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

★★★★★

Ref Material später zu verwenden war sehr gut.

PAUL BEALES- Seagate Technology.

Kurs: Angewandtes Maschinelles Lernen

Machine Translated

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

Kurs: Angewandtes Maschinelles Lernen

Machine Translated

Es war sehr interaktiv und entspannter und informeller als erwartet. Wir haben in der Zeit viele Themen behandelt und der Trainer war immer offen dafür, im Detail oder allgemeiner über die Themen und ihre Zusammenhänge zu sprechen. Ich denke, das Training hat mir die Werkzeuge gegeben, um weiter zu lernen, im Gegensatz zu einer einmaligen Sitzung, in der das Lernen nach dem Abschluss aufhört, was angesichts des Umfangs und der Komplexität des Themas sehr wichtig ist.

Jonathan Blease

Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking

Machine Translated

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

Mohamed Salama

Kurs: Data Mining & Machine Learning with R

Machine Translated

Das Thema ist sehr interessant.

Wojciech Baranowski

Kurs: Introduction to Deep Learning

Machine Translated

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

Grzegorz Mianowski

Kurs: Introduction to Deep Learning

Machine Translated

Thema. Sehr interessant!.

Piotr

Kurs: Introduction to Deep Learning

Machine Translated

Übungen nach jedem Thema waren sehr hilfreich, obwohl es am Ende zu kompliziert war. Im Allgemeinen war das präsentierte Material sehr interessant und interessant! Übungen mit Bilderkennung waren großartig.

Dolby Poland Sp. z o.o.

Kurs: Introduction to Deep Learning

Machine Translated

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

Radek

Kurs: Introduction to Deep Learning

Machine Translated

Der globale Überblick über Deep Learning.

Bruno Charbonnier

Kurs: Advanced Deep Learning

Machine Translated

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

Alexandre GIRARD

Kurs: Advanced Deep Learning

Machine Translated

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

Paul Kassis

Kurs: Advanced Deep Learning

Machine Translated

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

Radoslaw Labedzki

Kurs: Introduction to Deep Learning

Machine Translated

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

Wojciech Wilk

Kurs: Introduction to Deep Learning

Machine Translated

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

Léo Dubus

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Ich genoss im Allgemeinen den sachkundigen Trainer.

Sridhar Voorakkara

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

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

David Relihan

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Sehr gute Rundumübersicht. Go od Hintergrund in warum Tensorflow arbeitet , wie es der Fall ist.

Kieran Conboy

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

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

Sharon Ruane

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

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

Sebastiaan Holman

Kurs: Machine Learning and Deep Learning

Machine Translated

Die Schulung bot die richtige Grundlage, um weiter auszubauen und zu zeigen, wie Theorie und Praxis Hand in Hand gehen. Es hat mich tatsächlich mehr für das Thema interessiert als vorher.

Jean-Paul van Tillo

Kurs: Machine Learning and Deep Learning

Machine Translated

Ich habe die Berichterstattung und Tiefe der Themen sehr genossen.

Anirban Basu

Kurs: Machine Learning and Deep Learning

Machine Translated

Das tiefe Wissen des Trainers über das Thema.

Sebastian Görg

Kurs: Introduction to Deep Learning

Machine Translated

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

Paul Lee

Kurs: TensorFlow for Image Recognition

Machine Translated

Sehr flexibel.

Frank Ueltzhöffer

Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

Ich habe generell die Flexibilität genossen.

Werner Philipp

Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

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

Commerzbank AG

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

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

Commerzbank AG

Kurs: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

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

Sacha Nandlall

Kurs: Python for Advanced Machine Learning

Machine Translated

Übungen

L M ERICSSON LIMITED

Kurs: Machine Learning

Machine Translated

die Laborübungen

Marcell Lorant - L M ERICSSON LIMITED

Kurs: Machine Learning

Machine Translated

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

L M ERICSSON LIMITED

Kurs: Machine Learning

Machine Translated

Es gab viele Übungen und interessante Themen.

L M ERICSSON LIMITED

Kurs: Machine Learning

Machine Translated

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

Kurs: Machine Learning

Machine Translated

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

Kurs: Machine Learning

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

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

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

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

Artificial Intelligence in Automotive

14 hours

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.

Machine Learning in business – AI/Robotics

14 hours

Überblick

Diese Präsenzschulung wird maschinelle Lerntechniken mit computerbasierten Beispielen und Fallbeispiel-Lösungsübungen unter Verwendung einer relevanten Programmsprache untersuchen .

OpenNLP for Text Based Machine Learning

14 hours

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 .

OpenFace: Creating Facial Recognition Systems

14 hours

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 .

Octave not only for programmers

21 hours

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 .

Neural computing – Data science

14 hours

Überblick

Diese auf Klassenräumen basierende Schulungssitzung enthält Präsentationen und computergestützte Beispiele sowie Fallstudien, die mit relevanten neuronalen und tiefen Netzwerkbibliotheken durchgeführt werden sollen

Neural Networks Fundamentals using TensorFlow as Example

28 hours

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 .

Machine Learning – Data science

21 hours

Überblick

In dieser auf Klassenräumen basierenden Schulungssitzung werden maschinelle Lernwerkzeuge mit (empfohlenem) Python . Die Teilnehmer erhalten computergestützte Beispiele und Fallstudien.

Machine Learning for Robotics

21 hours

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.

Machine Learning with Python

21 hours

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.

Machine Learning on iOS

14 hours

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 .

OpenNN: Implementing Neural Networks

14 hours

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.

Introduction to Machine Learning

7 hours

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.

Machine Learning Fundamentals with R

14 hours

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.

Machine Learning Fundamentals with Python

14 hours

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.

Machine Learning Fundamentals with Scala and Apache Spark

14 hours

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.

Machine Learning for Finance (with R)

28 hours

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

Machine Learning for Finance (with Python)

21 hours

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

Machine Learning Concepts for Entrepreneurs and Managers

21 hours

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

Machine Learning and Deep Learning

21 hours

Überblick

Dieser Kurs befasst sich mit KI (Schwerpunkt Machine Learning und Deep Learning )

Machine Learning and Big Data

7 hours

Überblick

Dieses Live-Training (vor Ort oder per Fernzugriff) richtet sich an technische Personen, die lernen möchten, wie eine Strategie für maschinelles Lernen implementiert und gleichzeitig die Nutzung von Big Data maximiert wird.

Am Ende dieser Schulung werden die Teilnehmer:

- Verstehen Sie die Entwicklung und Trends des maschinellen Lernens.
- Wissen, wie maschinelles Lernen branchenübergreifend eingesetzt wird.
- Machen Sie sich mit den Tools, Fähigkeiten und Diensten vertraut, die für die Implementierung von maschinellem Lernen in einer Organisation verfügbar sind.
- Verstehen Sie, wie maschinelles Lernen zur Verbesserung von Data Mining und Analyse eingesetzt werden kann.
- Erfahren Sie, was ein Data Middle Backend ist und wie es von Unternehmen verwendet wird.
- Verstehen Sie, welche Rolle Big Data und intelligente Anwendungen branchenübergreifend spielen.

Format des Kurses

- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.

Anpassungsoptionen für den Kurs

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

OpenNMT: Setting Up a Neural Machine Translation System

7 hours

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

PaddlePaddle

21 hours

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 .

Machine Learning for Banking (with Python)

21 hours

Überblick

Machine Learning 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 geleiteten Live-Training lernen die Teilnehmer, wie sie Techniken und Werkzeuge des maschinellen Lernens anwenden, um reale Probleme in der Bankenbranche 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.

Publikum

- Entwickler
- Datenwissenschaftler

Format des Kurses

- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Deep Learning with TensorFlow 2.0

21 hours

Überblick

TensorFlow ist eine beliebte und maschinelles Lernen Bibliothek entwickelt von Go Ogle für tiefe Lernen, numerische Berechnung und Groß maschinellen Lernen. TensorFlow 2.0, veröffentlicht im Januar 2019, ist die neueste Version von TensorFlow und enthält Verbesserungen in TensorFlow auf eifrige Ausführung, Kompatibilität und API-Konsistenz.

Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler und Datenwissenschaftler, die Tensorflow 2.0 verwenden möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netzwerke usw. zu erstellen.

Am Ende dieser Schulung können die Teilnehmer:

- Installieren und konfigurieren Sie TensorFlow 2.0.
- Verstehen Sie die Vorteile von TensorFlow 2.0 gegenüber früheren Versionen.
- Bauen Sie Deep-Learning-Modelle auf.
- Implementieren Sie einen erweiterten Bildklassifikator.
- Stellen Sie ein Deep-Learning-Modell für Cloud-, Mobil- und IoT-Geräte bereit.

Format des Kurses

- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.

Anpassungsoptionen für den Kurs

- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
- Um mehr über TensorFlow zu erfahren, besuchen Sie bitte: https://www.tensorflow.org/

NLP with Deeplearning4j

14 hours

Überblick

Deeplearning4j ist eine Open-Source-Bibliothek, die für Java und Scala . DL4J ist in Hadoop und Spark integriert und wurde für den Einsatz in Geschäftsumgebungen auf verteilten GPU und CPUs entwickelt.

Word 2Vec ist eine Methode , Vektordarstellungen von Worten der Berechnung von einem Team von Forschern an eingeführt Go Ogle Leitung von Tomas Mikolov.

Publikum

Dieser Kurs richtet sich an Forscher, Ingenieure und Entwickler, die mithilfe von Deeplearning4J Word 2Vec-Modelle erstellen möchten.

Understanding Deep Neural Networks

35 hours

Überblick

Dieser Kurs beginnt mit dem Erlernen von konzeptionellen Kenntnissen in neuronalen Netzen und allgemein in maschinellem Lernalgorithmus und Tiefenlernen (Algorithmen und Anwendungen).

Teil 1 (40%) dieses Trainings konzentriert sich mehr auf Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras usw.

In Teil 2 (20%) dieses Trainings wird Theano vorgestellt - eine Python-Bibliothek, die das Schreiben von Deep-Learning-Modellen erleichtert.

Part-3 (40%) die Ausbildung intensiv auf Basis von Tensorflow würde - 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Die Beispiele und Handys würden alle in TensorFlow .

Publikum

Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow

Nach Abschluss dieses Kurses werden die Teilnehmer:

-

ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN haben

-

Struktur und Einsatzmechanismen von TensorFlow verstehen

-

in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen

-

in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen

-

in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren

Natural Language Processing with TensorFlow

35 hours

Überblick

TensorFlow ™ ist eine Open-Source-Softwarebibliothek für die numerische Berechnung mithilfe von Datenflussdiagrammen.

SyntaxNet ist ein Framework für die Verarbeitung natürlicher Sprachen in einem neuronalen Netzwerk für TensorFlow .

Word 2Vec wird zum Lernen von Vektordarstellungen von Wörtern verwendet, die als "Worteinbettungen" bezeichnet werden. Word 2vec ist ein besonders recheneffizientes Vorhersagemodell zum Lernen von Worteinbettungen aus Rohtext. Es gibt zwei Varianten: das Continuous Bag-of- Word Modell (CBOW) und das Skip-Gram-Modell (Kapitel 3.1 und 3.2 in Mikolov et al.).

In Kombination mit SyntaxNet und Word 2Vec können Benutzer gelernte Einbettungsmodelle aus Eingaben in natürlicher Sprache generieren.

Publikum

Dieser Kurs richtet sich an Entwickler und Ingenieure, die beabsichtigen, mit SyntaxNet- und Word 2Vec-Modellen in ihren TensorFlow Diagrammen zu arbeiten.

Nach Abschluss dieses Kurses werden die Teilnehmer:

- Struktur und Einsatzmechanismen von TensorFlow verstehen
- in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
- in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
- in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Einbetten von Begriffen, das Erstellen von Grafiken und das Protokollieren zu implementieren

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 hours

Überblick

Die Tensor Processing Unit (TPU) ist die Architektur, die Google seit einigen Jahren intern nutzt und nun für die breite Öffentlichkeit verfügbar ist Es enthält mehrere Optimierungen speziell für die Verwendung in neuronalen Netzen, einschließlich einer gestrafften Matrixmultiplikation und 8-Bit-Ganzzahlen anstelle von 16-Bit, um geeignete Genauigkeitsniveaus zu erhalten In diesem instruierten Live-Training lernen die Teilnehmer, wie sie die Vorteile von TPU-Prozessoren nutzen können, um die Leistung ihrer eigenen KI-Anwendungen zu maximieren Am Ende des Trainings werden die Teilnehmer in der Lage sein: Trainieren Sie verschiedene Arten von neuronalen Netzwerken auf großen Datenmengen Verwenden Sie TPUs, um den Inferenzprozess um bis zu zwei Größenordnungen zu beschleunigen Verwenden Sie TPUs, um intensive Anwendungen wie Bildsuche, Cloud Vision und Fotos zu verarbeiten Publikum Entwickler Forscher Ingenieure Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Torch for Machine and Deep Learning

21 hours

Überblick

Torch ist eine Open-Source-Bibliothek für maschinelles Lernen und ein Framework für wissenschaftliches Rechnen, das auf der Programmiersprache Lua basiert. Es bietet eine Entwicklungsumgebung für Numerik, maschinelles Lernen und Computer Vision mit besonderem Schwerpunkt auf Deep Learning und Faltungsnetzen. Es ist eine der schnellsten und flexibelsten Rahmenbedingungen für die Maschine und Deep Learning und wird von Unternehmen wie verwendet Facebook , Go Ogle, Twitter, NVIDIA, AMD, Intel, und viele andere.

In diesem von Lehrern geführten Live-Training werden die Prinzipien von Torch , seine einzigartigen Funktionen und seine Anwendung in realen Anwendungen erläutert. Wir führen durch zahlreiche praktische Übungen, demonstrieren und üben die erlernten Konzepte.

Am Ende des Kurses werden die Teilnehmer ein umfassendes Verständnis der zugrunde liegenden Funktionen und Fähigkeiten von Torch sowie seiner Rolle und seines Beitrags im KI-Raum im Vergleich zu anderen Frameworks und Bibliotheken haben. Die Teilnehmer haben auch die notwendige Übung erhalten, um Torch in ihren eigenen Projekten zu implementieren.

Format des Kurses

- Überblick über maschinelles und Deep Learning
- Codierungs- und Integrationsübungen in der Klasse
- Testfragen wurden auf dem Weg verteilt, um das Verständnis zu überprüfen

Zukünftige Machine Learning (ML) Kurse

Matlab for Deep Learning

2019-10-31 09:30:00

Bern

Fernkurs

2500EUR

Schulungsraum

3200EUR

Deep Learning for Banking (with R)

2019-11-04 09:30:00

Bern

Fernkurs

5000EUR

Schulungsraum

6200EUR

Matlab for Deep Learning

2019-11-04 09:30:00

Basel

Fernkurs

2500EUR

Schulungsraum

3200EUR

Deep Learning for Banking (with Python)

2019-11-05 09:30:00

Bern

Fernkurs

5000EUR

Schulungsraum

6200EUR

Deep Learning for Banking (with R)

2019-11-11 09:30:00

Basel

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, 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