Lokale, instruktorierte Live-Machine-Learning-Schulungen demonstrieren durch praktische Übungen, wie man maschinelle Lerntechniken und Werkzeuge zur Lösung von realen Problemen in verschiedenen Branchen anwendet 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.
Ref Material später zu verwenden war sehr gut.
PAUL BEALES- Seagate Technology.
Course: Applied Machine Learning
Translated by
Was hat Ihnen an dem Training am meisten gefallen ?: Gab mir eine gute Übung, um mithilfe von R Maschinenlernsysteme für reale Situationen zu bauen. Ich kann das sofort in meiner Arbeit verwenden. Das war ein ausgezeichneter Kurs. Eines der besten, die ich je hatte.
Matthew Thomas - British Telecom
Course: Applied Machine Learning
Translated by
Es war sehr interaktiv und entspannter und informeller als erwartet. Wir haben in der Zeit viele Themen behandelt und der Trainer war immer offen dafür, im Detail oder allgemeiner über die Themen und ihre Zusammenhänge zu sprechen. Ich denke, das Training hat mir die Werkzeuge gegeben, um weiter zu lernen, im Gegensatz zu einer einmaligen Sitzung, in der das Lernen nach dem Abschluss aufhört, was angesichts des Umfangs und der Komplexität des Themas sehr wichtig ist.
Jonathan Blease
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Ref Material später zu verwenden war sehr gut.
PAUL BEALES
Course: Applied Machine Learning
Translated by
Der Trainer war so sachkundig und schloss Bereiche ein, an denen ich interessiert war.
Mohamed Salama
Course: Data Mining & Machine Learning with R
Translated by
Das Thema ist sehr interessant.
Wojciech Baranowski
Course: Introduction to Deep Learning
Translated by
Trainer theoretische Kenntnisse und Bereitschaft, die Probleme mit den Teilnehmern nach dem Training zu lösen.
Grzegorz Mianowski
Course: Introduction to Deep Learning
Translated by
Thema. Sehr interessant!.
Piotr
Course: Introduction to Deep Learning
Translated by
Übungen nach jedem Thema waren sehr hilfreich, obwohl es am Ende zu kompliziert war. Im Allgemeinen war das präsentierte Material sehr interessant und interessant! Übungen mit Bilderkennung waren großartig.
Dolby Poland Sp. z o.o.
Course: Introduction to Deep Learning
Translated by
Ich denke, wenn das Training auf Polnisch gemacht würde, würde es dem Trainer erlauben, sein Wissen effizienter zu teilen.
Radek
Course: Introduction to Deep Learning
Translated by
Der globale Überblick über Deep Learning.
Bruno Charbonnier
Course: Advanced Deep Learning
Translated by
Die Übungen sind ausreichend praktisch und erfordern keine hohen Kenntnisse in Python.
Alexandre GIRARD
Course: Advanced Deep Learning
Translated by
Übungen an echten Beispielen mit Eras. Italien hat unsere Erwartungen an dieses Training vollkommen verstanden.
Paul Kassis
Course: Advanced Deep Learning
Translated by
Das Thema. Es schien interessant, aber ich verließ nicht viel mehr als vorher.
Radoslaw Labedzki
Course: Introduction to Deep Learning
Translated by
Mir hat gefallen, dass dieser Kurs ein sehr interessantes Thema hatte.
Wojciech Wilk
Course: Introduction to Deep Learning
Translated by
Ich habe die kristallklaren Antworten von Chris auf unsere Fragen sehr geschätzt.
Léo Dubus
Course: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Translated by
Ich genoss im Allgemeinen den sachkundigen Trainer.
Sridhar Voorakkara
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Ich war erstaunt über den Standard dieser Klasse - ich würde sagen, dass es Universitätsstandard war.
David Relihan
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Sehr gute Rundum-Übersicht. Ein guter Hintergrund, warum Tensorflow so funktioniert.
Kieran Conboy
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Ich mochte die Gelegenheiten, Fragen zu stellen und tiefergehende Erklärungen der Theorie zu bekommen.
Sharon Ruane
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Wir haben viel mehr Einblick in das Thema bekommen. Mit einigen echten Themen in unserem Unternehmen wurde eine nette Diskussion geführt.
Sebastiaan Holman
Course: Machine Learning and Deep Learning
Translated by
Das Training bot die richtige Grundlage, um weiter zu expandieren, indem wir zeigen, wie Theorie und Praxis Hand in Hand gehen. Es hat mich mehr an dem Thema interessiert als zuvor.
Jean-Paul van Tillo
Course: Machine Learning and Deep Learning
Translated by
Ich habe die Berichterstattung und Tiefe der Themen sehr genossen.
Anirban Basu
Course: Machine Learning and Deep Learning
Translated by
Der Trainer erklärte sehr leicht schwierige und fortgeschrittene Themen.
Leszek K
Course: Artificial Intelligence Overview
Translated by
Das tiefe Wissen des Trainers über das Thema.
Sebastian Görg
Course: Introduction to Deep Learning
Translated by
Sehr flexibel.
Frank Ueltzhöffer
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
Ich habe generell die Flexibilität genossen.
Werner Philipp
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Translated by
Henrys Präsentation und Diskussion waren sehr dicht mit wertvollen Informationen und Einsichten. Er passte sich schnell an die Umgebung und die Wünsche an. Gute Kenntnis der Gegend und sehr sympathisch.
Desmond Chung
Course: Deep Learning for Vision - customised
Translated by
Voraussichtlicher Stand der Technologie: Welche Technologie / Prozess könnte in Zukunft wichtiger werden? sehen Sie, wofür die Technologie verwendet werden kann.
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Ich habe von der Themenauswahl profitiert. Art des Trainings. Praxisorientierung.
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Translated by
Alle mögen es
蒙 李
Course: Machine Learning Fundamentals with Python
Translated by
Papier Erklärung
Course: Deep Learning with TensorFlow - bespoke
Translated by
Art und Weise des Leitens und des Beispiels, das vom Trainer gegeben wird
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Translated by
Möglichkeit, die vorgeschlagenen Themen selbst zu diskutieren
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Translated by
Kommunikation mit Dozenten
文欣 张
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Gefällt mir
lisa xie
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Translated by
Vertiefte Darstellung von Themen des maschinellen Lernens, insbesondere neuronaler Netze. Entmystifizierte viel von dem Thema.
Sacha Nandlall
Course: Python for Advanced Machine Learning
Translated by
Alles was ich am 6. bewertet habe
AB S.A.
Course: Machine Learning - szkolenie dedykowane
Translated by
viele Informationen
Tomasz Szumigalski
Course: Machine Learning - szkolenie dedykowane
Translated by
Probleme klar erklärt
AB S.A.
Course: Machine Learning - szkolenie dedykowane
Translated by
Großes Wissen über den Trainer und die Fähigkeit, die Bedeutung unserer dummen Fragen zu verstehen;)
AB S.A.
Course: Machine Learning - szkolenie dedykowane
Translated by
Übungen
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
die Laborübungen
Marcell Lorant - L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Das Jupyter Notebook-Formular, in dem das Trainingsmaterial zur Verfügung steht
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
Es gab viele Übungen und interessante Themen.
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
einige großartige Übungen, die vom Trainer ausführlich analysiert und erklärt wurden (zB Kovarianten in der linearen Regression, die der realen Funktion entsprechen)
L M ERICSSON LIMITED
Course: Machine Learning
Translated by
| Code | Name | Dauer | Übersicht |
|---|---|---|---|
| aiint | Ein Überblick über künstliche Intelligenz | 7 Stunden | Dieser Kurs richtet sich an Manager, Lösungsarchitekten, Innovationsbeauftragte, CTOs, Software-Architekten und alle, die sich für einen Überblick über angewandte künstliche Intelligenz und die nächste Prognose für ihre Entwicklung interessieren. |
| Torch | Torch: Getting started with Machine and Deep Learning | 21 Stunden | Torch ist eine Open-Source-Bibliothek zum maschinellen Lernen und ein Framework für wissenschaftliches Rechnen, das auf der Lua-Programmiersprache basiert Es bietet eine Entwicklungsumgebung für Numerik, maschinelles Lernen und Computer Vision, mit besonderem Schwerpunkt auf Deep Learning und Convolutional Networks Es ist eines der schnellsten und flexibelsten Frameworks für Machine and Deep Learning und wird von Unternehmen wie Facebook, Google, Twitter, NVIDIA, AMD, Intel und vielen anderen genutzt In diesem Kurs behandeln wir die Prinzipien von Torch, seine einzigartigen Eigenschaften und wie es in realen Anwendungen angewendet werden kann Wir durchlaufen durchgehend zahlreiche Hands-on-Übungen, demonstrieren und üben die erlernten Konzepte Am Ende des Kurses werden die Teilnehmer ein tiefgehendes Verständnis der zugrunde liegenden Features und Fähigkeiten von Torch sowie seiner Rolle und seines Beitrags innerhalb des KI-Bereichs im Vergleich zu anderen Frameworks und Bibliotheken haben Die Teilnehmer haben auch die notwendige Praxis erhalten, um Torch in ihren eigenen Projekten zu implementieren Publikum Softwareentwickler und Programmierer, die Machine and Deep Learning innerhalb ihrer Anwendungen ermöglichen wollen Format des Kurses Überblick über Maschinen- und Deep Learning Inclass Codierungs- und Integrationsübungen Testfragen, die auf dem Weg verteilt wurden, um das Verständnis zu überprüfen . |
| encogadv | Encog: Advanced Machine Learning | 14 Stunden | Encog ist ein Open Source-Framework zum maschinellen Lernen für Java undNet In diesem instruierten Live-Training lernen die Teilnehmer fortgeschrittene Techniken des maschinellen Lernens kennen, um präzise neuronale Vorhersagemodelle zu erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Implementieren Sie verschiedene Optimierungstechniken für neuronale Netzwerke, um die Unter- und Überanpassung zu beheben Verstehen und wählen Sie aus einer Reihe von neuronalen Netzwerkarchitekturen Implementieren Sie überwachte Feed-Forward- und Feedback-Netzwerke Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen . |
| radvml | Advanced Machine Learning with R | 21 Stunden | In diesem instruierten Live-Training erlernen die Teilnehmer fortgeschrittene Techniken für Maschinelles Lernen mit R, während sie eine Realworld-Anwendung erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verwenden Sie Techniken wie Hyperparameter-Tuning und Deep Learning Unüberwachte Lerntechniken verstehen und implementieren Erstellen Sie ein Modell für die Verwendung in einer größeren Anwendung Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen . |
| pythonadvml | Python for Advanced Machine Learning | 21 Stunden | 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 . |
| dsstne | Amazon DSSTNE: Build a Recommendation System | 7 Stunden | Amazon DSSTNE ist eine OpenSource-Bibliothek zum Trainieren und Implementieren von Empfehlungsmodellen Damit können Modelle mit Gewichtsmatrizen, die für eine einzelne GPU zu groß sind, auf einem einzelnen Host trainiert werden In diesem instruierten Live-Training lernen die Teilnehmer, wie DSSTNE zum Erstellen einer Empfehlungsanwendung verwendet werden kann Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Trainieren Sie ein Empfehlungsmodell mit sparse Datensätzen als Eingabe Skalieren Sie Trainings- und Vorhersagemodelle über mehrere GPUs Verteilen Sie Berechnung und Speicherung modellparallel Generieren Sie amazonike personalisierte Produktempfehlungen Stellen Sie eine produktionsbereite Anwendung bereit, die bei hohen Arbeitslasten skaliert werden kann Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen . |
| mldlnlpintro | ML、DL與NLP入門與進階大綱 | 14 Stunden | Ziel dieses Kurses ist es, Grundkenntnisse in der Anwendung von Methoden des maschinellen Lernens zu vermitteln Durch den Einsatz der Programmiersprache Python und seiner verschiedenen Bibliotheken und anhand einer Vielzahl praktischer Beispiele vermittelt dieser Kurs, wie man die wichtigsten Bausteine des maschinellen Lernens nutzt, Datenmodellierungsentscheidungen trifft, die Ergebnisse der Algorithmen interpretiert und validiere die Ergebnisse Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus der Machine Learning Toolbox sicher zu verstehen und anzuwenden und die üblichen Fallstricke von Data Sciences Anwendungen zu vermeiden . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 Stunden | Snorkel ist ein System zum schnellen Erstellen, Modellieren und Verwalten von Trainingsdaten Es konzentriert sich auf die beschleunigte Entwicklung von strukturierten oder "dunklen" Datenextraktionsanwendungen für Domänen, in denen große beschriftete Trainingssätze nicht verfügbar oder leicht zu erhalten sind In diesem instruierten Live-Training lernen die Teilnehmer Techniken zum Extrahieren von Werten aus unstrukturierten Daten wie Text, Tabellen, Zahlen und Bildern durch Modellierung von Trainingsdaten mit Snorkel kennen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Programmatische Erstellung von Trainingssätzen zur Kennzeichnung von umfangreichen Trainingssätzen Trainiere hochwertige Endmodelle, indem du zuerst laute Trainingssätze modellierst Verwenden Sie Snorkel, um schwache Überwachungstechniken zu implementieren und die Datenprogrammierung auf schwach überwachte Maschinenlernsysteme anzuwenden Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen . |
| facebooknmt | Facebook NMT: Setting up a Neural Machine Translation System | 7 Stunden | Fairseq ist ein von Facebok entwickeltes OpenSource Sequenzsequenz-Lern-Toolkit für den Einsatz in Neural Machine Translation (NMT) In diesem Training lernen die Teilnehmer, wie man mit Fairseq den Sample-Inhalt übersetzt Am Ende dieser Schulung haben die Teilnehmer das Wissen und die Praxis, um eine Live-basierte maschinelle Übersetzungslösung auf Fairseq-Basis zu implementieren Publikum Lokalisierungsspezialisten mit technischem Hintergrund Globale Content-Manager Lokalisierungsingenieure Softwareentwickler, die für die Implementierung globaler Content-Lösungen verantwortlich sind Format des Kurses Teilvorlesung, Teildiskussion, schwere Handson-Praxis Hinweis Wenn Sie bestimmte Inhalte in der Ausgangs- und Zielsprache verwenden möchten, kontaktieren Sie uns bitte, um dies zu arrangieren . |
| intrdplrngrsneuing | Introduction Deep Learning & Neural Networks for Engineers | 21 Stunden | Typ: Theoretische Ausbildung mit Bewerbungen, die mit den Studenten auf Lasagne oder Keras nach der pädagogischen Gruppe flussaufwärts entschieden wurden Lehrmethode: Präsentation, Austausch und Fallstudien Künstliche Intelligenz, nachdem sie viele wissenschaftliche Felder zerstört hatte, revolutionierte eine große Anzahl von Wirtschaftszweigen (Industrie, Medizin, Kommunikation usw) Dennoch ist seine Präsentation in den großen Medien oft eine Fantasie, sehr weit entfernt von den Bereichen, in denen maschinelles Lernen oder tiefes Lernen tatsächlich stattfindet Das Ziel dieser Schulung ist es, Ingenieuren, die bereits Computerwerkzeuge beherrschen (einschließlich einer Software-Programmierbasis), eine Einführung in Deep Learning und seine verschiedenen Spezialisierungsbereiche und damit zu den wichtigsten existierenden Netzwerkarchitekturen zu geben heute Wenn die mathematischen Grundlagen während des Kurses abgerufen werden, wird ein Niveau der Mathematik des Typs BAC + 2 für mehr Komfort empfohlen Es ist absolut möglich, die mathematische Achse zu überspringen, um nur eine "System" -Vision zu behalten, aber dieser Ansatz wird Ihr Verständnis des Themas enorm einschränken . |
| opennmt | OpenNMT: Setting Up a Neural Machine Translation System | 7 Stunden | OpenNMT ist ein Fullfeatured, Opensource (MIT) neuronales Maschinenübersetzungssystem, das das mathematische Toolkit Torch verwendet In diesem Training lernen die Teilnehmer, wie OpenNMT eingerichtet und verwendet wird, um verschiedene Beispieldatensätze zu übersetzen Der Kurs beginnt mit einem Überblick über neuronale Netze, wie sie für die maschinelle Übersetzung gelten Die Teilnehmer führen während des Kurses Live-Übungen durch, um ihr Verständnis der erlernten Konzepte zu demonstrieren und Feedback vom Kursleiter zu erhalten Am Ende dieser Schulung haben die Teilnehmer das Wissen und die Praxis, um eine Live-OpenNMT-Lösung zu implementieren Quell- und Zielsprachmuster werden entsprechend den Anforderungen der Zielgruppe vorbereitet Publikum Lokalisierungsspezialisten mit technischem Hintergrund Globale Content-Manager Lokalisierungsingenieure Softwareentwickler, die für die Implementierung globaler Content-Lösungen verantwortlich sind Format des Kurses Teilvorlesung, Teildiskussion, schwere Handson-Praxis . |
| mlentre | Machine Learning Concepts for Entrepreneurs and Managers | 21 Stunden | Dieser Kurs richtet sich an Personen, die Machine Learning in praktischen Anwendungen für ihr Team anwenden möchten Das Training wird nicht in technische Details eintauchen und sich um grundlegende Konzepte und geschäftliche / operative Anwendungen derselben drehen Zielgruppe Investoren und KI-Unternehmer Manager und Ingenieure, deren Unternehmen in den KI-Bereich vorstößt Business Analysten & Investoren . |
| octnp | Octave not only for programmers | 21 Stunden | 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 . |
| OpenNN | OpenNN: Implementing Neural Networks | 14 Stunden | OpenNN ist eine in C ++ geschriebene OpenSource-Klassenbibliothek, die neuronale Netzwerke zur Verwendung im maschinellen Lernen implementiert In diesem Kurs gehen wir auf die Prinzipien neuronaler Netzwerke ein und verwenden OpenNN, um eine Beispielanwendung zu implementieren Publikum Softwareentwickler und Programmierer, die Deep Learning-Anwendungen erstellen möchten Format des Kurses Vortrag und Diskussion in Verbindung mit praktischen Übungen . |
| datamodeling | Pattern Recognition | 35 Stunden | Dieser Kurs bietet eine Einführung in das Gebiet der Mustererkennung und des maschinellen Lernens Es befasst sich mit praktischen Anwendungen in den Bereichen Statistik, Informatik, Signalverarbeitung, Computer Vision, Data Mining und Bioinformatik Der Kurs ist interaktiv und beinhaltet viele praktische Übungen, Feedback von Lehrern und Tests der erworbenen Kenntnisse und Fähigkeiten Publikum Datenanalytiker Doktoranden, Forscher und Praktiker . |
| mlintro | Introduction to Machine Learning | 7 Stunden | Dieser Kurs richtet sich an Personen, die grundlegende maschinelle Lerntechniken in praktischen Anwendungen anwenden möchten. Publikum Datenwissenschaftler und Statistiker, die etwas 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, den Teilnehmern, die sich für die Anwendung der Methoden bei der Arbeit interessieren, eine praktische Einführung in das maschinelle Lernen zu geben Branchenspezifische Beispiele werden verwendet, um das Training für das Publikum relevant zu machen. |
| mldt | Machine Learning and Deep Learning | 21 Stunden | Dieser Kurs umfasst KI (Schwerpunkt Maschinelles Lernen und Deep Learning) . |
| aiauto | Artificial Intelligence in Automotive | 14 Stunden | Dieser Kurs behandelt KI (Schwerpunkt Maschinelles Lernen und Deep Learning) in der Automobilindustrie Es hilft zu bestimmen, welche Technologie (potenziell) in mehreren Situationen in einem Auto verwendet werden kann: von einfacher Automatisierung, Bilderkennung bis hin zu autonomer Entscheidungsfindung . |
| aiintrozero | From Zero to AI | 35 Stunden | Dieser Kurs wurde für Personen entwickelt, die noch keine Erfahrung mit Wahrscheinlichkeit und Statistik haben . |
| systemml | Apache SystemML for Machine Learning | 14 Stunden | Apache SystemML ist eine verteilte und deklarative Maschine Lernplattform SystemML bietet ein deklaratives Large-Scale Machine Learning (ML) zur flexiblen Spezifikation von ML-Algorithmen und zur automatischen Generierung hybrider Laufzeitpläne von Einzelknoten-, Inmemory-Berechnungen bis hin zu verteilten Berechnungen auf Apache Hadoop und Apache Spark Publikum Dieser Kurs eignet sich für Machine Learning-Forscher, Entwickler und Ingenieure, die SystemML als Framework für maschinelles Lernen nutzen möchten . |
| predio | Machine Learning with PredictionIO | 21 Stunden | PredictionIO ist ein Open-Source-Machine-Learning-Server, der auf einem State-of-the-Art-Open-Source-Stack aufbaut Publikum Dieser Kurs richtet sich an Entwickler und Datenwissenschaftler, die vorausschauende Engines für jede maschinelle Lernaufgabe erstellen möchten . |
| dmmlr | Data Mining & Machine Learning with R | 14 Stunden | R ist eine Open Source-freie Programmiersprache für statistische Berechnungen, Datenanalyse und Grafik R wird von einer wachsenden Zahl von Managern und Datenanalysten in Unternehmen und Hochschulen genutzt R verfügt über eine Vielzahl von Paketen für das Data Mining . |
| mlfsas | Machine Learning Fundamentals with Scala and Apache Spark | 14 Stunden | Ziel dieses Kurses ist es, Grundkenntnisse in der Anwendung von Methoden des maschinellen Lernens zu vermitteln Durch den Einsatz der Programmiersprache Scala und ihrer verschiedenen Bibliotheken und anhand einer Vielzahl praktischer Beispiele vermittelt dieser Kurs die wichtigsten Bausteine des maschinellen Lernens, wie man Datenmodellierungsentscheidungen trifft, die Ergebnisse der Algorithmen interpretiert und validiere die Ergebnisse Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus der Machine Learning Toolbox sicher zu verstehen und anzuwenden und die üblichen Fallstricke von Data Sciences Anwendungen zu vermeiden . |
| matlabml1 | Introduction to Machine Learning with MATLAB | 21 Stunden | MATLAB is a numerical computing environment and programming language developed by MathWorks. |
| mlrobot1 | Machine Learning for Robotics | 21 Stunden | Dieser Kurs stellt maschinelle Lernmethoden in Robotikanwendungen vor. Es gibt einen breiten Überblick über bestehende Methoden, Motivationen und Hauptideen im Kontext der Mustererkennung. Nach einem kurzen theoretischen Hintergrund werden die Teilnehmer einfache Übungen mit Open Source (normalerweise R) oder einer anderen gängigen Software durchführen. |
| annmldt | Artificial Neural Networks, Machine Learning, Deep Thinking | 21 Stunden | Das künstliche neuronale Netzwerk ist ein computergestütztes Datenmodell, das bei der Entwicklung von Systemen für künstliche Intelligenz (KI) verwendet wird, die "intelligente" Aufgaben ausführen können. Neuronale Netze werden häufig in Machine Learning (ML) -Anwendungen verwendet, die selbst eine Implementierung von AI sind. Deep Learning ist eine Teilmenge von ML. |
| MLFWR1 | Machine Learning Fundamentals with R | 14 Stunden | Ziel dieses Kurses ist es, Grundkenntnisse in der Anwendung von Methoden des maschinellen Lernens zu vermitteln Durch den Einsatz der R - Programmierplattform und ihrer verschiedenen Bibliotheken vermittelt dieser Kurs anhand einer Vielzahl von praktischen Beispielen, wie man die wichtigsten Bausteine des maschinellen Lernens nutzt, Datenmodellierungsentscheidungen trifft, die Ergebnisse der Algorithmen interpretiert und validiere die Ergebnisse Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus der Machine Learning Toolbox sicher zu verstehen und anzuwenden und die üblichen Fallstricke von Data Sciences Anwendungen zu vermeiden . |
| mlfunpython | Machine Learning Fundamentals with Python | 14 Stunden | Ziel dieses Kurses ist es, Grundkenntnisse in der Anwendung von Methoden des maschinellen Lernens zu vermitteln Durch den Einsatz der Programmiersprache Python und seiner verschiedenen Bibliotheken und anhand einer Vielzahl praktischer Beispiele vermittelt dieser Kurs, wie man die wichtigsten Bausteine des maschinellen Lernens nutzt, Datenmodellierungsentscheidungen trifft, die Ergebnisse der Algorithmen interpretiert und validiere die Ergebnisse Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus der Machine Learning Toolbox sicher zu verstehen und anzuwenden und die üblichen Fallstricke von Data Sciences Anwendungen zu vermeiden . |
| appliedml | Angewandtes Maschinelles Lernen | 14 Stunden | Der Übungskurs ist für alle diejenigen gedacht, die "Machine Learning" in praktischen Applikationen anwenden möchten Teilnehmer Dieser Kurs ist für Data Scientists und Statistiker, die Grundkenntnisse in Statistik haben und wissen, wie man R programmiert. Der Schwerpunkt des Kurses liegt auf dem praktischen Aspekt von Daten/Modell-Vorbereitung, Execution, post hoc Analyse und Visualisierung. Das Ziel ist es, den Teilnehmern praktische Kenntnisse im Maschinellen Lernen zu vermitteln. Bereichsspezifische Beispiele erhöhen die Relevanz der Schulung für die Teilnehmer. |
| encogintro | Encog: Introduction to Machine Learning | 14 Stunden | Encog ist ein Open Source-Framework zum maschinellen Lernen für Java undNet In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von ENCOG verschiedene neuronale Netzwerkkomponenten erstellen können Realworld-Fallstudien werden diskutiert und maschinensprachliche Lösungen für diese Probleme werden untersucht Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Bereiten Sie Daten für neuronale Netze unter Verwendung des Normalisierungsprozesses vor Implementieren Sie Feed-Forward-Netzwerke und Fortpflanzungs-Trainingsmethoden Implementieren Sie Klassifizierungs- und Regressionsaufgaben Modellieren und trainieren Sie neurale Netzwerke mithilfe der GUI-basierten Workbench von Encog Integrieren Sie die neuronale Netzwerkunterstützung in Realworld-Anwendungen Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen . |
| Course | Schulungsdatum | Kurspreis (Fernkurs / Schulungsraum) |
|---|---|---|
| Machine Learning for Finance (with R) - Bern | Mo, 2018-10-08 09:30 | 7000EUR / 7800EUR |
| Python: Machine Learning with Text - Zürich | Mi, 2018-10-10 09:30 | 5250EUR / 5900EUR |
| Machine Learning Fundamentals with Python - Basel | Mo, 2018-10-15 09:30 | 3500EUR / 4000EUR |
| Course | Ort | Schulungsdatum | Kurspreis (Fernkurs / Schulungsraum) |
|---|---|---|---|
| WebServices mit SOAP und WSDL - Grundlagen | Bern | Do, 2018-10-11 09:30 | 2700EUR / 3200EUR |
| IoT ( Internet of Things) for Entrepreneurs, Managers and Investors | Bern | Mo, 2018-10-22 09:30 | 4725EUR / 5375EUR |
| Test automation with HP UFT | Bern | Mo, 2018-10-29 09:30 | 4455EUR / 5105EUR |
| Apache Solr - Server für Volltextsuche | Bern | Mi, 2018-10-31 09:30 | 2700EUR / 3200EUR |
| Transact SQL für Fortgeschrittene | Bern | Mi, 2018-11-14 09:30 | 1485EUR / 1835EUR |
| Git für Benutzer | Bern | Do, 2018-11-22 09:30 | 1350EUR / 1700EUR |
.jpg "abu dhabi company for onshore oil operations (adco)")
.jpg "aeronautical radio, incorporated (arinc)")
.jpg "american international group (aig)")
.png "american medical association (ama)")
.png "bank of montreal (bmo)")
We are looking to expand our presence in your region!
If you are interested in running a high-tech, high-quality training and consulting business.
contact us right away!
