Lokale, von einem Ausbilder geleitete Live Machine Learning (ML) Trainingskurse demonstrieren durch praktische Übungen, wie man maschinelle Lerntechniken und Werkzeuge anwendet, um reale Probleme in verschiedenen Branchen zu lösen. NobleProg ML Kurse decken verschiedene Programmiersprachen und Frameworks, einschließlich Python, R-Sprache und Matlab. Machine-Learning-Kurse werden für eine Reihe von Branchenanwendungen angeboten, einschließlich Finanzen, Bankwesen und Versicherungen und decken die Grundlagen des maschinellen Lernens sowie fortgeschrittenere Ansätze wie Deep Learning ab. Machine Learning Training ist als "Live-Training vor Ort" oder "Fern-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

★★★★★

Ref Material später zu verwenden war sehr gut.

PAUL BEALES- Seagate Technology.

Course: Angewandtes Maschinelles Lernen

Translated by

Was hat Ihnen an dem Training am meisten gefallen ?: Gab mir eine gute Übung, um mithilfe von R Maschinenlernsysteme für reale Situationen zu bauen. Ich kann das sofort in meiner Arbeit verwenden. Das war ein ausgezeichneter Kurs. Eines der besten, die ich je hatte.

Matthew Thomas - British Telecom

Course: Angewandtes Maschinelles Lernen

Translated by

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

Course: Artificial Neural Networks, Machine Learning, Deep Thinking

Translated by

Der Trainer war so sachkundig und schloss Bereiche ein, an denen ich interessiert war.

Mohamed Salama

Course: Data Mining & Machine Learning with R

Translated by

Das Thema ist sehr interessant.

Wojciech Baranowski

Course: Introduction to Deep Learning

Translated by

Trainer theoretische Kenntnisse und Bereitschaft, die Probleme mit den Teilnehmern nach dem Training zu lösen.

Grzegorz Mianowski

Course: Introduction to Deep Learning

Translated by

Thema. Sehr interessant!.

Piotr

Course: Introduction to Deep Learning

Translated by

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.

Course: Introduction to Deep Learning

Translated by

Ich denke, wenn das Training auf Polnisch gemacht würde, würde es dem Trainer erlauben, sein Wissen effizienter zu teilen.

Radek

Course: Introduction to Deep Learning

Translated by

Der globale Überblick über Deep Learning.

Bruno Charbonnier

Course: Advanced Deep Learning

Translated by

Die Übungen sind ausreichend praktisch und erfordern keine hohen Kenntnisse in Python.

Alexandre GIRARD

Course: Advanced Deep Learning

Translated by

Übungen an echten Beispielen mit Eras. Italien hat unsere Erwartungen an dieses Training vollkommen verstanden.

Paul Kassis

Course: Advanced Deep Learning

Translated by

Das Thema. Es schien interessant, aber ich verließ nicht viel mehr als vorher.

Radoslaw Labedzki

Course: Introduction to Deep Learning

Translated by

Mir hat gefallen, dass dieser Kurs ein sehr interessantes Thema hatte.

Wojciech Wilk

Course: Introduction to Deep Learning

Translated by

Ich habe die kristallklaren Antworten von Chris auf unsere Fragen sehr geschätzt.

Léo Dubus

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ich genoss im Allgemeinen den sachkundigen Trainer.

Sridhar Voorakkara

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ich war erstaunt über den Standard dieser Klasse - ich würde sagen, dass es Universitätsstandard war.

David Relihan

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Sehr gute Rundum-Übersicht. Ein guter Hintergrund, warum Tensorflow so funktioniert.

Kieran Conboy

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ich mochte die Gelegenheiten, Fragen zu stellen und tiefergehende Erklärungen der Theorie zu bekommen.

Sharon Ruane

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Wir haben viel mehr Einblick in das Thema bekommen. Mit einigen echten Themen in unserem Unternehmen wurde eine nette Diskussion geführt.

Sebastiaan Holman

Course: Machine Learning and Deep Learning

Translated by

Das Training bot die richtige Grundlage, um weiter zu expandieren, indem wir zeigen, wie Theorie und Praxis Hand in Hand gehen. Es hat mich mehr an dem Thema interessiert als zuvor.

Jean-Paul van Tillo

Course: Machine Learning and Deep Learning

Translated by

Ich habe die Berichterstattung und Tiefe der Themen sehr genossen.

Anirban Basu

Course: Machine Learning and Deep Learning

Translated by

Das tiefe Wissen des Trainers über das Thema.

Sebastian Görg

Course: Introduction to Deep Learning

Translated by

Sehr aktualisierter Ansatz oder CPI (Tensor Flow, Ära, lernen), um maschinelles Lernen zu tun.

Paul Lee

Course: TensorFlow for Image Recognition

Translated by

Sehr flexibel.

Frank Ueltzhöffer

Course: Artificial Neural Networks, Machine Learning and Deep Thinking

Translated by

Ich habe generell die Flexibilität genossen.

Werner Philipp

Course: Artificial Neural Networks, Machine Learning and Deep Thinking

Translated by

Voraussichtlicher Stand der Technologie: Welche Technologie / Prozess könnte in Zukunft wichtiger werden? sehen Sie, wofür die Technologie verwendet werden kann.

Commerzbank AG

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ich habe von der Themenauswahl profitiert. Art des Trainings. Praxisorientierung.

Commerzbank AG

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Vertiefte Darstellung von Themen des maschinellen Lernens, insbesondere neuronaler Netze. Entmystifizierte viel von dem Thema.

Sacha Nandlall

Course: Python for Advanced Machine Learning

Translated by

Übungen

L M ERICSSON LIMITED

Course: Machine Learning

Translated by

die Laborübungen

Marcell Lorant - L M ERICSSON LIMITED

Course: Machine Learning

Translated by

Das Jupyter Notebook-Formular, in dem das Trainingsmaterial zur Verfügung steht

L M ERICSSON LIMITED

Course: Machine Learning

Translated by

Es gab viele Übungen und interessante Themen.

L M ERICSSON LIMITED

Course: Machine Learning

Translated by

einige großartige Übungen, die vom Trainer ausführlich analysiert und erklärt wurden (zB Kovarianten in der linearen Regression, die der realen Funktion entsprechen)

L M ERICSSON LIMITED

Course: Machine Learning

Translated by

Es ist einfach toll, dass alle Materialien einschließlich der Übungen auf der gleichen Seite sind und dann sofort aktualisiert werden. Die Lösung wird am Ende enthüllt. Cool! Ich weiß es auch zu schätzen, dass Krzysztof sich mehr Mühe gegeben hat, unsere Probleme zu verstehen und uns mögliche Techniken vorgeschlagen hat.

Attila Nagy - L M ERICSSON LIMITED

Course: Machine Learning

Translated by

Ich habe von der Leidenschaft zum Lehren profitiert und mich darauf konzentriert, Dinge sinnvoll zu machen.

Zaher Sharifi - GOSI

Course: Advanced Deep Learning

Translated by

Der informelle Austausch, den wir während der Vorträge hatten, hat mir wirklich geholfen, mein Verständnis für das Thema zu vertiefen.

Explore

Course: Deep Reinforcement Learning with Python

Translated by

It is showing many methods with pre prepared scripts- very nicely prepared materials & easy to traceback

Kamila Begej - GE Medical Systems Polska Sp. Zoo

Course: Machine Learning – Data science

I like that training was focused on examples and coding. I thought that it is impossible to pack so much content into three days of training, but I was wrong. Training covered many topics and everything was done in a very detailed manner (especially tuning of model's parameters - I didn't expected that there will be a time for this and I was gratly surprised).

Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo

Course: Machine Learning – Data science

Machine Learning Unterkategorien

Machine Learning Kurspläne

Title

Duration

Overview

Title

Duration

Overview

Artificial Intelligence Overview

7 hours

Overview

Dieser Kurs richtet sich an Manager, Lösungsarchitekten, Innovationsbeauftragte, CTOs, Software-Architekten und alle, die sich für einen Überblick über angewandte künstliche Intelligenz und die nächste Prognose für ihre Entwicklung interessieren.

OpenNLP for Text Based Machine Learning

14 hours

Overview

Die Apache OpenNLP-Bibliothek ist ein auf maschinellem Lernen basierendes Toolkit zur Verarbeitung von Text in natürlicher Sprache Es unterstützt die gebräuchlichsten NLP-Aufgaben, wie z B Spracherkennung, Tokenisierung, Satzsegmentierung, Teil-Spech-Tagging, Namensentitätsextraktion, Chunking, Parsing und Koreferenzierung In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mit OpenNLP Modelle für die Verarbeitung textbasierter Daten erstellen können Als Grundlage für die Laborübungen dienen sowohl Trainingsdaten als auch kundenspezifische Datensätze Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Installieren und konfigurieren Sie OpenNLP Laden Sie bestehende Modelle herunter und erstellen Sie eigene Modelle Trainieren Sie die Modelle auf verschiedenen Sample-Datensätzen Integrieren Sie OpenNLP in vorhandene Java-Anwendungen Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Deep Learning for Banking (with R)

28 hours

Overview

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 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 .

Deep Learning for Banking (with Python)

28 hours

Overview

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 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 .

Deep Learning for Finance (with R)

28 hours

Overview

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 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 .

Machine Learning for Finance (with R)

28 hours

Overview

Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden 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 werden die Teilnehmer lernen, Techniken und Werkzeuge des maschinellen Lernens anzuwenden, um reale Probleme in der Finanzindustrie zu lösen R wird als Programmiersprache verwendet 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 Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens Erlernen Sie die Anwendungen und Anwendungen des maschinellen Lernens im Finanzwesen Entwickeln Sie eine eigene algorithmische Handelsstrategie mit maschinellem Lernen mit R Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Machine Learning for Finance (with Python)

21 hours

Overview

Maschinelles 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 Finanzindustrie 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 Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens Erlernen Sie die Anwendungen und Anwendungen des maschinellen Lernens im Finanzwesen Entwickeln Sie ihre eigene algorithmische Handelsstrategie mit Machine Learning mit Python Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Deep Learning for NLP (Natural Language Processing)

28 hours

Overview

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 .

Text Summarization with Python

14 hours

Overview

In Python Machine Learning kann die Textzusammenfassungsfunktion den eingegebenen Text lesen und eine Textzusammenfassung erstellen Diese Funktion ist über die Befehlszeile oder als Python API / Library verfügbar Eine aufregende Anwendung ist die schnelle Erstellung von Executive-Zusammenfassungen; Dies ist besonders nützlich für Organisationen, die umfangreiche Textdaten vor dem Erstellen von Berichten und Präsentationen überprüfen müssen In diesem instruierten Live-Training lernen die Teilnehmer, mit Python eine einfache Anwendung zu erstellen, die automatisch eine Zusammenfassung des Eingabetextes generiert Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verwenden Sie ein Befehlszeilenprogramm, das den Text zusammenfasst Entwerfen und erstellen Sie Textzusammenfassungscode mithilfe von Python-Bibliotheken Bewerten Sie drei Python-Zusammenfassungsbibliotheken: sumy 070, pysummarization 104, readless 1017 Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Understanding Deep Neural Networks

35 hours

Overview

Dieser 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 .

Machine Learning for Banking (with Python)

21 hours

Overview

Maschinelles 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 .

Turning Data into Intelligent Action with Cortana Intelligence

28 hours

Overview

Cortana Intelligence Suite ist ein Paket integrierter Produkte und Dienste in der Microsoft Azure Cloud, mit denen Entitäten Daten in intelligente Aktionen umwandeln können In diesem instruierten Live-Training lernen die Teilnehmer, wie die Komponenten der Cortana Intelligence Suite zum Aufbau datengesteuerter intelligenter Anwendungen eingesetzt werden können Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Erfahren Sie, wie Sie Cortana Intelligence Suite-Tools verwenden Erwerben Sie das neueste Wissen über Datenmanagement und -analyse Verwenden Sie Cortana-Komponenten, um Daten in intelligente Aktionen zu verwandeln Verwenden Sie Cortana, um Anwendungen von Grund auf neu zu erstellen und in der Cloud zu starten Publikum Datenwissenschaftler Programmierer Entwickler Manager Architekten Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Machine Learning for Banking (with R)

28 hours

Overview

In diesem instruierten Live-Training werden die Teilnehmer lernen, Techniken und Werkzeuge des maschinellen Lernens anzuwenden, um reale Probleme in der Bankenbranche zu lösen R wird als Programmiersprache verwendet 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 sie für eine Reihe von Live-Projekten verwenden Publikum Entwickler Datenwissenschaftler Banking-Profis mit einem technischen Hintergrund Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Matlab for Deep Learning

14 hours

Overview

In 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 .

TensorFlow Serving

7 hours

Overview

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 .

Machine Learning on iOS

14 hours

Overview

In diesem instruierten Live-Training lernen die Teilnehmer, wie sie den Technologie-Stack von iOS Machine Learning (ML) nutzen können, während sie die Erstellung und Bereitstellung einer mobilen iOS-App durchlaufen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Erstellen Sie eine mobile App, die Bildverarbeitung, Textanalyse und Spracherkennung unterstützt Greifen Sie auf vortrainierte ML-Modelle zur Integration in iOS-Apps zu Erstellen Sie ein benutzerdefiniertes ML-Modell Fügen Sie Siri Voice-Unterstützung für iOS-Apps hinzu Verstehen und verwenden Sie Frameworks wie CoreML, Vision, CoreGraphics und GamePlayKit Verwenden Sie Sprachen und Tools wie Python, Keras, Caffee, Tensorflow, Scikit lernen, libsvm, Anaconda und Spyder Publikum Entwickler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Python: Machine Learning with Text

21 hours

Overview

In diesem instruierten Live-Training werden die Teilnehmer lernen, wie sie das richtige maschinelle Lernen und NLP-Techniken (Natural Language Processing) einsetzen, um aus textbasierten Daten Nutzen zu ziehen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Lösen Sie textbasierte Probleme der Datenwissenschaft mit qualitativ hochwertigem, wiederverwendbarem Code Wenden Sie verschiedene Aspekte von scikitlearn an (Klassifikation, Clustering, Regression, Dimensionalitätsreduktion), um Probleme zu lösen Erstellen Sie effektive maschinelle Lernmodelle mit textbasierten Daten Erstellen Sie ein Dataset und extrahieren Sie Features aus unstrukturiertem Text Visualisieren Sie Daten mit Matplotlib Erstellen und bewerten Sie Modelle, um Einblicke zu gewinnen Beheben Sie Textcodierungsfehler Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Encog: Introduction to Machine Learning

14 hours

Overview

Encog ist ein Open Source-Framework zum maschinellen Lernen für Java undNet In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von ENCOG verschiedene neuronale Netzwerkkomponenten erstellen können Realworld-Fallstudien werden diskutiert und maschinensprachliche Lösungen für diese Probleme werden untersucht Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Bereiten Sie Daten für neuronale Netze unter Verwendung des Normalisierungsprozesses vor Implementieren Sie Feed-Forward-Netzwerke und Fortpflanzungs-Trainingsmethoden Implementieren Sie Klassifizierungs- und Regressionsaufgaben Modellieren und trainieren Sie neurale Netzwerke mithilfe der GUI-basierten Workbench von Encog Integrieren Sie die neuronale Netzwerkunterstützung in Realworld-Anwendungen Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Encog: Advanced Machine Learning

14 hours

Overview

Encog ist ein Open Source-Framework zum maschinellen Lernen für Java undNet In diesem instruierten Live-Training lernen die Teilnehmer fortgeschrittene Techniken des maschinellen Lernens kennen, um präzise neuronale Vorhersagemodelle zu erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Implementieren Sie verschiedene Optimierungstechniken für neuronale Netzwerke, um die Unter- und Überanpassung zu beheben Verstehen und wählen Sie aus einer Reihe von neuronalen Netzwerkarchitekturen Implementieren Sie überwachte Feed-Forward- und Feedback-Netzwerke Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Advanced Machine Learning with R

21 hours

Overview

In 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 .

Python for Advanced Machine Learning

21 hours

Overview

In 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 .

Deep Learning for Finance (with Python)

28 hours

Overview

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 .

Building Intelligent Mobile Applications

35 hours

Overview

Intelligente Anwendungen sind Apps der nächsten Generation, die ständig von Benutzerinteraktionen lernen können, um Benutzern einen besseren Nutzen und eine höhere Relevanz zu bieten In diesem instruierten Live-Training lernen die Teilnehmer, wie sie intelligente mobile Anwendungen und Bots erstellen können Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte intelligenter Anwendungen Erfahren Sie, wie Sie verschiedene Tools zum Erstellen intelligenter Anwendungen verwenden Erstellen Sie intelligente Anwendungen mit Azure, Cognitive Services API, Stream Analytics und Xamarin Publikum Entwickler Programmierer Hobbyisten Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

OpenFace: Creating Facial Recognition Systems

14 hours

Overview

OpenFace 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 .

Applied AI from Scratch

28 hours

Overview

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.

Deep Learning with TensorFlow 2.0

21 hours

Overview

TensorFlow ist eine populäre und maschinelle Lernbibliothek, die von Google für tiefes Lernen, numerische Berechnungen und großflächiges maschinelles Lernen entwickelt wurde. TensorFlow 2.0, veröffentlicht im Januar 2019, ist die neueste Version von TensorFlow und enthält Verbesserungen in der eifrigen Ausführung, Kompatibilität und API-Konsistenz.

Dieses von Ausbildern geleitete Live-Training (vor Ort oder Remote) richtet sich an Entwickler und Datenwissenschaftler, die mit Tensorflow 2.0 Vorhersagen, Klassifizierer, generative Modelle, neuronale Netzwerke und so weiter bauen wollen.

Am Ende dieses Trainings können die Teilnehmer:

- installieren und TensorFlow 2.0 konfigurieren
. - Verstehen Sie die Vorteile von TensorFlow 2.0 gegenüber früheren Versionen
. - Build deep learning models
. - implementieren Sie einen erweiterten Bildklassifizierer
. - Ein tiefgreifendes Lernmodell für die Cloud, Mobile und IoT-Geräte
.

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 TensorFlow zu erfahren, besuchen Sie bitte: https://www.tensorflow.org/

Feature Engineering for Machine Learning

14 hours

Overview

Feature Engineering ist der Prozess der Auswahl und Transformation von Daten, um die Genauigkeit von maschinellen Lernalgorithmen zu verbessern. Es erfordert eine tiefe Vertrautheit mit den Daten eines Sachverständigen

.

Diese von Lehrern geleitete Live-Ausbildung (vor Ort oder Fernbedienung) richtet sich an Personen, die Feature-Engineering-Techniken anwenden möchten, um Daten besser verarbeiten und bessere maschinelle Lernmodelle zu erhalten.

Am Ende dieses Trainings können die Teilnehmer:

- Setzen Sie eine optimale Entwicklungsumgebung ein, einschließlich aller benötigten Python-Pakete
. - Erhalten Sie wichtige Erkenntnisse, indem Sie die Eigenschaften eines Datensatzes
analysieren. - Optimierung der maschinellen Lernmodelle durch Anpassung der Rohdaten selbst.
- in Vorbereitung auf das maschinelle Lernen die Datensätze reinigen und umwandeln.

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.

Artificial Intelligence (AI) with H2O

14 hours

Overview

H2O ist eine Open-Source-Vorhersageplattform. Es unterstützt R, Python, Scala, Java und REST.

Dieses von Lehrern geleitete Live-Training (vor Ort oder Remote) richtet sich an technische Personen, die maschinelle Lernmodelle mit Algorithmen wie GLM, Deep Learning und Random Forests erstellen möchten.

Am Ende dieses Trainings können die Teilnehmer:

- installieren und H2O konfigurieren.
- Erstellen Sie maschinelle Lernmodelle mit verschiedenen gängigen Algorithmen
. - Bewerten Sie Modelle, die auf der Art der Daten und Geschäftsanforderungen basieren.

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 H2O zu erfahren, besuchen Sie bitte: https://www.h2o.ai/

H2O AutoML

14 hours

Overview

H2O AutoML ist eine Plattform für künstliche Intelligenz, die den Prozess des Aufbaus, der Auswahl und Optimierung einer Vielzahl von maschinellen Lernmodellen automatisiert.

Dieses von Lehrern geleitete Live-Training (vor Ort oder Remote) richtet sich an Datenwissenschaftler, die mit H2O AutoML den Prozess des Aufbaus und der Auswahl der besten Algorithmen und Parameter des maschinellen Lernens automatisieren möchten.

Am Ende dieses Trainings können die Teilnehmer:

- Automatisieren Sie den Arbeitsablauf für das Erlernen der Maschine
. - automatisch viele maschinelle Lernmodelle innerhalb eines bestimmten Zeitraums
. - Train stapelte Ensembles, um zu hochgradig prädiktiven Ensemblemodellen zu gelangen.

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.

AutoML with Auto-sklearn

14 hours

Overview

Auto-Sklearn ist ein Python-Paket, das um die Scikit-learn-Maschinenlernbibliothek herum aufgebaut ist. Er sucht automatisch nach dem richtigen Lernalgorithmus für einen neuen maschinellen Lerndatensatz und optimiert dessen Parameter

.

Dieses von Lehrern geleitete Live-Training (vor Ort oder Remote) richtet sich an maschinelle Lernpraktiker, die mit Auto-Sklearn den Prozess der Auswahl und Optimierung eines maschinellen Lernmodells automatisieren möchten.

Am Ende dieses Trainings können die Teilnehmer:

- Automatisieren Sie den Prozess der Schulung von hocheffizienten maschinellen Lernmodellen.
- hochpräzise Maschinenlernmodelle zu erstellen und dabei die mühseligeren Aufgaben der Auswahl, Schulung und Erprobung verschiedener Modelle zu umgehen.
- Nutzen Sie die Kraft des maschinellen Lernens, um die Probleme der realen Welt zu lösen.

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.

Zukünftige Machine Learning Kurse

Deep Learning for Telecom (with Python)

2019-07-15 09:30:00

Basel

Fernkurs

4000EUR

Schulungsraum

5200EUR

Deep Learning with TensorFlow

2019-07-17 09:30:00

Bern

Fernkurs

3750EUR

Schulungsraum

4700EUR

TensorFlow for Image Recognition

2019-07-22 09:30:00

Bern

Fernkurs

5000EUR

Schulungsraum

6200EUR

Natural Language Processing with TensorFlow

2019-07-29 09:30:00

Zürich

Fernkurs

6250EUR

Schulungsraum

7700EUR

Neural Networks Fundamentals using TensorFlow as Example

2019-07-29 09:30:00

Zürich

Fernkurs

5000EUR

Schulungsraum

6200EUR

Other regions

;Zürich Bern Basel

Other countries

These courses are also available in other countries ››

Consulting

Machine Learning Consulting

Machine Learning Schulung, Machine Learning boot camp, Machine Learning Abendkurse, Machine Learning Wochenendkurse, Machine Learning Kurs, Machine Learning Training, Machine Learning Seminar, Machine Learning Seminare, Machine Learning Privatkurs, Machine Learning Coaching, Machine Learning Lehrer