Machine Learning Schulungen

Generative KI ist eine Art von KI, die ursprüngliche Inhalte wie Text, Bilder, Musik und Code erstellen kann. Große Sprachmodelle (Large Language Models, LLM) sind leistungsstarke neuronale Netze, die natürliche Sprache verarbeiten und generieren können  Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an fortgeschrittene Entwickler, die lernen möchten, wie man generative KI mit LLMs für verschiedene Aufgaben und Bereiche einsetzt. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Erklären Sie, was generative KI ist und wie sie funktioniert. Beschreiben Sie die Transformatorarchitektur, die LLMs antreibt. Anwendung empirischer Skalierungsgesetze zur Optimierung von LLMs für verschiedene Aufgaben und Einschränkungen. Wenden Sie modernste Werkzeuge und Methoden an, um LLMs zu trainieren, feinabzustimmen und einzusetzen. Diskutieren Sie die Chancen und Risiken generativer KI für Gesellschaft und Wirtschaft.

Format des Kurses

Interaktive Vorlesung und Diskussion. Viele Übungen und Praxis. Praktische Umsetzung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

LightGBM ist ein freies und quelloffenes verteiltes Gradient-Boosting-Framework für maschinelles Lernen, das ursprünglich von Microsoft entwickelt wurde. Es basiert auf Entscheidungsbaum-Algorithmen und wird für Ranking-, Klassifizierungs- und andere maschinelle Lernaufgaben verwendet.  Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler und Datenwissenschaftler, die die Grundlagen von LightGBM erlernen und fortgeschrittene Techniken erproben möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

LightGBM installieren und konfigurieren. Verstehen der Theorie hinter Gradient Boosting und Entscheidungsbaum-Algorithmen LightGBM für grundlegende und fortgeschrittene Aufgaben des maschinellen Lernens zu verwenden. Implementierung fortgeschrittener Techniken wie Feature Engineering, Hyperparameter-Tuning und Modellinterpretation. LightGBM mit anderen Frameworks für maschinelles Lernen zu integrieren. Behebung von häufigen Problemen in LightGBM.

Format des Kurses

Interaktive Vorlesung und Diskussion. Viele Übungen und Praxis. Praktische Umsetzung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Stable Diffusion ist ein leistungsfähiges Deep-Learning-Modell, das detaillierte Bilder auf der Grundlage von Textbeschreibungen generieren kann.  Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, Ingenieure für maschinelles Lernen, Deep-Learning-Forscher und Computer-Vision-Experten, die ihre Kenntnisse und Fähigkeiten im Bereich Deep Learning für die Text-Bild-Erzeugung erweitern möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Verstehen fortgeschrittener Deep-Learning-Architekturen und -Techniken für die Text-zu-Bild-Erzeugung. Implementierung komplexer Modelle und Optimierungen für hochwertige Bildsynthese. Optimierung von Leistung und Skalierbarkeit für große Datensätze und komplexe Modelle. Abstimmen von Hyperparametern für bessere Modellleistung und Generalisierung. Integration von Stable Diffusion mit anderen Deep-Learning-Frameworks und -Tools.

Format des Kurses

Interaktive Vorlesung und Diskussion. Viele Übungen und Praxis. Praktische Umsetzung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um Folgendes zu vereinbaren

Generative Pre-trained Transformers (GPT) sind hochmoderne Modelle für die Verarbeitung natürlicher Sprache, die verschiedene Anwendungen revolutioniert haben, darunter Spracherzeugung, Textvervollständigung und maschinelle Übersetzung. Dieser Kurs bietet eine eingehende Untersuchung von GPT-Modellen, mit einem Schwerpunkt auf GPT-3 und den neuesten Fortschritten in GPT-4. Die Teilnehmer erhalten einen Einblick in die Architektur, Trainingstechniken und Anwendungen von GPT-Modellen. Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, Ingenieure für maschinelles Lernen, NLP-Forscher und KI-Enthusiasten, die das Innenleben von GPT-Modellen verstehen, die Möglichkeiten von GPT-3 und GPT-4 erkunden und lernen möchten, wie sie diese Modelle für ihre NLP-Aufgaben nutzen können. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Verstehen der Schlüsselkonzepte und Prinzipien hinter Generative Pre-trained Transformers. Verstehen der Architektur und des Trainingsprozesses von GPT-Modellen. Nutzung von GPT-3 für Aufgaben wie Texterstellung, -vervollständigung und -übersetzung. Erforschung der neuesten Fortschritte bei GPT-4 und seiner möglichen Anwendungen. GPT-Modelle auf eigene NLP-Projekte und -Aufgaben anzuwenden.

Format des Kurses

Interaktive Vorlesung und Diskussion. Viele Übungen und Praxis. Praktische Umsetzung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Vertex AI ist eine Google Cloud-Umgebung zur Durchführung maschineller Lernaufgaben vom Experimentieren über die Bereitstellung bis hin zur Verwaltung und Überwachung von Modellen. Es handelt sich um eine skalierbare Infrastruktur, die Benutzerverwaltungsfunktionen und Sicherheitskontrollen für maschinelle Lernprojekte bietet.Dieses von einem Lehrer geleitete Live-Training (online oder vor Ort) richtet sich an Software-Ingenieure auf Anfänger- bis Fortgeschrittenenniveau oder an alle, die lernen möchten, wie man mit Vertex AI maschinelle Lernaktivitäten durchführt und abschließt.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Verstehen Sie, wie Vertex AI funktioniert, und nutzen Sie es als Plattform für maschinelles Lernen. Erfahren Sie mehr über maschinelles Lernen und NLP-Konzepte. Erfahren Sie, wie Sie Modelle für maschinelles Lernen mithilfe von Vertex AI trainieren und bereitstellen.

Format des Kurses

Interaktiver Vortrag und Diskussion. Viele Übungen und Übungen. Praxisnahe Umsetzung in einer Live-Lab-Umgebung.

Optionen zur Kursanpassung

Um eine individuelle Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

DeepSpeed ist eine Deep-Learning-Optimierungsbibliothek, die die Skalierung von Deep-Learning-Modellen auf verteilter Hardware erleichtert. DeepSpeed wurde von Microsoft entwickelt und lässt sich in PyTorch integrieren, um eine bessere Skalierung, schnelleres Training und eine verbesserte Ressourcennutzung zu ermöglichen.Diese von Lehrern geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler auf Anfänger- bis Fortgeschrittenenniveau und Ingenieure für maschinelles Lernen, die die Leistung ihrer Deep-Learning-Modelle verbessern möchten.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Verstehen Sie die Prinzipien des verteilten Deep Learning. Installieren und konfigurieren Sie DeepSpeed. Skalieren Sie Deep-Learning-Modelle auf verteilter Hardware mit DeepSpeed. Implementieren und experimentieren Sie mit DeepSpeed-Funktionen zur Optimierung und Speichereffizienz.

Format des Kurses

Interaktiver Vortrag und Diskussion. Viele Übungen und Übungen. Praxisnahe Umsetzung in einer Live-Lab-Umgebung.

Optionen zur Kursanpassung

Um eine individuelle Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Large Language Models (LLMs) sind tiefe neuronale Netzmodelle, die Texte in natürlicher Sprache auf der Grundlage einer gegebenen Eingabe oder eines gegebenen Kontexts generieren können. Sie werden anhand großer Mengen von Textdaten aus verschiedenen Bereichen und Quellen trainiert und können die syntaktischen und semantischen Muster der natürlichen Sprache erfassen. LLMs haben beeindruckende Ergebnisse bei verschiedenen natürlichsprachlichen Aufgaben wie Textzusammenfassung, Beantwortung von Fragen, Texterzeugung und mehr erzielt. Diese Live-Schulung (online oder vor Ort) unter der Leitung eines Trainers richtet sich an Anfänger und Fortgeschrittene, die Large Language Models für verschiedene Aufgaben in natürlicher Sprache einsetzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Richten Sie eine Entwicklungsumgebung ein, die ein gängiges LLM enthält. Erstellen Sie ein grundlegendes LLM und nehmen Sie eine Feinabstimmung mit einem benutzerdefinierten Datensatz vor. LLMs für verschiedene natürlichsprachliche Aufgaben wie Textzusammenfassung, Fragenbeantwortung, Texterzeugung und mehr verwenden. LLMs mit Werkzeugen wie TensorBoard, PyTorch Lightning und Hugging Face Datasets debuggen und evaluieren.

Format des Kurses

Interaktive Vorlesung und Diskussion. Viele Übungen und Praxis. Praktische Umsetzung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

AlphaFold ist ein Artificial Intelligence (AI) System, das die Proteinstrukturen voraussagt. Es wird von Alphabet’s/Google’s DeepMind als ein tiefer Lernsystem entwickelt, das genau 3D-Modelle von Proteinstrukturen vorhersagen kann. Dieser Instructor-leitet, Live-Training (online oder online) richtet sich an Biologen, die verstehen wollen, wie AlphaFold arbeiten und verwenden AlphaFold Modelle als Leitfaden in ihren experimentellen Studien. Am Ende dieser Ausbildung können die Teilnehmer:

Sie verstehen die Grundprinzipien von AlphaFold. Lernen Sie, wie AlphaFold funktioniert. Erfahren Sie, wie Sie AlphaFold Prognosen und Ergebnisse interpretieren.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Stable Diffusion ist ein leistungsfähiges Deep-Learning-Modell, das detaillierte Bilder auf der Grundlage von Textbeschreibungen generieren kann.  Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, Ingenieure für maschinelles Lernen und Computer-Vision-Forscher, die Stable Diffusion nutzen möchten, um hochwertige Bilder für eine Vielzahl von Anwendungsfällen zu erzeugen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Verstehen der Prinzipien von Stable Diffusion und wie es bei der Bilderzeugung funktioniert. Erstellen und Trainieren von Stable Diffusion-Modellen für Bilderzeugungsaufgaben. Anwendung von Stable Diffusion auf verschiedene Szenarien der Bilderzeugung, wie Inpainting, Outpainting und Bild-zu-Bild-Übersetzung. Optimieren der Leistung und Stabilität von Stable Diffusion-Modellen.

Format des Kurses

Interaktive Vorlesung und Diskussion. Viele Übungen und Praxis. Praktische Umsetzung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um Folgendes zu vereinbaren

RapidMiner ist eine fortschrittliche Analyseplattform, die eine integrierte Umgebung für Datenaufbereitung, maschinelles Lernen, Deep Learning, Text Mining und prädiktive Analysen bietet. Diese von einem Ausbilder geleitete Live-Schulung (online oder vor Ort) richtet sich an fortgeschrittene Datenanalysten, die lernen möchten, wie man mit RapidMiner Werte schätzt und projiziert und analytische Tools für Zeitreihenprognosen einsetzt. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Lernen Sie, die CRISP-DM-Methodik anzuwenden, geeignete Algorithmen für maschinelles Lernen auszuwählen und die Modellkonstruktion und -leistung zu verbessern. Verwenden Sie RapidMiner, um Werte zu schätzen und zu projizieren, und nutzen Sie analytische Werkzeuge für Zeitreihenprognosen.

Format des Kurses

Interaktive Vorlesung und Diskussion. Viele Übungen und Praxis. Praktische Umsetzung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Waikato Environment for Knowledge Analysis (Weka) ist eine Open-Source Data Mining Visualization-Software. Es bietet eine Sammlung von Maschinenlern-Algorithmen für Datenherstellung, Klassifizierung, Klusterung und andere Data Mining-Aktivitäten. Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Datenanalytiker und Datenwissenschaftler, die verwenden möchten Weka für die Erfüllung von Data Mining Aufgaben. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren Weka Verständnis der Weka Umwelt und des Arbeitsplatzes. Durchführen Sie Datenmining Aufgaben mit Weka.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Ziel dieses Kurses ist es, eine grundlegende Kompetenz in der Anwendung Machine Learning Methoden in der Praxis zu bieten. Durch die Verwendung der Programmiersprache und ihrer verschiedenen Bibliotheken und auf der Grundlage einer Vielzahl praktischer Beispiele lehrt dieser Kurs, wie man die wichtigsten Baublöcke von Machine Learning verwendet, wie man Datenmodellierungsentscheidungen macht, die Ergebnisse der Algorithmen interpretiert und die Ergebnisse validiert. Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Tools aus dem Toolbox vertrauensvoll zu verstehen und zu verwenden und die gemeinsamen Fälle der Anwendungen zu vermeiden.

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 .

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.

Dies ist ein 4-Tage-Kurs, mit dem AI und seine Anwendung mit der Programmiersprache eingeführt werden. Es gibt eine Option, einen zusätzlichen Tag zu haben, um ein AI-Projekt zu unternehmen, um diesen Kurs zu beenden. 

Deep Reinforcement Learning bezieht sich auf die Fähigkeit eines „künstlichen Agenten“, durch Versuch und Irrtum sowie Belohnung und Strafe zu lernen. Ein künstlicher Agent zielt darauf ab, die Fähigkeit eines Menschen nachzuahmen, selbstständig Wissen zu erlangen und zu konstruieren, und zwar direkt aus rohen Eingaben wie Visionen. Um Reinforcement Learning zu realisieren, werden Deep Learning und neuronale Netze eingesetzt. Reinforcement Learning unterscheidet sich vom maschinellen Lernen und basiert nicht auf überwachten und unüberwachten Lernansätzen.Dieses von einem Lehrer geleitete Live-Training (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die die Grundlagen von Deep Reinforcement Learning erlernen möchten, während sie die Erstellung eines Deep Learning Agenten durchlaufen.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Verstehen Sie die Schlüsselkonzepte hinter Deep Reinforcement Learning und können Sie es von Machine Learning unterscheiden. Wenden Sie fortschrittliche Reinforcement Learning Algorithmen an, um reale Probleme zu lösen. Erstellen Sie einen Deep Learning Agenten.

Format des Kurses

Interaktiver Vortrag und Diskussion. Viele Übungen und Übungen. Praxisnahe Umsetzung in einer Live-Lab-Umgebung.

Optionen zur Kursanpassung

Um eine individuelle Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Machine Learning ist eine Branche der künstlichen Intelligenz, in der Computer die Fähigkeit haben, ohne ausdrücklich programmiert zu werden. Die tiefe Lernen ist ein Unterfeld des Maschinenlernen, das Methoden verwendet, die auf Lerndaten-Repräsentationen und Strukturen wie neurale Netzwerke basieren. Python ist eine hochwertige Programmiersprache berühmt für ihre klaren Syntax und Code Lesbarkeit. In diesem Instructor-leitet, Live-Training, lernen die Teilnehmer, wie die Implementierung von tiefen Lernmodellen für Telekom mit Python wie sie durch die Schaffung eines tiefen Lern-Kredit-Risiko-Modell. Am Ende dieser Ausbildung können die Teilnehmer:

Sie verstehen die grundlegenden Konzepte des tiefen Lernens. Lernen Sie die Anwendungen und Anwendungen des tiefen Lernens in Telekom. Nutzen Python, Keras und TensorFlow, um tiefe Lernmodelle für Telecom zu erstellen. Erstellen Sie Ihr eigenes Deep Learning Customer Churn Prognose-Modell mit Python.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Embedding Projector ist eine Open-Source-Webanwendung zur Visualisierung der Daten, die zum Trainieren von maschinellen Lernsystemen verwendet werden Erstellt von Google, ist es ein Teil von TensorFlow Dieses instruierte Live-Training stellt die Konzepte hinter Embedding Projector vor und führt die Teilnehmer durch die Einrichtung eines Demo-Projekts Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Erfahren Sie, wie Daten von maschinellen Lernmodellen interpretiert werden Navigieren Sie durch 3D- und 2D-Ansichten von Daten, um zu verstehen, wie ein maschineller Lernalgorithmus sie interpretiert Verstehen Sie die Konzepte hinter Embedding und ihre Rolle bei der Darstellung mathematischer Vektoren für Bilder, Wörter und Zahlen Erkunden Sie die Eigenschaften einer bestimmten Einbettung, um das Verhalten eines Modells zu verstehen Wenden Sie Embedding Project auf reale Anwendungsfälle an, wie zum Beispiel das Erstellen eines Song-Empfehlungssystems für Musikliebhaber Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Dieser Kurs richtet sich an Manager, Lösungsarchitekten, Innovationsbeauftragte, CTOs, Softwarearchitekten und alle, die sich für einen Überblick über angewandte künstliche Intelligenz und die nächsten Prognosen für ihre Entwicklung interessieren.

Wie sehen die Städte der Zukunft aus? Wie kann Artificial Intelligence (AI) zur Verbesserung der Stadtplanung eingesetzt werden? Wie kann KI genutzt werden, um Städte effizienter, lebenswerter, sicherer und umweltfreundlicher zu machen? In diesem von Lehrern geleiteten Live-Training (vor Ort oder per Fernzugriff) untersuchen wir die verschiedenen Technologien, aus denen KI besteht, sowie die Fähigkeiten und mentalen Rahmenbedingungen, die erforderlich sind, um sie für die Stadtplanung zu verwenden. Wir behandeln auch Tools und Ansätze zum Sammeln und Organisieren relevanter Daten zur Verwendung in der KI, einschließlich Data Mining. Publikum

• Stadtplaner
• Architekten
• Entwickler
• Transportbeamte

Format des Kurses

• Teilvorlesung, Teildiskussion und eine Reihe interaktiver Übungen.

Hinweis

• Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.

AI ist eine Sammlung von Technologien zum Aufbau intelligenter Systeme, die in der Lage sind, Daten und die damit verbundenen Aktivitäten zu verstehen, um "intelligente Entscheidungen" zu treffen. Für Telekommunikationsanbieter könnte die Erstellung von Anwendungen und Diensten, die AI verwenden, die Tür für einen verbesserten Betrieb und Service in Bereichen wie Wartung und Netzwerkoptimierung öffnen. In diesem Kurs untersuchen wir die verschiedenen Technologien, aus denen AI besteht, und die Fähigkeiten, die erforderlich sind, um sie einzusetzen. Während des gesamten Kurses untersuchen wir die spezifischen Anwendungen von AI in der Telekommunikationsbranche. Publikum

• Netzwerktechniker
• Personal für Netzwerkoperationen
• Technische Manager für Telekommunikation

Format des Kurses

• Teilvorlesung, Teildiskussion, praktische Übungen

Dieser Kurs wurde für Personen entwickelt, die noch keine Erfahrung mit Wahrscheinlichkeit und Statistik haben .

Die lineare Algebra ist ein Zweig der Mathematik, der sich mit Vektoren, Matrizen und linearen Transformationen befasst. Kenntnisse der linearen Algebra helfen Ingenieuren und Entwicklern, ihre Fähigkeiten zum maschinellen Lernen zu verbessern. Durch das Verstehen von Konzepten der linearen Algebra können sie die Prinzipien hinter maschinellen Lerntechniken besser verstehen und so Probleme schneller lösen. In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Grundlagen der linearen Algebra kennen, während sie die Lösung eines maschinellen Lernproblems mit linearen Algebra-Methoden durchführen. Am Ende dieser Schulung können die Teilnehmer:

• Grundlegende Konzepte der linearen Algebra verstehen
• Erlernen Sie die für maschinelles Lernen erforderlichen Fähigkeiten der linearen Algebra
• Verwenden Sie lineare Algebra-Strukturen und -Konzepte, wenn Sie mit Daten, Bildern, Algorithmen usw. arbeiten.
• Lösen Sie ein maschinelles Lernproblem mit linearer Algebra

Publikum

• Entwickler
• Ingenieure

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Hinweis

• Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.

Azure Machine Learning (AML) ist eine pay-as-you-go, Cloud-basierte Umgebung für die Ausbildung, Verwendung, Automatisierung, Verwaltung und Tracking von ML-Modellen. Dieser Instructor-Leid, Live-Training (online oder on-site) richtet sich an Ingenieure, die die drag-and-drop-Plattform von ML verwenden möchten, um Arbeitsladungen zu implementieren, ohne Software und Hardware zu kaufen und keine Sorgen über Wartung und Layout zu machen. Am Ende dieser Ausbildung können die Teilnehmer:

Schreiben Sie hochpräzise Maschinenlernmodelle mit Python, R oder Zero-Code-Tools. Leverage Azure's verfügbare Datensätze und Algorithmen zur Ausbildung und Verfolgung von Machine Learning und Deep-Learning-Modelle. Verwenden Sie den interaktiven Arbeitsplatz Azure, um ML-Modelle gemeinsam zu entwickeln. Wählen Sie aus verschiedenen Azure unterstützten ML-Frameworks wie PyTorch, TensorFlow und scikit-learn.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Das künstliche neuronale Netz ist ein Computerdatenmodell, das bei der Entwicklung von Artificial Intelligence (AI) Systemen Artificial Intelligence (AI) verwendet wird, die "intelligente" Aufgaben ausführen können. Neural Networks werden häufig in ML-Anwendungen ( Machine Learning ) verwendet, bei denen es sich um eine Implementierung von AI handelt. Deep Learning ist eine Teilmenge von ML.

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. 

Dieser Kurs richtet sich an Personen, die Machine Learning in praktischen Anwendungen anwenden möchten. Publikum Dieser Kurs richtet sich an Datenwissenschaftler und Statistiker, die mit Statistik vertraut sind und wissen, wie man R (oder Python oder eine andere ausgewählte Sprache) 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, praktische Anwendungen des Machine Learning zu bieten. Branchenspezifische Beispiele sollen das Training für das Publikum relevant machen.

Amazon Web Services (AWS) SageMaker ist ein Cloud Machine Learning-Service, der Entwicklern ermöglicht, Maschinenlehrmodelle schnell auf jeder Skala zu bauen, zu trainieren und zu implementieren. Dieser Instructor-Leid, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler und Entwickler, die Maschinenlehrmodelle für die Einführung in produktionsbereit Hosting-Umgebungen erstellen und trainieren möchten. Am Ende dieser Ausbildung können die Teilnehmer:

Verwenden Sie Notebook-Einstellungen, um Daten für die Ausbildung vorzubereiten und hochzuladen. Trainieren Sie Maschinenlärmmodelle mit Trainingsdatasets. Entwickeln Sie trainierte Modelle zu einem Endpunkt, um Prognosen zu erstellen.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Azure Machine Learning ist eine Cloud-basierte Plattform für die Konstruktion, Ausbildung und Verwendung von Maschinenlernmodellen. Azure Machine Learning bietet den Benutzern die Fähigkeit, Maschinenlehrlösungen ohne eine einzige Code-Linie zu erstellen. Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler, die verwenden möchten Azure Machine Learning zum Erstellen von End-to-End-Machine-Learning-Modelle für vorhersehbare Analyse. Am Ende dieser Ausbildung können die Teilnehmer:

Bauen Sie Maschinenlehrmodelle mit zero-Programmungserfahrung. Erstellen Sie vorhersehbare Algorithmen mit Azure Machine Learning. Entwickeln Sie die fertigen Maschinenlernen-Algorithmen.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Dieser Kurs ist eine Kombination aus Theorie und praktischer Arbeit mit konkreten Beispielen, die während der gesamten Veranstaltung verwendet werden.