird zu einem Hauptbestandteil des zukünftigen Produktdesigns, das künstliche Intelligenz als Herzstück seiner Modelle einbeziehen möchte. In den nächsten 5 bis 10 Jahren werden Deep-Learning- Entwicklungstools, -Bibliotheken und -Sprachen zu Standardkomponenten jedes Softwareentwicklungs-Toolkits. Bisher Go Ogle, Sales Force, Facebook , Amazon wurde erfolgreich ein vertieftes Lernen AI ihr Geschäft zu steigern. Die Anwendungen reichten von automatischer maschineller Übersetzung, Bildanalyse, Videoanalyse, Bewegungsanalyse, gezielter Werbung und vielem mehr.
Diese Schulung richtet sich an Unternehmen, die Deep Learning als wichtigen Bestandteil ihrer Produkt- oder Servicestrategie einbeziehen möchten. Im Folgenden finden Sie eine Übersicht über den Deep Learning-Kurs, den wir für verschiedene Ebenen von Mitarbeitern / Stakeholdern in einer Organisation anpassen können.
Zielgruppe:
(Je nach Zielgruppe werden die Kursmaterialien angepasst.)
Führungskräfte
Ein allgemeiner Überblick über KI und wie es in die Unternehmensstrategie passt, mit Breakout-Sessions zu strategischer Planung, Technologie-Roadmaps und Ressourcenzuweisung, um maximalen Nutzen sicherzustellen.
Projektmanager
Planen eines AI-Projekts, einschließlich Datenerfassung und -bewertung, Datenbereinigung und -überprüfung, Entwicklung eines Proof-of-Concept-Modells, Integration in Geschäftsprozesse und organisationsweite Bereitstellung.
Entwickler
Ausführliche technische Schulungen mit Schwerpunkt auf neuronalen Netzen und Tiefenlernen, Bild- und Videoanalyse (CNNs), Ton- und Textanalyse (NLP) und Integration von KI in vorhandene Anwendungen.
Verkäufer
Ein allgemeiner Überblick über AI und wie es Kundenbedürfnisse befriedigen kann, Wertversprechen für verschiedene Produkte und Dienstleistungen und wie man Ängste abbaut und die Vorteile von AI fördert.
Deep Learning wird zu einem Hauptbestandteil des zukünftigen Produktdesigns, das künstliche Intelligenz als Herzstück seiner Modelle einbeziehen möchte. In den nächsten 5 bis 10 Jahren werden Deep-Learning- Entwicklungstools, -Bibliotheken und -Sprachen zu Standardkomponenten jedes Softwareentwicklungs-Toolkits. Bisher Go Ogle, Sales Force, Facebook , Amazon wurde erfolgreich ein vertieftes Lernen AI ihr Geschäft zu steigern. Die Anwendungen reichten von automatischer maschineller Übersetzung, Bildanalyse, Videoanalyse, Bewegungsanalyse, gezielter Werbung und vielem mehr.
Diese Schulung richtet sich an Unternehmen, die Deep Learning als wichtigen Bestandteil ihrer Produkt- oder Servicestrategie einbeziehen möchten. Im Folgenden finden Sie eine Übersicht über den Deep Learning-Kurs, den wir für verschiedene Ebenen von Mitarbeitern / Stakeholdern in einer Organisation anpassen können.
Zielgruppe:
(Je nach Zielgruppe werden die Kursmaterialien angepasst.)
Führungskräfte
Ein allgemeiner Überblick über KI und wie es in die Unternehmensstrategie passt, mit Breakout-Sessions zu strategischer Planung, Technologie-Roadmaps und Ressourcenzuweisung, um maximalen Nutzen sicherzustellen.
Projektmanager
Planen eines AI-Projekts, einschließlich Datenerfassung und -bewertung, Datenbereinigung und -überprüfung, Entwicklung eines Proof-of-Concept-Modells, Integration in Geschäftsprozesse und organisationsweite Bereitstellung.
Entwickler
Ausführliche technische Schulungen mit Schwerpunkt auf neuronalen Netzen und Tiefenlernen, Bild- und Videoanalyse (CNNs), Ton- und Textanalyse (NLP) und Integration von KI in vorhandene Anwendungen.
Verkäufer
Ein allgemeiner Überblick über AI und wie es Kundenbedürfnisse befriedigen kann, Wertversprechen für verschiedene Produkte und Dienstleistungen und wie man Ängste abbaut und die Vorteile von AI fördert.
14 Stunden
Überblick
Diese auf Klassenräumen basierende Schulungssitzung enthält Präsentationen und computergestützte Beispiele sowie Fallstudien, die mit relevanten neuronalen und tiefen Netzwerkbibliotheken durchgeführt werden sollen
14 Stunden
Überblick
Machine Learning ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden. Deep Learning ist ein Teilgebiet des Machine Learning das versucht, die Funktionsweise des menschlichen Gehirns beim Treffen von Entscheidungen nachzuahmen. Es wird mit Daten trainiert, um automatisch Lösungen für Probleme bereitzustellen. Deep Learning bietet der medizinischen Industrie, die auf einer Datengoldmine sitzt, enorme Möglichkeiten.
In diesem von Lehrern geführten Live-Training nehmen die Teilnehmer an einer Reihe von Diskussionen, Übungen und Fallstudien teil, um die Grundlagen des Deep Learning zu verstehen. Die wichtigsten Deep Learning Tools und -Techniken werden evaluiert und es werden Übungen durchgeführt, um die Teilnehmer auf die Durchführung ihrer eigenen Evaluierung und Implementierung von Deep Learning Lösungen in ihren Organisationen vorzubereiten.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die Grundlagen von Deep Learning
- Lernen Sie Deep Learning Techniken und deren Anwendungen in der Industrie
- Untersuchen Sie Fragen in der Medizin, die durch Deep Learning Technologien gelöst werden können
- Erfahren Sie mehr über Deep Learning Fallstudien in der Medizin
- Formulierung einer Strategie zur Übernahme der neuesten Technologien im Bereich Deep Learning zur Lösung medizinischer Probleme
Publikum
- Manager
- Medizinische Fachkräfte in Führungspositionen
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
Hinweis
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
In diesem von Lehrern geführten Live-Training nehmen die Teilnehmer an einer Reihe von Diskussionen, Übungen und Fallstudien teil, um die Grundlagen des Deep Learning zu verstehen. Die wichtigsten Deep Learning Tools und -Techniken werden evaluiert und es werden Übungen durchgeführt, um die Teilnehmer auf die Durchführung ihrer eigenen Evaluierung und Implementierung von Deep Learning Lösungen in ihren Organisationen vorzubereiten.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die Grundlagen von Deep Learning
- Lernen Sie Deep Learning Techniken und deren Anwendungen in der Industrie
- Untersuchen Sie Fragen in der Medizin, die durch Deep Learning Technologien gelöst werden können
- Erfahren Sie mehr über Deep Learning Fallstudien in der Medizin
- Formulierung einer Strategie zur Übernahme der neuesten Technologien im Bereich Deep Learning zur Lösung medizinischer Probleme
Publikum
- Manager
- Medizinische Fachkräfte in Führungspositionen
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
Hinweis
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
28 Stunden
Überblick
Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden.
Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren.
Python ist eine High-Level-Programmiersprache, die für ihre klare Syntax und Codelesbarkeit bekannt ist.
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie mit Python Deep-Learning-Modelle für die Telekommunikation implementieren, während sie ein Deep-Learning-Kreditrisikomodell erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die grundlegenden Konzepte des Tiefenlernens.
- Lernen Sie die Anwendungen und Verwendungen von Deep Learning in der Telekommunikation.
- Verwenden Sie Python , Keras und TensorFlow , um vertiefende Lernmodelle für die Telekommunikation zu erstellen.
- Erstellen Sie mit Python eigenes Modell zur Vorhersage der Kundenabwanderung.
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren.
Python ist eine High-Level-Programmiersprache, die für ihre klare Syntax und Codelesbarkeit bekannt ist.
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie mit Python Deep-Learning-Modelle für die Telekommunikation implementieren, während sie ein Deep-Learning-Kreditrisikomodell erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehe die grundlegenden Konzepte des Tiefenlernens.
- Lernen Sie die Anwendungen und Verwendungen von Deep Learning in der Telekommunikation.
- Verwenden Sie Python , Keras und TensorFlow , um vertiefende Lernmodelle für die Telekommunikation zu erstellen.
- Erstellen Sie mit Python eigenes Modell zur Vorhersage der Kundenabwanderung.
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
28 Stunden
Überblick
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.
21 Stunden
Überblick
TensorFlow ist eine beliebte und maschinelles Lernen Bibliothek entwickelt von Go Ogle für tiefe Lernen, numerische Berechnung und Groß maschinellen Lernen. TensorFlow 2.0, veröffentlicht im Januar 2019, ist die neueste Version von TensorFlow und enthält Verbesserungen in TensorFlow auf eifrige Ausführung, Kompatibilität und API-Konsistenz.
Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler und Datenwissenschaftler, die Tensorflow 2.0 verwenden möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netzwerke usw. zu erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Installieren und konfigurieren Sie TensorFlow 2.0.
- Verstehen Sie die Vorteile von TensorFlow 2.0 gegenüber früheren Versionen.
- Bauen Sie Deep-Learning-Modelle auf.
- Implementieren Sie einen erweiterten Bildklassifikator.
- Stellen Sie ein Deep-Learning-Modell für Cloud-, Mobil- und IoT-Geräte bereit.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.
Anpassungsoptionen für den Kurs
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
- Um mehr über TensorFlow zu erfahren, besuchen Sie bitte: https://www.tensorflow.org/
Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler und Datenwissenschaftler, die Tensorflow 2.0 verwenden möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netzwerke usw. zu erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Installieren und konfigurieren Sie TensorFlow 2.0.
- Verstehen Sie die Vorteile von TensorFlow 2.0 gegenüber früheren Versionen.
- Bauen Sie Deep-Learning-Modelle auf.
- Implementieren Sie einen erweiterten Bildklassifikator.
- Stellen Sie ein Deep-Learning-Modell für Cloud-, Mobil- und IoT-Geräte bereit.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.
Anpassungsoptionen für den Kurs
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
- Um mehr über TensorFlow zu erfahren, besuchen Sie bitte: https://www.tensorflow.org/
21 Stunden
Überblick
Deep Learning ist ein Teilgebiet des maschinellen Lernens. Es verwendet Methoden, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren.
Keras ist eine High-Level-API für neuronale Netze für schnelle Entwicklung und Experimente. Es läuft auf TensorFlow , CNTK oder Theano.
Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler, die ein selbstfahrendes Auto mit vertieften Lerntechniken bauen möchten.
Am Ende dieser Schulung können die Teilnehmer:
- Verwenden Sie Computer Vision-Techniken, um Fahrspuren zu identifizieren.
- Verwenden Sie Keras , um Faltungs-Neuronale Netze aufzubauen und zu trainieren.
- Trainieren Sie ein Deep-Learning-Modell, um Verkehrszeichen zu unterscheiden.
- Simulieren Sie ein völlig autonomes Auto.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.
Anpassungsoptionen für den Kurs
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
Keras ist eine High-Level-API für neuronale Netze für schnelle Entwicklung und Experimente. Es läuft auf TensorFlow , CNTK oder Theano.
Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler, die ein selbstfahrendes Auto mit vertieften Lerntechniken bauen möchten.
Am Ende dieser Schulung können die Teilnehmer:
- Verwenden Sie Computer Vision-Techniken, um Fahrspuren zu identifizieren.
- Verwenden Sie Keras , um Faltungs-Neuronale Netze aufzubauen und zu trainieren.
- Trainieren Sie ein Deep-Learning-Modell, um Verkehrszeichen zu unterscheiden.
- Simulieren Sie ein völlig autonomes Auto.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.
Anpassungsoptionen für den Kurs
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
14 Stunden
Überblick
In diesem von Lehrern geleiteten Live-Training lernen die Teilnehmer, wie sie Matlab zum Entwerfen, Erstellen und Visualisieren eines neuronalen Faltungsnetzwerks für die Bilderkennung verwenden.
Am Ende dieser Schulung können die Teilnehmer:
- Bauen Sie ein Deep-Learning-Modell auf
- Datenbeschriftung automatisieren
- Arbeiten Sie mit Modellen von Caffe und TensorFlow - Keras
- Trainieren Sie Daten mit mehreren GPU , der Cloud oder Clustern
Publikum
- Entwickler
- Ingenieure
- Domain-Experten
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
Am Ende dieser Schulung können die Teilnehmer:
- Bauen Sie ein Deep-Learning-Modell auf
- Datenbeschriftung automatisieren
- Arbeiten Sie mit Modellen von Caffe und TensorFlow - Keras
- Trainieren Sie Daten mit mehreren GPU , der Cloud oder Clustern
Publikum
- Entwickler
- Ingenieure
- Domain-Experten
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
14 Stunden
Überblick
Keras ist eine Open-Source-Python neuronalen Netzwerkbibliothek für die Schaffung von Deep Learning neuronalen Netzwerken. Keras bietet eine intuitive Reihe von Abstraktionen, die die Entwicklung von Deep Learning neuronalen Netzwerken und Modellen vereinfachen.
Dieses von einem Kursleiter geleitete Live-Training (vor Ort oder in der Ferne) richtet sich an Software-Ingenieure, die fortgeschrittene Neuro-Netzwerke und -Modelle mit Keras und Pythonentwickeln möchten.
Am Ende dieser Schulung können die Teilnehmer:
- Wenden Sie Deep Learning mit überwachten oder unbeaufsichtigten Lernmethoden an.
- Entwickeln, trainieren und implementieren Sie gleichzeitige neuronale Netzwerke und rezidivierende neuronale Netzwerke.
- Verwenden Sie Keras und Python, um Deep Learning-Modelle zu erstellen, um Probleme mit Bildern, Text, Sound und mehr zu lösen.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Lab-Umgebung.
Kursanpassungsoptionen
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
Dieses von einem Kursleiter geleitete Live-Training (vor Ort oder in der Ferne) richtet sich an Software-Ingenieure, die fortgeschrittene Neuro-Netzwerke und -Modelle mit Keras und Pythonentwickeln möchten.
Am Ende dieser Schulung können die Teilnehmer:
- Wenden Sie Deep Learning mit überwachten oder unbeaufsichtigten Lernmethoden an.
- Entwickeln, trainieren und implementieren Sie gleichzeitige neuronale Netzwerke und rezidivierende neuronale Netzwerke.
- Verwenden Sie Keras und Python, um Deep Learning-Modelle zu erstellen, um Probleme mit Bildern, Text, Sound und mehr zu lösen.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Lab-Umgebung.
Kursanpassungsoptionen
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
14 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
14 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run existing machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning using custom data.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run existing machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning using custom data.
14 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at data scientists who wish to use TensorFlow to analyze potential fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
By the end of this training, participants will be able to:
- Create a fraud detection model in Python and TensorFlow.
- Build linear regressions and linear regression models to predict fraud.
- Develop an end-to-end AI application for analyzing fraud data.
21 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
21 Stunden
Überblick
This instructor-led, live training in (online or onsite) is aimed at data scientists who wish to use Apache MXNet's to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
35 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at data scientists who wish to accelerate real-time machine learning applications and deploy them at scale.
By the end of this training, participants will be able to:
- Install the OpenVINO toolkit.
- Accelerate a computer vision application using an FPGA.
- Execute different CNN layers on the FPGA.
- Scale the application across multiple nodes in a Kubernetes cluster.
By the end of this training, participants will be able to:
- Install the OpenVINO toolkit.
- Accelerate a computer vision application using an FPGA.
- Execute different CNN layers on the FPGA.
- Scale the application across multiple nodes in a Kubernetes cluster.
21 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand the scope of operations that can be run.
- Deploy a deep learning model on an embedded device running Linux.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand the scope of operations that can be run.
- Deploy a deep learning model on an embedded device running Linux.
21 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
21 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
21 Stunden
Überblick
This instructor-led, live training in (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
14 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at developers who wish to build hardware-accelerated object detection and tracking models to analyze streaming video data.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
35 Stunden
Überblick
Dieser Kurs beginnt mit dem Erlernen von konzeptionellen Kenntnissen in neuronalen Netzen und allgemein in maschinellem Lernalgorithmus und Tiefenlernen (Algorithmen und Anwendungen).
Teil 1 (40%) dieses Trainings konzentriert sich mehr auf Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras usw.
In Teil 2 (20%) dieses Trainings wird Theano vorgestellt - eine Python-Bibliothek, die das Schreiben von Deep-Learning-Modellen erleichtert.
Part-3 (40%) die Ausbildung intensiv auf Basis von Tensorflow würde - 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Die Beispiele und Handys würden alle in TensorFlow .
Publikum
Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow
Nach Abschluss dieses Kurses werden die Teilnehmer:
-
ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN haben
-
Struktur und Einsatzmechanismen von TensorFlow verstehen
-
in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
-
in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
-
in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren
Teil 1 (40%) dieses Trainings konzentriert sich mehr auf Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras usw.
In Teil 2 (20%) dieses Trainings wird Theano vorgestellt - eine Python-Bibliothek, die das Schreiben von Deep-Learning-Modellen erleichtert.
Part-3 (40%) die Ausbildung intensiv auf Basis von Tensorflow würde - 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Die Beispiele und Handys würden alle in TensorFlow .
Publikum
Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow
Nach Abschluss dieses Kurses werden die Teilnehmer:
-
ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN haben
-
Struktur und Einsatzmechanismen von TensorFlow verstehen
-
in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
-
in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
-
in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren
7 Stunden
Überblick
TensorFlow Serving ist ein System, mit dem Machine-Learning-Modelle (ML) in der Produktion eingesetzt werden können In diesem instruierten Live-Training lernen die Teilnehmer, wie sie TensorFlow Serving konfigurieren und einsetzen, um ML-Modelle in einer Produktionsumgebung bereitzustellen und zu verwalten Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Trainieren, exportieren und bedienen Sie verschiedene TensorFlow-Modelle Testen und implementieren Sie Algorithmen mithilfe einer einzigen Architektur und einer Reihe von APIs Erweitern Sie TensorFlow Serving, um andere Arten von Modellen als TensorFlow-Modelle zu bedienen Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
Zukünftige Deep Learning (DL) Kurse
2021-05-10 09:30:00
28 hours
2021-05-10 09:30:00
28 hours
2021-05-10 09:30:00
21 hours
2021-05-11 09:30:00
28 hours
2021-06-22 09:30:00
21 hours
Andere Länder
Consulting
Deep Learning Schulung, Deep Learning boot camp, Deep Learning Abendkurse, DL (Deep Learning) Wochenendkurse, DL (Deep Learning) Kurs, Deep Learning Training, DL (Deep Learning) Seminar, Deep Learning (DL) Seminare, Deep Learning (DL) Privatkurs, DL (Deep Learning) Coaching, Deep Learning Lehrer
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "american international group (aig)")
.png "european central bank (ecb)")
.png "aeronautical radio, incorporated (arinc)"){kind=small}
.jpg "european molecular biology laboratory (embl)")
