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

Erfahrungsberichte

★★★★★

Ref Material später zu verwenden war sehr gut.

PAUL BEALES- Seagate Technology.

Course: Angewandtes Maschinelles Lernen

Translated by

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

Matthew Thomas - British Telecom

Course: Angewandtes Maschinelles Lernen

Translated by

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

Jonathan Blease

Course: Artificial Neural Networks, Machine Learning, Deep Thinking

Translated by

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

Mohamed Salama

Course: Data Mining & Machine Learning with R

Translated by

Das Thema ist sehr interessant.

Wojciech Baranowski

Course: Introduction to Deep Learning

Translated by

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

Grzegorz Mianowski

Course: Introduction to Deep Learning

Translated by

Thema. Sehr interessant!.

Piotr

Course: Introduction to Deep Learning

Translated by

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

Dolby Poland Sp. z o.o.

Course: Introduction to Deep Learning

Translated by

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

Radek

Course: Introduction to Deep Learning

Translated by

Der globale Überblick über Deep Learning.

Bruno Charbonnier

Course: Advanced Deep Learning

Translated by

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

Alexandre GIRARD

Course: Advanced Deep Learning

Translated by

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

Paul Kassis

Course: Advanced Deep Learning

Translated by

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

Radoslaw Labedzki

Course: Introduction to Deep Learning

Translated by

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

Wojciech Wilk

Course: Introduction to Deep Learning

Translated by

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

Léo Dubus

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ich genoss im Allgemeinen den sachkundigen Trainer.

Sridhar Voorakkara

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

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

David Relihan

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

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

Kieran Conboy

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

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

Sharon Ruane

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

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

Sebastiaan Holman

Course: Machine Learning and Deep Learning

Translated by

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

Jean-Paul van Tillo

Course: Machine Learning and Deep Learning

Translated by

Ich habe die Berichterstattung und Tiefe der Themen sehr genossen.

Anirban Basu

Course: Machine Learning and Deep Learning

Translated by

Der Trainer erklärte sehr leicht schwierige und fortgeschrittene Themen.

Leszek K

Course: Ein Überblick über künstliche Intelligenz

Translated by

Das tiefe Wissen des Trainers über das Thema.

Sebastian Görg

Course: Introduction to Deep Learning

Translated by

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

Paul Lee

Course: TensorFlow for Image Recognition

Translated by

Sehr flexibel.

Frank Ueltzhöffer

Course: Artificial Neural Networks, Machine Learning and Deep Thinking

Translated by

Ich habe generell die Flexibilität genossen.

Werner Philipp

Course: Artificial Neural Networks, Machine Learning and Deep Thinking

Translated by

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

Commerzbank AG

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

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

Commerzbank AG

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Alle mögen es

蒙李

Course: Machine Learning Fundamentals with Python

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

Übungen

L M ERICSSON LIMITED

Course: Machine Learning

Translated by

die Laborübungen

Marcell Lorant - L M ERICSSON LIMITED

Course: Machine Learning

Translated by

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

L M ERICSSON LIMITED

Course: Machine Learning

Translated by

Es gab viele Übungen und interessante Themen.

L M ERICSSON LIMITED

Course: Machine Learning

Translated by

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

L M ERICSSON LIMITED

Course: Machine Learning

Translated by

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

Attila Nagy - L M ERICSSON LIMITED

Course: Machine Learning

Translated by

Großes und aktuelles Wissen über führende und praktische Anwendungsbeispiele.

ING Bank Śląski S.A.

Course: Introduction to Deep Learning

Translated by

Viele Übungen, sehr gute Zusammenarbeit mit der Gruppe.

Janusz Chrobot - ING Bank Śląski S.A.

Course: Introduction to Deep Learning

Translated by

Arbeit an Kolaboratoren,

ING Bank Śląski S.A.

Course: Introduction to Deep Learning

Translated by

Es war offensichtlich, dass die Enthusiasten der präsentierten Themen führend waren. Benutzte interessante Beispiele während des Trainings.

ING Bank Śląski S.A.

Course: Introduction to Deep Learning

Translated by

Eine breite Palette von Themen abgedeckt und umfangreiches Wissen der Führungskräfte.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

Mangel

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

Großes theoretisches und praktisches Wissen der Dozenten. Kommunikativität von Trainern. Während des Kurses können Sie Fragen stellen und zufriedenstellende Antworten erhalten.

Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

Praktischer Teil, bei dem wir Algorithmen implementiert haben. Dies ermöglichte ein besseres Verständnis des Themas.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

Übungen und Beispiele auf ihnen implementiert

Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

Beispiele und diskutierte Themen.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

Substanzielles Wissen, Engagement, eine leidenschaftliche Art Wissen zu vermitteln. Praktische Beispiele nach einem theoretischen Vortrag.

Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

Praktische Übungen von Herrn Maciej

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

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

Zaher Sharifi - GOSI

Course: Advanced Deep Learning

Translated by

Machine Learning Unterkategorien

Machine Learning Kurspläne

Title

Duration

Overview

Title

Duration

Overview

Artificial Intelligence in Automotive

14 hours

Overview

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 .

Machine Learning on iOS

14 hours

Overview

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

OpenFace: Creating Facial Recognition Systems

14 hours

Overview

OpenFace ist Python und Torch-basierte Echtzeit-Gesichtserkennungssoftware, die auf der FaceNet-Forschung von Google basiert In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe der OpenFace-Komponenten eine Musteranwendung für die Gesichtserkennung erstellen und bereitstellen können Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Arbeiten Sie mit OpenFace-Komponenten, einschließlich dlib, OpenVC, Torch und nn4, um Gesichtserkennung, Ausrichtung und Transformation zu implementieren Wenden Sie OpenFace auf Realworld-Anwendungen wie Überwachung, Identitätsüberprüfung, Virtual Reality, Spiele und Identifizierung von Stammkunden usw an Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Octave not only for programmers

21 hours

Overview

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

Overview

Diese Schulungssitzung im Klassenzimmer enthält Präsentationen und computerbasierte Beispiele sowie Fallstudienübungen, die mit relevanten neuronalen und tiefen Netzwerkbibliotheken durchgeführt werden .

Neural Networks Fundamentals using TensorFlow as Example

28 hours

Overview

Dieser Kurs vermittelt Ihnen Kenntnisse in neuronalen Netzen und allgemein im maschinellen Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen) Dieses Training konzentriert sich mehr auf die Grundlagen, hilft Ihnen aber bei der Auswahl der richtigen Technologie: TensorFlow, Caffe, Teano, DeepDrive, Keras usw Die Beispiele werden in TensorFlow erstellt .

Machine Learning – Data science

21 hours

Overview

In dieser Präsenzschulung werden Tools für maschinelles Lernen mit Python (vorgeschlagen) vorgestellt Die Delegierten werden computerbasierte Beispiele und Fallstudienübungen durchführen .

Machine Learning for Robotics

21 hours

Overview

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.

Machine Learning with Python

21 hours

Overview

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 in business – AI/Robotics

14 hours

Overview

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

Introduction to Machine Learning

7 hours

Overview

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.

OpenNMT: Setting Up a Neural Machine Translation System

7 hours

Overview

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 .

Machine Learning Fundamentals with R

14 hours

Overview

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 .

Machine Learning Fundamentals with Python

14 hours

Overview

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 .

Machine Learning Fundamentals with Scala and Apache Spark

14 hours

Overview

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 .

Machine Learning for Finance (with R)

28 hours

Overview

Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden R ist eine populäre Programmiersprache in der Finanzindustrie Es wird in Finanzanwendungen verwendet, die von Kernhandelsprogrammen bis zu Risikomanagementsystemen reichen In diesem instruierten Live-Training werden die Teilnehmer lernen, Techniken und Werkzeuge des maschinellen Lernens anzuwenden, um reale Probleme in der Finanzindustrie zu lösen R wird als Programmiersprache verwendet Die Teilnehmer lernen zunächst die Schlüsselprinzipien kennen und setzen ihr Wissen dann in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen aufbauen und damit eine Reihe von Teamprojekten durchführen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens Erlernen Sie die Anwendungen und Anwendungen des maschinellen Lernens im Finanzwesen Entwickeln Sie eine eigene algorithmische Handelsstrategie mit maschinellem Lernen mit R Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Machine Learning for Finance (with Python)

21 hours

Overview

Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Python ist eine Programmiersprache, die für ihre klare Syntax und Lesbarkeit bekannt ist Es bietet eine hervorragende Sammlung von gut getesteten Bibliotheken und Techniken zur Entwicklung von maschinellen Lernanwendungen In diesem instruierten Live-Training werden die Teilnehmer lernen, Techniken und Werkzeuge des maschinellen Lernens anzuwenden, um reale Probleme in der Finanzindustrie zu lösen Die Teilnehmer lernen zunächst die Schlüsselprinzipien kennen und setzen ihr Wissen dann in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen aufbauen und damit eine Reihe von Teamprojekten durchführen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens Erlernen Sie die Anwendungen und Anwendungen des maschinellen Lernens im Finanzwesen Entwickeln Sie ihre eigene algorithmische Handelsstrategie mit Machine Learning mit Python Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Machine Learning Concepts for Entrepreneurs and Managers

21 hours

Overview

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 .

Machine Learning and Deep Learning

21 hours

Overview

Dieser Kurs umfasst KI (Schwerpunkt Maschinelles Lernen und Deep Learning) .

Machine Learning for Banking (with R)

28 hours

Overview

In diesem instruierten Live-Training werden die Teilnehmer lernen, Techniken und Werkzeuge des maschinellen Lernens anzuwenden, um reale Probleme in der Bankenbranche zu lösen R wird als Programmiersprache verwendet Die Teilnehmer lernen zunächst die Schlüsselprinzipien kennen und setzen ihr Wissen dann in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen aufbauen und sie für eine Reihe von Live-Projekten verwenden Publikum Entwickler Datenwissenschaftler Banking-Profis mit einem technischen Hintergrund Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

OpenNLP for Text Based Machine Learning

14 hours

Overview

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

OpenNN: Implementing Neural Networks

14 hours

Overview

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.

Microsoft Cognitive Toolkit 2.x

21 hours

Overview

Microsoft Cognitive Toolkit 2x (früher CNTK) ist ein Open Source-Toolkit für den kommerziellen Einsatz, das tiefgreifende Lernalgorithmen zum Lernen wie das menschliche Gehirn trainiert Laut Microsoft kann CNTK 510x schneller als TensorFlow in wiederkehrenden Netzwerken und 2- bis 3-mal schneller als TensorFlow für bildbezogene Tasks sein In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von Microsoft Cognitive Toolkit tiefgreifende Lernalgorithmen für kommerzielle AI-Anwendungen erstellen, trainieren und auswerten, die verschiedene Arten von Daten wie Daten, Sprache, Text und Bilder umfassen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Greifen Sie aus einem Python-, C # - oder C ++ - Programm heraus auf CNTK als Bibliothek zu Nutzen Sie CNTK als eigenständiges Machine Learning Tool durch eine eigene Modellbeschreibungssprache (BrainScript) Verwenden Sie die CNTK-Modellbewertungsfunktionalität aus einem Java-Programm Kombinieren von Feedforward-DNNs, Faltungsnetzwerken (CNNs) und wiederkehrenden Netzwerken (RNNs / LSTMs) Skalieren Sie die Rechenkapazität für CPUs, GPUs und mehrere Maschinen Greifen Sie auf riesige Datensätze mit vorhandenen Programmiersprachen und Algorithmen zu Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Wenn Sie einen Teil dieses Trainings anpassen möchten, einschließlich der Programmiersprache Ihrer Wahl, kontaktieren Sie uns bitte, um dies zu arrangieren .

TensorFlow Serving

7 hours

Overview

TensorFlow Serving ist ein System, mit dem Machine-Learning-Modelle (ML) in der Produktion eingesetzt werden können In diesem instruierten Live-Training lernen die Teilnehmer, wie sie TensorFlow Serving konfigurieren und einsetzen, um ML-Modelle in einer Produktionsumgebung bereitzustellen und zu verwalten Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Trainieren, exportieren und bedienen Sie verschiedene TensorFlow-Modelle Testen und implementieren Sie Algorithmen mithilfe einer einzigen Architektur und einer Reihe von APIs Erweitern Sie TensorFlow Serving, um andere Arten von Modellen als TensorFlow-Modelle zu bedienen Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

NLP with Deeplearning4j

14 hours

Overview

Deeplearning4j ist eine Open Source-Bibliothek für Java und Scala In Verbindung mit Hadoop und Spark wurde DL4J für den Einsatz in Geschäftsumgebungen mit verteilten GPUs und CPUs entwickelt Word2Vec ist eine Methode zur Berechnung von Vektordarstellungen von Wörtern, die von einem Team von Forschern bei Google unter der Leitung von Tomas Mikolov vorgestellt wurden Publikum Dieser Kurs richtet sich an Forscher, Ingenieure und Entwickler, die Deeplearning4J zur Erstellung von Word2Vec-Modellen nutzen möchten .

Understanding Deep Neural Networks

35 hours

Overview

Dieser Kurs beginnt mit konzeptuellem Wissen in neuronalen Netzen und allgemein im maschinellen Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen) Teil 1 (40%) dieses Trainings konzentriert sich mehr auf die Grundlagen, hilft Ihnen aber bei der Auswahl der richtigen Technologie: TensorFlow, Caffe, Theano, DeepDrive, Keras usw Teil 2 (20%) dieser Schulung stellt Theano eine Python-Bibliothek vor, die das Schreiben von Deep-Learning-Modellen erleichtert Teil 3 (40%) des Trainings würde weitgehend auf der Tensorflow 2nd Generation API der Open-Source-Software-Bibliothek von Google für Deep Learning basieren Die Beispiele und Handsons würden alle in TensorFlow gemacht werden Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning-Projekte einsetzen möchten Nach Abschluss dieses Kurses werden die Delegierten: habe ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN verstehen TensorFlows Struktur und Einsatzmechanismen in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen, zu überwachen in der Lage sein, fortgeschrittene Produktion wie Trainingsmodelle, Erstellung von Graphen und Protokollierung zu implementieren Aufgrund der Weite des Themas würden nicht alle Themen in einem öffentlichen Klassenzimmer mit einer Dauer von 35 Stunden behandelt Die Dauer des gesamten Kurses beträgt ca 70 Stunden und nicht 35 Stunden .

Natural Language Processing with TensorFlow

35 hours

Overview

TensorFlow ™ ist eine Open-Source-Softwarebibliothek für numerische Berechnungen mit Datenflussdiagrammen SyntaxNet ist ein NeuralNetwork Natural Language Processing Framework für TensorFlow Word2Vec wird zum Lernen von Vektordarstellungen von Wörtern verwendet, die "Worteinbettungen" genannt werden Word2vec ist ein besonders recheneffizientes Vorhersagemodell für das Einlernen von Worteinbettungen aus Rohtext Es gibt zwei Varianten, das Continuous BagofWords-Modell (CBOW) und das SkipGram-Modell (Kapitel 31 und 32 in Mikolov et al) In Verbindung mit SyntaxNet und Word2Vec können Benutzer Learned Embedding-Modelle aus Natural Language-Eingaben generieren Publikum Dieser Kurs richtet sich an Entwickler und Ingenieure, die mit SyntaxNet- und Word2Vec-Modellen in ihren TensorFlow-Diagrammen arbeiten möchten Nach Abschluss dieses Kurses werden die Delegierten: verstehen TensorFlows Struktur und Einsatzmechanismen in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen, zu überwachen in der Lage sein, fortgeschrittene Produktion wie Trainingsmodelle zu implementieren, Begriffe einzubetten, Diagramme zu erstellen und zu loggen .

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 hours

Overview

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: Getting started with Machine and Deep Learning

21 hours

Overview

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 .

TensorFlow for Image Recognition

28 hours

Overview

Dieser Kurs untersucht anhand konkreter Beispiele die Anwendung von Tensor Flow für die Zwecke der Bilderkennung Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für die Bilderkennung einsetzen möchten Nach Abschluss dieses Kurses können die Delegierten: verstehen TensorFlows Struktur und Einsatzmechanismen Ausführen von Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen bewerten Sie die Codequalität, führen Sie Debugging durch, überwachen Sie implementieren fortschrittliche Produktion wie Trainingsmodelle, Erstellen von Grafiken und Protokollierung .

Zukünftige Machine Learning Kurse

Deep Learning for Finance (with Python)

2019-05-06 09:30:00

Basel

Fernkurs

5000EUR

Schulungsraum

5800EUR

Deep Learning for Finance (with Python)

2019-05-07 09:30:00

Zürich

Fernkurs

5000EUR

Schulungsraum

5800EUR

Deep Learning for Finance (with Python)

2019-07-30 09:30:00

Zürich

Fernkurs

5000EUR

Schulungsraum

5800EUR

Deep Learning for Finance (with Python)

2019-07-30 09:30:00

Basel

Fernkurs

5000EUR

Schulungsraum

5800EUR

Deep Learning for Finance (with Python)

2019-10-28 09:30:00

Zürich

Fernkurs

5000EUR

Schulungsraum

5800EUR

Other regions

Zürich Bern Basel

Other countries

These courses are also available in other countries ››

Consulting

Machine Learning Consulting

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