Deep Learning Schulungen

Deep Learning Schulungen

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.

Erfahrungsberichte

★★★★★
★★★★★

Deep Learning Unterkategorien

Deep Learning Kurspläne

CodeNameDauerÜbersicht
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 StundenDas künstliche neuronale Netzwerk ist ein computergestütztes Datenmodell, das bei der Entwicklung von Systemen für künstliche Intelligenz (KI) verwendet wird, die "intelligente" Aufgaben ausführen können. Neuronale Netze werden häufig in Machine Learning (ML) -Anwendungen verwendet, die selbst eine Implementierung von AI sind. Deep Learning ist eine Teilmenge von ML.
dsstneAmazon DSSTNE: Build a Recommendation System7 StundenAmazon DSSTNE ist eine OpenSource-Bibliothek zum Trainieren und Implementieren von Empfehlungsmodellen Damit können Modelle mit Gewichtsmatrizen, die für eine einzelne GPU zu groß sind, auf einem einzelnen Host trainiert werden In diesem instruierten Live-Training lernen die Teilnehmer, wie DSSTNE zum Erstellen einer Empfehlungsanwendung verwendet werden kann Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Trainieren Sie ein Empfehlungsmodell mit sparse Datensätzen als Eingabe Skalieren Sie Trainings- und Vorhersagemodelle über mehrere GPUs Verteilen Sie Berechnung und Speicherung modellparallel Generieren Sie amazonike personalisierte Produktempfehlungen Stellen Sie eine produktionsbereite Anwendung bereit, die bei hohen Arbeitslasten skaliert werden kann Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlforfinancewithpythonDeep Learning for Finance (with Python)28 StundenMaschinelles 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 .
dlforbankingwithrDeep Learning for Banking (with R)28 StundenMaschinelles 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 populäre Programmiersprache in der Finanzindustrie Es wird in Finanzanwendungen verwendet, die von Kernhandelsprogrammen bis zu Risikomanagementsystemen reichen In diesem instruierten Live-Training lernen die Teilnehmer, wie sie tiefe Lernmodelle für das Banking mit R implementieren können, während sie ein kreatives Kreditrisiko-Modell 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 Banking kennen Verwenden Sie R, um Deep-Learning-Modelle für das Banking zu erstellen Erstellen Sie ein eigenes Deep-Learning-Kreditrisikomodell mit R Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlforbankingwithpythonDeep Learning for Banking (with Python)28 StundenMaschinelles 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 Bankwesen implementieren, während sie ein kreatives Kreditrisiko-Modell 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 Banking kennen Verwenden Sie Python, Keras und TensorFlow, um Deep-Learning-Modelle für das Banking zu erstellen Erstellen Sie mit Python ein eigenes Deep-Learning-Kreditrisikomodell Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlfinancewithrDeep Learning for Finance (with R)28 StundenMaschinelles 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 populäre Programmiersprache in der Finanzindustrie Es wird in Finanzanwendungen verwendet, die von Kernhandelsprogrammen bis zu Risikomanagementsystemen reichen In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von R Deep Learning-Modelle für das Finanzwesen implementieren können, während sie die Erstellung eines Deep Learning-Kursmodells für die Kursentwicklung durchlaufen 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 R, um Deep Learning-Modelle für das Finanzwesen zu erstellen Erstellen Sie ein eigenes Deep-Learning-Kurs-Vorhersage-Modell mit R Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlfornlpDeep Learning for NLP (Natural Language Processing)28 StundenDeep 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 .
undnnUnderstanding Deep Neural Networks35 StundenDieser Kurs beginnt mit konzeptuellem Wissen in neuronalen Netzen und allgemein im maschinellen Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen) Teil 1 (40%) dieses Trainings konzentriert sich mehr auf die Grundlagen, hilft Ihnen aber bei der Auswahl der richtigen Technologie: TensorFlow, Caffe, Theano, DeepDrive, Keras usw Teil 2 (20%) dieser Schulung stellt Theano eine Python-Bibliothek vor, die das Schreiben von Deep-Learning-Modellen erleichtert Teil 3 (40%) des Trainings würde weitgehend auf der Tensorflow 2nd Generation API der Open-Source-Software-Bibliothek von Google für Deep Learning basieren Die Beispiele und Handsons würden alle in TensorFlow gemacht werden Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning-Projekte einsetzen möchten Nach Abschluss dieses Kurses werden die Delegierten: habe ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN verstehen TensorFlows Struktur und Einsatzmechanismen in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen, zu überwachen in der Lage sein, fortgeschrittene Produktion wie Trainingsmodelle, Erstellung von Graphen und Protokollierung zu implementieren Aufgrund der Weite des Themas würden nicht alle Themen in einem öffentlichen Klassenzimmer mit einer Dauer von 35 Stunden behandelt Die Dauer des gesamten Kurses beträgt ca 70 Stunden und nicht 35 Stunden .
mlbankingpython_Machine Learning for Banking (with Python)21 StundenMaschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Python ist eine Programmiersprache, die für ihre klare Syntax und Lesbarkeit bekannt ist Es bietet eine hervorragende Sammlung von gut getesteten Bibliotheken und Techniken zur Entwicklung von maschinellen Lernanwendungen In diesem instruierten Live-Training werden die Teilnehmer lernen, Techniken und Werkzeuge des maschinellen Lernens anzuwenden, um reale Probleme in der Bankenbranche zu lösen Die Teilnehmer lernen zunächst die Schlüsselprinzipien kennen und setzen ihr Wissen dann in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen aufbauen und damit eine Reihe von Teamprojekten durchführen Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
matlabdlMatlab for Deep Learning14 StundenIn diesem instruierten Live-Training lernen die Teilnehmer, wie sie mit Matlab ein konvolutionelles neuronales Netzwerk für die Bilderkennung entwerfen, aufbauen und visualisieren können Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Erstellen Sie ein tiefes Lernmodell Automatisieren Sie die Datenbeschriftung Arbeiten Sie mit Modellen von Caffe und TensorFlowKeras Trainieren Sie Daten mit mehreren GPUs, der Cloud oder den Clustern Publikum Entwickler Ingenieure Domain-Experten Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
radvmlAdvanced Machine Learning with R21 StundenIn diesem instruierten Live-Training erlernen die Teilnehmer fortgeschrittene Techniken für Maschinelles Lernen mit R, während sie eine Realworld-Anwendung erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verwenden Sie Techniken wie Hyperparameter-Tuning und Deep Learning Unüberwachte Lerntechniken verstehen und implementieren Erstellen Sie ein Modell für die Verwendung in einer größeren Anwendung Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
pythonadvmlPython for Advanced Machine Learning21 StundenIn diesem instruierten Live-Training lernen die Teilnehmer die relevantesten und fortschrittlichsten maschinellen Lerntechniken in Python kennen, während sie eine Reihe von Demo-Anwendungen mit Bild-, Musik-, Text- und Finanzdaten erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Implementieren Sie maschinelle Lernalgorithmen und Techniken zur Lösung komplexer Probleme Wenden Sie intensives Lernen und halbüberwachtes Lernen auf Anwendungen mit Bild-, Musik-, Text- und Finanzdaten an Push Python-Algorithmen auf ihr maximales Potenzial Verwenden Sie Bibliotheken und Pakete wie NumPy und Theano Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
openfaceOpenFace: Creating Facial Recognition Systems14 StundenOpenFace ist Python und Torch-basierte Echtzeit-Gesichtserkennungssoftware, die auf der FaceNet-Forschung von Google basiert In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe der OpenFace-Komponenten eine Musteranwendung für die Gesichtserkennung erstellen und bereitstellen können Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Arbeiten Sie mit OpenFace-Komponenten, einschließlich dlib, OpenVC, Torch und nn4, um Gesichtserkennung, Ausrichtung und Transformation zu implementieren Wenden Sie OpenFace auf Realworld-Anwendungen wie Überwachung, Identitätsüberprüfung, Virtual Reality, Spiele und Identifizierung von Stammkunden usw an Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7 StundenTensor2Tensor (T2T) ist eine modulare, erweiterbare Bibliothek zum Trainieren von KI-Modellen in verschiedenen Aufgaben, wobei verschiedene Arten von Trainingsdaten verwendet werden, z B: Bilderkennung, Übersetzung, Parsing, Bildunterschrift und Spracherkennung Es wird vom Google Brain-Team verwaltet In diesem instruierten Live-Training lernen die Teilnehmer, wie sie ein Deeplearning-Modell vorbereiten können, um mehrere Aufgaben zu lösen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Installieren Sie tensor2tensor, wählen Sie einen Datensatz aus und trainieren und bewerten Sie ein AI-Modell Passen Sie eine Entwicklungsumgebung mit den Tools und Komponenten von Tensor2Tensor an Erstellen und verwenden Sie ein einzelnes Modell, um gleichzeitig eine Reihe von Aufgaben aus mehreren Domänen zu lernen Verwenden Sie das Modell, um aus Aufgaben mit einer großen Menge an Trainingsdaten zu lernen, und wenden Sie dieses Wissen auf Aufgaben an, bei denen Daten begrenzt sind Erzielen Sie zufriedenstellende Verarbeitungsergebnisse mit einer einzelnen GPU Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
mldlnlpintroML、DL與NLP入門與進階大綱14 StundenZiel dieses Kurses ist es, Grundkenntnisse in der Anwendung von Methoden des maschinellen Lernens zu vermitteln Durch den Einsatz der Programmiersprache Python und seiner verschiedenen Bibliotheken und anhand einer Vielzahl praktischer Beispiele vermittelt dieser Kurs, wie man die wichtigsten Bausteine ​​des maschinellen Lernens nutzt, Datenmodellierungsentscheidungen trifft, die Ergebnisse der Algorithmen interpretiert und validiere die Ergebnisse Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus der Machine Learning Toolbox sicher zu verstehen und anzuwenden und die üblichen Fallstricke von Data Sciences Anwendungen zu vermeiden .
deeplearning1Introduction to Deep Learning21 StundenDieser Kurs bietet einen allgemeinen Überblick über Deep Learning, ohne dabei auf bestimmte Methoden einzugehen. Es eignet sich für Personen, die Deep Learning nutzen möchten, um ihre Vorhersagegenauigkeit zu verbessern.
PaddlePaddlePaddlePaddle21 StundenPaddlePaddle (PArallel Distributed Deep LEarning) ist eine von Baidu entwickelte skalierbare Deep-Learning-Plattform In diesem instruierten Live-Training lernen die Teilnehmer, PaddlePaddle zu verwenden, um tiefes Lernen in ihren Produkt- und Serviceanwendungen zu ermöglichen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Richten Sie PaddlePaddle ein und konfigurieren Sie es Richten Sie ein Convolutional Neural Network (CNN) für die Bilderkennung und Objekterkennung ein Richten Sie ein Recurrent Neural Network (RNN) für die Stimmungsanalyse ein Richten Sie Deep Learning auf Empfehlungssystemen ein, damit Benutzer Antworten finden können Klickraten (Click-through-Rate - CTR) vorhersagen, großformatige Bildsätze klassifizieren, optische Zeichenerkennung (OCR) durchführen, Suchanfragen einordnen, Computerviren erkennen und ein Empfehlungssystem implementieren Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 StundenMicrosoft Cognitive Toolkit 2x (früher CNTK) ist ein Open Source-Toolkit für den kommerziellen Einsatz, das tiefgreifende Lernalgorithmen zum Lernen wie das menschliche Gehirn trainiert Laut Microsoft kann CNTK 510x schneller als TensorFlow in wiederkehrenden Netzwerken und 2- bis 3-mal schneller als TensorFlow für bildbezogene Tasks sein In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von Microsoft Cognitive Toolkit tiefgreifende Lernalgorithmen für kommerzielle AI-Anwendungen erstellen, trainieren und auswerten, die verschiedene Arten von Daten wie Daten, Sprache, Text und Bilder umfassen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Greifen Sie aus einem Python-, C # - oder C ++ - Programm heraus auf CNTK als Bibliothek zu Nutzen Sie CNTK als eigenständiges Machine Learning Tool durch eine eigene Modellbeschreibungssprache (BrainScript) Verwenden Sie die CNTK-Modellbewertungsfunktionalität aus einem Java-Programm Kombinieren von Feedforward-DNNs, Faltungsnetzwerken (CNNs) und wiederkehrenden Netzwerken (RNNs / LSTMs) Skalieren Sie die Rechenkapazität für CPUs, GPUs und mehrere Maschinen Greifen Sie auf riesige Datensätze mit vorhandenen Programmiersprachen und Algorithmen zu Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Wenn Sie einen Teil dieses Trainings anpassen möchten, einschließlich der Programmiersprache Ihrer Wahl, kontaktieren Sie uns bitte, um dies zu arrangieren .
facebooknmtFacebook NMT: Setting up a Neural Machine Translation System7 StundenFairseq ist ein von Facebok entwickeltes OpenSource Sequenzsequenz-Lern-Toolkit für den Einsatz in Neural Machine Translation (NMT) In diesem Training lernen die Teilnehmer, wie man mit Fairseq den Sample-Inhalt übersetzt Am Ende dieser Schulung haben die Teilnehmer das Wissen und die Praxis, um eine Live-basierte maschinelle Übersetzungslösung auf Fairseq-Basis zu implementieren Publikum Lokalisierungsspezialisten mit technischem Hintergrund Globale Content-Manager Lokalisierungsingenieure Softwareentwickler, die für die Implementierung globaler Content-Lösungen verantwortlich sind Format des Kurses Teilvorlesung, Teildiskussion, schwere Handson-Praxis Hinweis Wenn Sie bestimmte Inhalte in der Ausgangs- und Zielsprache verwenden möchten, kontaktieren Sie uns bitte, um dies zu arrangieren .
intrdplrngrsneuingIntroduction Deep Learning & Neural Networks for Engineers21 StundenTyp: Theoretische Ausbildung mit Bewerbungen, die mit den Studenten auf Lasagne oder Keras nach der pädagogischen Gruppe flussaufwärts entschieden wurden Lehrmethode: Präsentation, Austausch und Fallstudien Künstliche Intelligenz, nachdem sie viele wissenschaftliche Felder zerstört hatte, revolutionierte eine große Anzahl von Wirtschaftszweigen (Industrie, Medizin, Kommunikation usw) Dennoch ist seine Präsentation in den großen Medien oft eine Fantasie, sehr weit entfernt von den Bereichen, in denen maschinelles Lernen oder tiefes Lernen tatsächlich stattfindet Das Ziel dieser Schulung ist es, Ingenieuren, die bereits Computerwerkzeuge beherrschen (einschließlich einer Software-Programmierbasis), eine Einführung in Deep Learning und seine verschiedenen Spezialisierungsbereiche und damit zu den wichtigsten existierenden Netzwerkarchitekturen zu geben heute Wenn die mathematischen Grundlagen während des Kurses abgerufen werden, wird ein Niveau der Mathematik des Typs BAC + 2 für mehr Komfort empfohlen Es ist absolut möglich, die mathematische Achse zu überspringen, um nur eine "System" -Vision zu behalten, aber dieser Ansatz wird Ihr Verständnis des Themas enorm einschränken .
opennmtOpenNMT: Setting Up a Neural Machine Translation System7 StundenOpenNMT ist ein Fullfeatured, Opensource (MIT) neuronales Maschinenübersetzungssystem, das das mathematische Toolkit Torch verwendet In diesem Training lernen die Teilnehmer, wie OpenNMT eingerichtet und verwendet wird, um verschiedene Beispieldatensätze zu übersetzen Der Kurs beginnt mit einem Überblick über neuronale Netze, wie sie für die maschinelle Übersetzung gelten Die Teilnehmer führen während des Kurses Live-Übungen durch, um ihr Verständnis der erlernten Konzepte zu demonstrieren und Feedback vom Kursleiter zu erhalten Am Ende dieser Schulung haben die Teilnehmer das Wissen und die Praxis, um eine Live-OpenNMT-Lösung zu implementieren Quell- und Zielsprachmuster werden entsprechend den Anforderungen der Zielgruppe vorbereitet Publikum Lokalisierungsspezialisten mit technischem Hintergrund Globale Content-Manager Lokalisierungsingenieure Softwareentwickler, die für die Implementierung globaler Content-Lösungen verantwortlich sind Format des Kurses Teilvorlesung, Teildiskussion, schwere Handson-Praxis .
mlentreMachine Learning Concepts for Entrepreneurs and Managers21 StundenDieser Kurs richtet sich an Personen, die Machine Learning in praktischen Anwendungen für ihr Team anwenden möchten Das Training wird nicht in technische Details eintauchen und sich um grundlegende Konzepte und geschäftliche / operative Anwendungen derselben drehen Zielgruppe Investoren und KI-Unternehmer Manager und Ingenieure, deren Unternehmen in den KI-Bereich vorstößt Business Analysten & Investoren .
OpenNNOpenNN: Implementing Neural Networks14 StundenOpenNN ist eine in C ++ geschriebene OpenSource-Klassenbibliothek, die neuronale Netzwerke zur Verwendung im maschinellen Lernen implementiert In diesem Kurs gehen wir auf die Prinzipien neuronaler Netzwerke ein und verwenden OpenNN, um eine Beispielanwendung zu implementieren Publikum Softwareentwickler und Programmierer, die Deep Learning-Anwendungen erstellen möchten Format des Kurses Vortrag und Diskussion in Verbindung mit praktischen Übungen .
TorchTorch: Getting started with Machine and Deep Learning21 StundenTorch ist eine Open-Source-Bibliothek zum maschinellen Lernen und ein Framework für wissenschaftliches Rechnen, das auf der Lua-Programmiersprache basiert Es bietet eine Entwicklungsumgebung für Numerik, maschinelles Lernen und Computer Vision, mit besonderem Schwerpunkt auf Deep Learning und Convolutional Networks Es ist eines der schnellsten und flexibelsten Frameworks für Machine and Deep Learning und wird von Unternehmen wie Facebook, Google, Twitter, NVIDIA, AMD, Intel und vielen anderen genutzt In diesem Kurs behandeln wir die Prinzipien von Torch, seine einzigartigen Eigenschaften und wie es in realen Anwendungen angewendet werden kann Wir durchlaufen durchgehend zahlreiche Hands-on-Übungen, demonstrieren und üben die erlernten Konzepte Am Ende des Kurses werden die Teilnehmer ein tiefgehendes Verständnis der zugrunde liegenden Features und Fähigkeiten von Torch sowie seiner Rolle und seines Beitrags innerhalb des KI-Bereichs im Vergleich zu anderen Frameworks und Bibliotheken haben Die Teilnehmer haben auch die notwendige Praxis erhalten, um Torch in ihren eigenen Projekten zu implementieren Publikum Softwareentwickler und Programmierer, die Machine and Deep Learning innerhalb ihrer Anwendungen ermöglichen wollen Format des Kurses Überblick über Maschinen- und Deep Learning Inclass Codierungs- und Integrationsübungen Testfragen, die auf dem Weg verteilt wurden, um das Verständnis zu überprüfen .
mldtMachine Learning and Deep Learning21 StundenDieser Kurs umfasst KI (Schwerpunkt Maschinelles Lernen und Deep Learning) .
NeuralnettfNeural Networks Fundamentals using TensorFlow as Example28 StundenDieser Kurs vermittelt Ihnen Kenntnisse in neuronalen Netzen und allgemein im maschinellen Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen) Dieses Training konzentriert sich mehr auf die Grundlagen, hilft Ihnen aber bei der Auswahl der richtigen Technologie: TensorFlow, Caffe, Teano, DeepDrive, Keras usw Die Beispiele werden in TensorFlow erstellt .
dlvDeep Learning for Vision21 StundenPublikum Dieser Kurs ist geeignet für Deep Learning-Forscher und Ingenieure, die daran interessiert sind, verfügbare Tools (meist Open Source) zur Analyse von Computerbildern zu nutzen Dieser Kurs bietet Arbeitsbeispiele .
caffeDeep Learning for Vision with Caffe21 StundenCaffe ist ein tiefgründiger Lernrahmen, der Ausdruck, Schnelligkeit und Modularität bietet Dieser Kurs untersucht die Anwendung von Caffe als Deep-Learning-Framework für die Bilderkennung am Beispiel von MNIST Publikum Dieser Kurs eignet sich für Deep Learning-Forscher und Ingenieure, die Caffe als Framework nutzen möchten Nach Abschluss dieses Kurses können die Delegierten: verstehe Caffes Struktur und Einsatzmechanismen Ausführen von Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen bewerten Sie die Codequalität, führen Sie Debugging durch, überwachen Sie Implementierung fortgeschrittener Produktion wie Trainingsmodelle, Implementierung von Layern und Protokollierung .
dladvAdvanced Deep Learning28 StundenMaschinelles 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 .
drlpythonDeep Reinforcement Learning with Python21 StundenDeep Reinforcement Learning bezieht sich auf die Fähigkeit eines "künstlichen Agenten", durch Trialander- und Belohnungs- und Punishment-Techniken zu lernen Ein künstlicher Agent zielt darauf ab, die Fähigkeit eines Menschen zu simulieren, Wissen direkt aus rohen Inputs wie Vision zu gewinnen und zu konstruieren Um verstärktes Lernen zu realisieren, werden Deep Learning und neuronale Netze eingesetzt Verstärkungslernen unterscheidet sich vom maschinellen Lernen und beruht nicht auf überwachten und unüberwachten Lernansätzen In diesem instruierten Live-Training lernen die Teilnehmer die Grundlagen von Deep Reinforcement Learning kennen, während sie die Entwicklung eines Deep Learning Agents durchlaufen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die Schlüsselkonzepte von Deep Reinforcement Learning und können Sie diese von Machine Learning unterscheiden Wenden Sie fortschrittliche Reinforcement-Learning-Algorithmen an, um reale Probleme zu lösen Baue einen Deep Learning-Agenten Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Zukünftige Deep Learning Kurse

CourseSchulungsdatumKurspreis (Fernkurs / Schulungsraum)
Introduction to Deep Learning - BaselMi, 2018-10-10 09:305250EUR / 5900EUR
Machine Learning for Banking (with Python) - BernMi, 2018-10-10 09:305250EUR / 5900EUR
Deep Reinforcement Learning with Python - ZürichMi, 2018-10-17 09:305250EUR / 5900EUR
Deep Learning Schulung, Deep Learning boot camp, Deep Learning Abendkurse, Deep Learning Wochenendkurse, Deep Learning Kurs, Deep Learning Training, Deep Learning Seminar, Deep Learning Seminare, Deep Learning Privatkurs, Deep Learning Coaching, Deep Learning Lehrer

Sonderangebote

Course Ort Schulungsdatum Kurspreis (Fernkurs / Schulungsraum)
WebServices mit SOAP und WSDL - Grundlagen Bern Do, 2018-10-11 09:30 2700EUR / 3200EUR
IoT ( Internet of Things) for Entrepreneurs, Managers and Investors Bern Mo, 2018-10-22 09:30 4725EUR / 5375EUR
Test automation with HP UFT Bern Mo, 2018-10-29 09:30 4455EUR / 5105EUR
Apache Solr - Server für Volltextsuche Bern Mi, 2018-10-31 09:30 2700EUR / 3200EUR
Transact SQL für Fortgeschrittene Bern Mi, 2018-11-14 09:30 1485EUR / 1835EUR
Git für Benutzer Bern Do, 2018-11-22 09:30 1350EUR / 1700EUR

Course Discounts Newsletter

We respect the privacy of your email address. We will not pass on or sell your address to others.
You can always change your preferences or unsubscribe completely.

EINIGE UNSERER KUNDEN

is growing fast!

We are looking to expand our presence in your region!

As a Business Development Manager you will:

  • expand business in the region
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

contact us right away!