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
Machine Translated
Erfahrungsberichte
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
Es werden viele Methoden mit vorbereiteten Skripten gezeigt - sehr gut vorbereitete Materialien und ein einfaches Zurückverfolgen
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Kurs: Machine Learning – Data science
Machine Translated
Ich mag, dass das Training sich auf Beispiele und Codierung konzentrierte. Ich dachte, dass es unmöglich ist, so viel Inhalt in drei Trainingstage zu packen, aber ich habe mich geirrt. Das Training umfasste viele Themen und alles wurde sehr detailliert durchgeführt (insbesondere das Einstellen der Modellparameter - ich hatte nicht damit gerechnet, dass es eine Zeit dafür geben wird, und ich war sehr überrascht).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Kurs: Machine Learning – Data science
Machine Translated
Abwechslungstheorie / -praxis wirksam!
CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Fortschreitende Präsentation und Anwendung von Methoden
Aurélien Briffaz - CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Verfügbarkeit und Anpassungsfähigkeit, Antworten auf Fragen
Jean-Michel MEOT - CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Besprochene Themen, durchgeführte Übungen (Beispiele), Trainingsatmosphäre, Kontakt mit dem Trainer, Standort.
Wojskowe Zakłady Uzbrojenia S.A. w Grudziądzu
Kurs: Octave not only for programmers
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
Mir gefällt, dass es mehr um das How-to der verschiedenen Methoden der Textzusammenfassung geht
Kurs: Text Summarization with Python
Machine Translated
viele informationen, alle fragen beantwortet, interessante beispiele
A1 Telekom Austria AG
Kurs: Deep Learning for Telecom (with Python)
Machine Translated
Der Trainer war ein Fachmann auf dem Fachgebiet und verwandte Theorie mit ausgezeichneter Anwendung
Fahad Malalla - Tatweer Petroleum
Kurs: Applied AI from Scratch in 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
Ewa has a passion for the subject and a huge wealth of knowledge. She impressed all of us with her knowledge and kept us all focused through the day.
Rock Solid Knowledge Ltd
Kurs: Machine Learning – Data science
Even with having to miss a day due to customer meetings, I feel I have a much clearer understanding of the processes and techniques used in Machine Learning and when I would use one approach over another. Our challenge now is to practice what we have learned and start to apply it to our problem domain
Richard Blewett - Rock Solid Knowledge Ltd
Kurs: Machine Learning – Data science
Mir gefällt, dass es mehr um das How-to der verschiedenen Methoden der Textzusammenfassung geht
Kurs: Text Summarization with Python
Machine Translated
ML (Machine Learning) Unterkategorien
ML (Machine Learning) Kurspläne
Name des Kurses
Dauer
Überblick
Name des Kurses
Dauer
Überblick
14 Stunden
Überblick
Dieser Kurs behandelt KI (mit Schwerpunkt auf Machine Learning und Deep Learning ) in der Automotive . Es hilft zu bestimmen, welche Technologie (potenziell) in mehreren Situationen in einem Auto eingesetzt werden kann: von der einfachen Automatisierung über die Bilderkennung bis hin zur autonomen Entscheidungsfindung.
21 Stunden
Überblick
Dieser Kurs führt in Methoden des maschinellen Lernens in Robotikanwendungen ein.
Es gibt einen umfassenden Überblick über bestehende Methoden, Motivationen und Hauptideen im Kontext der Mustererkennung.
Nach einem kurzen theoretischen Hintergrund führen die Teilnehmer einfache Übungen mit Open Source (normalerweise R) oder einer anderen gängigen Software durch.
Es gibt einen umfassenden Überblick über bestehende Methoden, Motivationen und Hauptideen im Kontext der Mustererkennung.
Nach einem kurzen theoretischen Hintergrund führen die Teilnehmer einfache Übungen mit Open Source (normalerweise R) oder einer anderen gängigen Software durch.
14 Stunden
Überblick
Die Mustererkennung ist eine Technik, mit der bestimmte Muster in einem Bild gesucht werden. Es kann verwendet werden, um das Vorhandensein bestimmter Merkmale in einem erfassten Bild zu bestimmen, z. B. das erwartete Etikett auf einem fehlerhaften Produkt in einer Fertigungslinie oder die angegebenen Abmessungen eines Bauteils. Es unterscheidet sich von der " Pattern Recognition " (die allgemeine Muster erkennt, die auf größeren Sammlungen verwandter Muster basieren) darin, dass es genau festlegt, wonach wir suchen, und uns dann mitteilt, ob das erwartete Muster vorhanden ist oder nicht.
Format des Kurses
- Dieser Kurs führt in die Ansätze, Technologien und Algorithmen ein, die im Bereich des Pattern Matching für Machine Vision .
Format des Kurses
- Dieser Kurs führt in die Ansätze, Technologien und Algorithmen ein, die im Bereich des Pattern Matching für Machine Vision .
21 Stunden
Überblick
PaddlePaddle (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 .
14 Stunden
Überblick
OpenNN ist eine in C ++ geschriebene Open-Source-Klassenbibliothek, die neuronale Netzwerke für maschinelles 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, begleitet von praktischen Übungen.
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, begleitet von praktischen Übungen.
7 Stunden
Überblick
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie OpenNMT eingerichtet und verwendet OpenNMT , um die Übersetzung verschiedener Beispieldatensätze durchzuführen. Der Kurs beginnt mit einem Überblick über neuronale Netze, wie sie für die maschinelle Übersetzung gelten. Die Teilnehmer führen während des gesamten Kurses Live-Übungen durch, um ihr Verständnis der erlernten Konzepte zu demonstrieren und Feedback vom Kursleiter zu erhalten.
Am Ende dieser Schulung verfügen die Teilnehmer über das Wissen und die Praxis, um eine Live- OpenNMT Lösung zu implementieren.
Quell- und Zielsprachenbeispiele werden nach den Anforderungen des Publikums vorbestellt.
Format des Kurses
- Teilvorlesung, Teildiskussion, viel Praxis
Am Ende dieser Schulung verfügen die Teilnehmer über das Wissen und die Praxis, um eine Live- OpenNMT Lösung zu implementieren.
Quell- und Zielsprachenbeispiele werden nach den Anforderungen des Publikums vorbestellt.
Format des Kurses
- Teilvorlesung, Teildiskussion, viel Praxis
14 Stunden
Überblick
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 .
14 Stunden
Überblick
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 .
14 Stunden
Überblick
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (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.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (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.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 Stunden
Überblick
Der Kurs richtet sich an diejenigen, die ein alternatives Programm zum kommerziellen MATLAB-Paket kennenlernen möchten Das dreitägige Training bietet umfassende Informationen über die Bewegung in der Umwelt und die Durchführung des OCTAVE-Pakets für Datenanalyse und technische Berechnungen Die Trainingsempfänger sind Anfänger, aber auch diejenigen, die das Programm kennen und ihr Wissen systematisieren und ihre Fähigkeiten verbessern möchten Kenntnisse in anderen Programmiersprachen sind nicht erforderlich, erleichtern aber den Lernenden den Erwerb von Wissen Der Kurs zeigt Ihnen, wie Sie das Programm in vielen praktischen Beispielen verwenden .
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
28 Stunden
Überblick
Dieser Kurs vermittelt Kenntnisse in neuronalen Netzen und allgemein in maschinellem Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen).
Diese Schulung konzentriert sich mehr auf die Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Teano, DeepDrive, Keras usw. Die Beispiele wurden in TensorFlow .
Diese Schulung konzentriert sich mehr auf die Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Teano, DeepDrive, Keras usw. Die Beispiele wurden in TensorFlow .
21 Stunden
Überblick
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet 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.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet 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.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 Stunden
Überblick
In dieser auf Klassenräumen basierenden Schulungssitzung werden maschinelle Lernwerkzeuge mit (empfohlenem) Python . Die Teilnehmer erhalten computergestützte Beispiele und Fallstudien.
21 Stunden
Überblick
Ziel dieses Kurses ist es, allgemeine Kenntnisse in der Anwendung von maschinellen Lernmethoden in der Praxis zu vermitteln. Durch den Einsatz der Programmiersprache Python und ihrer verschiedenen Bibliotheken und anhand einer Vielzahl von Praxisbeispielen vermittelt dieser Kurs, wie man die wichtigsten Bausteine des maschinellen Lernens nutzt, wie man Datenmodellierungsentscheidungen trifft, die Ausgänge der Algorithmen und Validierung der Ergebnisse.
Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus dem Werkzeugkasten Maschinenlerntechnik sicher zu verstehen und zu nutzen und die üblichen Fallstricke von Datenwissenschaften zu vermeiden.
Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus dem Werkzeugkasten Maschinenlerntechnik sicher zu verstehen und zu nutzen und die üblichen Fallstricke von Datenwissenschaften zu vermeiden.
14 Stunden
Überblick
Pandas is a Python library for data manipulation and analysis. Using Pandas, users can perform predictive analysis through machine learning.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 Stunden
Überblick
MLOps (Machine Learning Operations) is the practice of integrating data science and operations to help manage the ML lifecycle. MLOps provides the ability to automate the reproduction of machine learning model development and training.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
35 Stunden
Überblick
MLOps is a set of tools and methodologies for combining Machine Learning and DevOps practices. The goal of MLOps is to automate and optimize the deployment and maintenance of ML systems in production.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 Stunden
Überblick
Diese Präsenzschulung wird maschinelle Lerntechniken mit computerbasierten Beispielen und Fallbeispiel-Lösungsübungen unter Verwendung einer relevanten Programmsprache untersuchen .
14 Stunden
Überblick
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 .
7 Stunden
Überblick
Dieser Kurs richtet sich an Personen, die grundlegende Techniken des Machine Learning in praktischen Anwendungen anwenden möchten.
Publikum
Datenwissenschaftler und Statistiker, die mit maschinellem Lernen vertraut sind und wissen, wie man R programmiert. Der Schwerpunkt dieses Kurses liegt auf den praktischen Aspekten der Daten- / Modellvorbereitung, Ausführung, Post-Hoc-Analyse und Visualisierung. Ziel ist es, Teilnehmern, die an der Anwendung der Methoden bei der Arbeit interessiert sind, eine praktische Einführung in das maschinelle Lernen zu geben
Branchenspezifische Beispiele sollen das Training für das Publikum relevant machen.
Publikum
Datenwissenschaftler und Statistiker, die mit maschinellem Lernen vertraut sind und wissen, wie man R programmiert. Der Schwerpunkt dieses Kurses liegt auf den praktischen Aspekten der Daten- / Modellvorbereitung, Ausführung, Post-Hoc-Analyse und Visualisierung. Ziel ist es, Teilnehmern, die an der Anwendung der Methoden bei der Arbeit interessiert sind, eine praktische Einführung in das maschinelle Lernen zu geben
Branchenspezifische Beispiele sollen das Training für das Publikum relevant machen.
14 Stunden
Überblick
Ziel dieses Kurses ist es, grundlegende Kenntnisse in der Anwendung von Methoden des Machine Learning in der Praxis zu vermitteln. Anhand der R - Programmierplattform und ihrer verschiedenen Bibliotheken sowie anhand einer Vielzahl praktischer Beispiele wird in diesem Kurs die Verwendung der wichtigsten Bausteine des Machine Learning , das Treffen von Datenmodellierungsentscheidungen sowie die Interpretation der Ergebnisse der Algorithmen und erläutert validieren Sie die Ergebnisse.
Unser Ziel ist es, Sie in die Lage zu versetzen, die grundlegendsten Tools aus der Toolbox für Machine Learning sicher zu verstehen und zu verwenden und die üblichen Fallstricke der Data Science Anwendungen zu vermeiden.
Unser Ziel ist es, Sie in die Lage zu versetzen, die grundlegendsten Tools aus der Toolbox für Machine Learning sicher zu verstehen und zu verwenden und die üblichen Fallstricke der Data Science Anwendungen zu vermeiden.
14 Stunden
Überblick
Ziel dieses Kurses ist es, grundlegende Kenntnisse in der Anwendung von Methoden des Machine Learning in der Praxis zu vermitteln. In diesem Kurs wird anhand der Programmiersprache Python und ihrer verschiedenen Bibliotheken anhand einer Vielzahl praktischer Beispiele gezeigt, wie die wichtigsten Bausteine des Machine Learning , wie Datenmodellierungsentscheidungen getroffen, die Ergebnisse der Algorithmen interpretiert werden und validieren Sie die Ergebnisse.
Unser Ziel ist es, Sie in die Lage zu versetzen, die grundlegendsten Tools aus der Toolbox für Machine Learning sicher zu verstehen und zu verwenden und die üblichen Fallstricke der Data Science Anwendungen zu vermeiden.
Unser Ziel ist es, Sie in die Lage zu versetzen, die grundlegendsten Tools aus der Toolbox für Machine Learning sicher zu verstehen und zu verwenden und die üblichen Fallstricke der Data Science Anwendungen zu vermeiden.
14 Stunden
Überblick
Ziel dieses Kurses ist es, grundlegende Kenntnisse in der Anwendung von Methoden des Machine Learning in der Praxis zu vermitteln. In diesem Kurs wird anhand der Programmiersprache Scala und ihrer verschiedenen Bibliotheken anhand einer Vielzahl von praktischen Beispielen gezeigt, wie die wichtigsten Bausteine des Machine Learning , wie Datenmodellierungsentscheidungen getroffen, die Ergebnisse der Algorithmen interpretiert werden und validieren Sie die Ergebnisse.
Unser Ziel ist es, Sie in die Lage zu versetzen, die grundlegendsten Tools aus der Toolbox für Machine Learning sicher zu verstehen und zu verwenden und die üblichen Fallstricke der Data Science Anwendungen zu vermeiden.
Unser Ziel ist es, Sie in die Lage zu versetzen, die grundlegendsten Tools aus der Toolbox für Machine Learning sicher zu verstehen und zu verwenden und die üblichen Fallstricke der Data Science Anwendungen zu vermeiden.
21 Stunden
Überblick
MLflow is an open source platform for streamlining and managing the machine learning lifecycle. It supports any ML (machine learning) library, algorithm, deployment tool or language. Simply add MLflow to your existing ML code to share the code across any ML library being used within your organization.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
28 Stunden
Überblick
Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden. 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 Techniken und Werkzeuge des maschinellen Lernens anwenden, um reale Probleme in der Finanzbranche zu lösen. Als Programmiersprache wird R verwendet.
Die Teilnehmer lernen zunächst die wichtigsten Prinzipien und setzen dann ihr Wissen in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen erstellen und sie für eine Reihe von Teamprojekten verwenden.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens
- Lernen Sie die Anwendungen und Einsatzmöglichkeiten des maschinellen Lernens im Finanzbereich kennen
- Entwickeln Sie ihre eigene algorithmische Handelsstrategie mithilfe von maschinellem Lernen mit R
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 Techniken und Werkzeuge des maschinellen Lernens anwenden, um reale Probleme in der Finanzbranche zu lösen. Als Programmiersprache wird R verwendet.
Die Teilnehmer lernen zunächst die wichtigsten Prinzipien und setzen dann ihr Wissen in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen erstellen und sie für eine Reihe von Teamprojekten verwenden.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens
- Lernen Sie die Anwendungen und Einsatzmöglichkeiten des maschinellen Lernens im Finanzbereich kennen
- Entwickeln Sie ihre eigene algorithmische Handelsstrategie mithilfe von maschinellem Lernen mit R
Publikum
- Entwickler
- Datenwissenschaftler
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
21 Stunden
Überblick
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 bewährter Bibliotheken und Techniken für die Entwicklung maschineller Lernanwendungen.
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Techniken und Werkzeuge des maschinellen Lernens anwenden, um reale Probleme in der Finanzbranche zu lösen.
Die Teilnehmer lernen zunächst die wichtigsten Prinzipien und setzen dann ihr Wissen in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen erstellen und sie für eine Reihe von Teamprojekten verwenden.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens
- Lernen Sie die Anwendungen und Einsatzmöglichkeiten des maschinellen Lernens im Finanzbereich kennen
- Entwickeln Sie ihre eigene algorithmische Handelsstrategie mithilfe von maschinellem Lernen mit Python
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 Techniken und Werkzeuge des maschinellen Lernens anwenden, um reale Probleme in der Finanzbranche zu lösen.
Die Teilnehmer lernen zunächst die wichtigsten Prinzipien und setzen dann ihr Wissen in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen erstellen und sie für eine Reihe von Teamprojekten verwenden.
Am Ende dieser Schulung können die Teilnehmer:
- Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens
- Lernen Sie die Anwendungen und Einsatzmöglichkeiten des maschinellen Lernens im Finanzbereich kennen
- Entwickeln Sie ihre eigene algorithmische Handelsstrategie mithilfe von maschinellem Lernen mit Python
Publikum
- Entwickler
- Datenwissenschaftler
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
21 Stunden
Überblick
Dieser Kurs richtet sich an Personen, die Machine Learning in praktischen Anwendungen für ihr Team anwenden möchten. Die Schulung befasst sich nicht mit technischen Aspekten und dreht sich um grundlegende Konzepte und deren geschäftliche / betriebliche Anwendungen.
Zielgruppe
- Investoren und KI-Unternehmer
- Manager und Ingenieure, deren Unternehmen in den KI-Raum vordringt
- Business & Investoren
Zielgruppe
- Investoren und KI-Unternehmer
- Manager und Ingenieure, deren Unternehmen in den KI-Raum vordringt
- Business & Investoren
21 Stunden
Überblick
PredictionIO ist ein Open-Source-Server für Machine Learning der auf dem neuesten Open-Source-Stack aufbaut.
Publikum
Dieser Kurs richtet sich an Entwickler und Datenwissenschaftler, die Predictive Engines für jede maschinelle Lernaufgabe erstellen möchten.
Publikum
Dieser Kurs richtet sich an Entwickler und Datenwissenschaftler, die Predictive Engines für jede maschinelle Lernaufgabe erstellen möchten.
21 Stunden
Überblick
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 .
Zukünftige Machine Learning (ML) Kurse
2020-11-09 09:30:00
21 hours
2020-11-25 09:30:00
21 hours
2020-12-30 09:30:00
21 hours
2021-01-19 09:30:00
21 hours
2021-03-15 09:30:00
21 hours
Andere Länder
Consulting
Machine Learning Schulung, Machine Learning boot camp, Machine Learning Abendkurse, ML (Machine Learning) Wochenendkurse, ML (Machine Learning) Kurs, Machine Learning Training, ML (Machine Learning) Seminar, Machine Learning (ML) Seminare, Machine Learning (ML) Privatkurs, ML (Machine Learning) Coaching, Machine Learning Lehrer
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "american international group (aig)")
.png "european central bank (ecb)")
.png "aeronautical radio, incorporated (arinc)")
.jpg "european molecular biology laboratory (embl)")
