Lokale, geïnstrueerde live Deep Learning (DL) -cursussen demonstreren door handson de basisbeginselen en toepassingen van Deep Learning te oefenen en onderwerpen te behandelen zoals diep machine-learning, diep gestructureerd leren en hiërarchisch leren Deep Learning-training is beschikbaar als 'live training op locatie' of 'live training op afstand' Onsite live training kan lokaal worden uitgevoerd op het terrein van de klant in Nederland of in NobleProg bedrijfsopleidingscentra in Nederland Live-training op afstand wordt uitgevoerd via een interactieve, externe desktop NobleProg Uw lokale trainingsaanbieder.

Machine Translated

Getuigenissen

★★★★★

Train theoretische kennis en bereidheid om de problemen met de deelnemers na de training op te lossen.

Grzegorz Mianowski

Cursus: Introduction to Deep Learning

Machine Translated

Onderwerp. Heel interessant!.

Piotr

Cursus: Introduction to Deep Learning

Machine Translated

Oefeningen na elk onderwerp waren erg nuttig, ondanks dat er aan het eind te gecompliceerd was. Over het algemeen was het gepresenteerde materiaal erg interessant en betekend het! Oefeningen met beeldherkenning waren geweldig.

Dolby Poland Sp. z o.o.

Cursus: Introduction to Deep Learning

Machine Translated

Ik denk dat als de training in het Pools wordt gedaan, de trainer zijn kennis efficiënter zou kunnen delen.

Radek

Cursus: Introduction to Deep Learning

Machine Translated

Het wereldwijde overzicht van deep learning.

Bruno Charbonnier

Cursus: Advanced Deep Learning

Machine Translated

De oefeningen zijn voldoende praktisch en hebben geen hoge kennis van Python nodig om gedaan te worden.

Alexandre GIRARD

Cursus: Advanced Deep Learning

Machine Translated

Oefeningen doen op echte voorbeelden met behulp van Eras. Italië heeft onze verwachtingen over deze training volledig begrepen.

Paul Kassis

Cursus: Advanced Deep Learning

Machine Translated

Het onderwerp. Het leek interessant, maar ik verliet het kennen niet veel meer dan voorheen.

Radoslaw Labedzki

Cursus: Introduction to Deep Learning

Machine Translated

Ik vond dat deze cursus een heel interessant onderwerp had.

Wojciech Wilk

Cursus: Introduction to Deep Learning

Machine Translated

Ik waardeerde echt de kristalheldere antwoorden van Chris op onze vragen.

Léo Dubus

Cursus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Ik genoot over het algemeen van de deskundige trainer.

Sridhar Voorakkara

Cursus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Ik was verbaasd over de standaard van deze klas - ik zou zeggen dat het een universitaire standaard was.

David Relihan

Cursus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Zeer goed overzicht. Go achtergrond waarom Tensorflow zo werkt.

Kieran Conboy

Cursus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Ik vond de mogelijkheden om vragen te stellen en meer diepgaande verklaringen van de theorie te krijgen.

Sharon Ruane

Cursus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

We hebben veel meer inzicht gekregen in het onderwerp. Er is een aardige discussie gevoerd met enkele echte onderwerpen binnen ons bedrijf.

Sebastiaan Holman

Cursus: Machine Learning and Deep Learning

Machine Translated

De training bood de juiste basis om verder uit te breiden, door te laten zien hoe theorie en praktijk hand in hand gaan. Ik raakte hierdoor meer geïnteresseerd in het onderwerp dan voorheen.

Jean-Paul van Tillo

Cursus: Machine Learning and Deep Learning

Machine Translated

Ik heb echt genoten van de dekking en diepte van onderwerpen.

Anirban Basu

Cursus: Machine Learning and Deep Learning

Machine Translated

De diepe kennis van de trainer over het onderwerp.

Sebastian Görg

Cursus: Introduction to Deep Learning

Machine Translated

Zeer geactualiseerde aanpak of CPI (tensor flow, era, learn) om machine learning te doen.

Paul Lee

Cursus: TensorFlow for Image Recognition

Machine Translated

Zeer flexibel.

Frank Ueltzhöffer

Cursus: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

Ik genoot over het algemeen van de flexibiliteit.

Werner Philipp

Cursus: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

Gezien de visie van de technologie: welke technologie / proces kan in de toekomst belangrijker worden; zie, waar de technologie voor kan worden gebruikt.

Commerzbank AG

Cursus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

Ik had baat bij het selecteren van onderwerpen. Stijl van training. Oefen oriëntatie.

Commerzbank AG

Cursus: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

manier van leidinggeven en voorbeeld gegeven door de trainer

ORANGE POLSKA S.A.

Cursus: Machine Learning and Deep Learning

Machine Translated

Mogelijkheid om de voorgestelde problemen zelf te bespreken

ORANGE POLSKA S.A.

Cursus: Machine Learning and Deep Learning

Machine Translated

Communicatie met docenten

文欣张

Cursus: Artificial Neural Networks, Machine Learning, Deep Thinking

Machine Translated

Vind het leuk

lisa xie

Cursus: Artificial Neural Networks, Machine Learning, Deep Thinking

Machine Translated

Diepgaande aandacht voor onderwerpen van machine learning, met name neurale netwerken. Demystified veel van het onderwerp.

Sacha Nandlall

Cursus: Python for Advanced Machine Learning

Machine Translated

Grote en up-to-date kennis van toonaangevende en praktische toepassingsvoorbeelden.

ING Bank Śląski S.A.

Cursus: Introduction to Deep Learning

Machine Translated

Veel oefeningen, zeer goede samenwerking met de groep.

Janusz Chrobot - ING Bank Śląski S.A.

Cursus: Introduction to Deep Learning

Machine Translated

werk aan colaborators,

ING Bank Śląski S.A.

Cursus: Introduction to Deep Learning

Machine Translated

Het was duidelijk dat de liefhebbers van de gepresenteerde onderwerpen leidend waren. Gebruikte interessante voorbeelden tijdens het sporten.

ING Bank Śląski S.A.

Cursus: Introduction to Deep Learning

Machine Translated

Een breed scala aan onderwerpen behandeld en substantiële kennis van de leiders.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Cursus: Understanding Deep Neural Networks

Machine Translated

gebrek

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Cursus: Understanding Deep Neural Networks

Machine Translated

Grote theoretische en praktische kennis van de docenten. Communicativiteit van trainers. Tijdens de cursus kun je vragen stellen en bevredigende antwoorden krijgen.

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

Cursus: Understanding Deep Neural Networks

Machine Translated

Praktisch gedeelte, waar we algoritmen hebben geïmplementeerd. Dit zorgde voor een beter begrip van het onderwerp.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Cursus: Understanding Deep Neural Networks

Machine Translated

oefeningen en voorbeelden geïmplementeerd op hen

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

Cursus: Understanding Deep Neural Networks

Machine Translated

Voorbeelden en problemen besproken.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Cursus: Understanding Deep Neural Networks

Machine Translated

Inhoudelijke kennis, betrokkenheid, een gepassioneerde manier om kennis over te dragen. Praktische voorbeelden na een theoretische lezing.

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

Cursus: Understanding Deep Neural Networks

Machine Translated

Praktische oefeningen voorbereid door Mr. Maciej

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Cursus: Understanding Deep Neural Networks

Machine Translated

Ik had baat bij de passie om les te geven en me te concentreren op het verstandig maken van dingen.

Zaher Sharifi - GOSI

Cursus: Advanced Deep Learning

Machine Translated

Menselijke identificatie en printplaat slechte punt detectie

王春柱 - 中移物联网

Cursus: Deep Learning for NLP (Natural Language Processing)

Machine Translated

Tonen

中移物联网

Cursus: Deep Learning for NLP (Natural Language Processing)

Machine Translated

Over gezicht gebied.

中移物联网

Cursus: Deep Learning for NLP (Natural Language Processing)

Machine Translated

De informele uitwisselingen hadden we tijdens de lezingen echt hielp me verdiepen mijn begrip van het onderwerp

Explore

Cursus: Deep Reinforcement Learning with Python

Machine Translated

Veel praktische tips

Pawel Dawidowski - ABB Sp. z o.o.

Cursus: Deep Learning with TensorFlow

Machine Translated

Veel informatie met betrekking tot de implementatie van oplossingen

Michał Smolana - ABB Sp. z o.o.

Cursus: Deep Learning with TensorFlow

Machine Translated

Een veelvoud aan praktische tips en kennis van de docent uit een breed scala van AI / IT / SQL / IoT-problemen.

ABB Sp. z o.o.

Cursus: Deep Learning with TensorFlow

Machine Translated

veel informatie, alle vragen beantwoord, interessante voorbeelden

A1 Telekom Austria AG

Cursus: Deep Learning for Telecom (with Python)

Machine Translated

Ik begon met bijna geen kennis en aan het einde was ik in staat om mijn eigen netwerken op te bouwen en te trainen.

Huawei Technologies Duesseldorf GmbH

Cursus: TensorFlow for Image Recognition

Machine Translated

Deep Learning subcategorieën

Deep Learning (DL) Cursusoverzicht

Course Name

Duration

Overview

Course Name

Duration

Overview

Artificial Intelligence in Automotive

14 hours

Overview

Deze cursus behandelt AI (met nadruk op Machine Learning en Deep Learning ) in de Automotive industrie. Het helpt om te bepalen welke technologie (mogelijk) kan worden gebruikt in meerdere situaties in een auto: van eenvoudige automatisering, beeldherkenning tot autonome besluitvorming.

Advanced Machine Learning with R

21 hours

Overview

In deze live training met instructeur leren de deelnemers geavanceerde technieken voor machinaal leren met R tijdens het maken van een realworld-toepassing Aan het einde van deze training kunnen deelnemers: Gebruik technieken als afstemming van hyperparameters en diepgaand leren Begrijp en implementeer niet-gecontroleerde leert technieken Zet een model in productie voor gebruik in een grotere applicatie Publiek ontwikkelaars analisten Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

Machine Learning and Deep Learning

21 hours

Overview

Deze cursus behandelt AI (met nadruk op Machine Learning en Deep Learning )

Neural Networks Fundamentals using TensorFlow as Example

28 hours

Overview

Deze cursus geeft je kennis in neurale netwerken en in het algemeen in machine learning-algoritme, deep learning (algoritmen en applicaties).

Deze training is meer gericht op de basisprincipes, maar helpt u bij het kiezen van de juiste technologie: TensorFlow , Caffe , Teano, DeepDrive, Keras , enz. De voorbeelden zijn gemaakt in TensorFlow .

Neural computing – Data science

14 hours

Overview

Deze klassikale trainingssessie zal presentaties en computergebaseerde voorbeelden en casestudyoefeningen bevatten om te ondernemen met relevante neurale en diepe netwerkbibliotheken

Python and Deep Learning with OpenCV 4

14 hours

Overview

OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.

This instructor-led, live training (onsite or remote) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.

By the end of this training, participants will be able to:

- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.

Format of the Course

- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.

Course Customization Options

- To request a customized training for this course, please contact us to arrange.

OpenFace: Creating Facial Recognition Systems

14 hours

Overview

OpenFace is op Python en Torch gebaseerde opensource, realtime gezichtsherkenningssoftware op basis van Google's FaceNet-onderzoek Tijdens deze live training met instructeur leren deelnemers de OpenFace-componenten te gebruiken om een voorbeeldtoepassing voor gezichtsherkenning te maken en te implementeren Aan het einde van deze training kunnen deelnemers: Werk met de componenten van OpenFace, inclusief dlib, OpenVC, Torch en nn4 om gezichtsdetectie, uitlijning en transformatie te implementeren Pas OpenFace toe op realworld-applicaties zoals surveillance, identiteitsverificatie, virtual reality, gaming en het identificeren van terugkerende klanten, enz Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

OpenNMT: Setting Up a Neural Machine Translation System

7 hours

Overview

In deze door een instructeur geleide, live training leren deelnemers hoe ze OpenNMT kunnen instellen en gebruiken om verschillende voorbeeldgegevenssets te vertalen. De cursus begint met een overzicht van neurale netwerken die van toepassing zijn op machinevertaling. Deelnemers zullen tijdens de cursus live oefeningen uitvoeren om hun begrip van de geleerde concepten aan te tonen en feedback van de instructeur te krijgen.

Aan het einde van deze training hebben de deelnemers de kennis en praktijk die nodig is om een live OpenNMT oplossing te implementeren.

Bron- en doeltaalmonsters worden vooraf gerangschikt volgens de vereisten van het publiek.

Indeling van de cursus

- Deelcollege, deelbespreking, zware praktische oefening

OpenNN: Implementing Neural Networks

14 hours

Overview

OpenNN is een open-source klassenbibliotheek geschreven in C ++, die neurale netwerken implementeert, voor gebruik bij machine learning.

In deze cursus gaan we in op de principes van neurale netwerken en gebruiken we OpenNN om een voorbeeldtoepassing te implementeren.

Publiek
Softwareontwikkelaars en programmeurs die Deep Learning-applicaties willen maken.

Formaat van de cursus
Lezing en discussie gekoppeld aan praktische oefeningen.

PaddlePaddle

21 hours

Overview

PaddlePaddle (PArallel Distributed Deep LEarning) is een schaalbaar platform voor diep leren, ontwikkeld door Baidu In deze live training met instructeur leren deelnemers PaddlePaddle te gebruiken om diepgaand leren in hun product- en servicetoepassingen mogelijk te maken Aan het einde van deze training kunnen deelnemers: PaddlePaddle instellen en configureren Stel een Convolutional Neural Network (CNN) in voor beeldherkenning en objectdetectie Een terugkerend neuraal netwerk (RNN) instellen voor sentimentanalyse Stel diepgaand leren op aanbevelingssystemen in om gebruikers te helpen antwoorden te vinden Voorspellen van klikfrequenties (CTR), grootschalige opnamesets classificeren, optische tekenherkenning (OCR) uitvoeren, zoekopdrachten rangschikken, computervirussen detecteren en een aanbevelingssysteem implementeren Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

Python for Advanced Machine Learning

21 hours

Overview

Tijdens deze live training met instructeur leren deelnemers de meest relevante en alledaagse technieken voor het leren van machines in Python, terwijl ze een reeks demotoepassingen bouwen met afbeeldingen, muziek, tekst en financiële gegevens Aan het einde van deze training kunnen deelnemers: Implementeer algoritmen voor het leren van machines en technieken voor het oplossen van complexe problemen Gebruik deep learning en semisupervised learning voor toepassingen met beeld-, muziek-, tekst- en financiële gegevens Push Python-algoritmen naar hun maximale potentieel Gebruik bibliotheken en pakketten zoals NumPy en Theano Publiek ontwikkelaars analisten Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

Deep Learning for Self Driving Cars

21 hours

Overview

Diep leren is een deelgebied van machine learning. Het maakt gebruik van methoden gebaseerd op het leren van gegevensrepresentaties en structuren zoals neurale netwerken.

Keras is een API op hoog niveau voor neurale netwerken voor snelle ontwikkeling en experimenten. Het draait op TensorFlow , CNTK of Theano.

Deze instructeur-geleide, live training (ter plaatse of op afstand) is gericht op ontwikkelaars die een zelfrijdende auto willen bouwen met behulp van diepgaande leertechnieken.

Aan het einde van deze training kunnen deelnemers:

- Gebruik computer vision-technieken om rijstroken te identificeren.
- Gebruik Keras om convolutionele neurale netwerken te bouwen en te trainen.
- Train een diepgaand leermodel om verkeersborden te onderscheiden.
- Simuleer een volledig autonome auto.

Indeling van de cursus

- Interactieve lezing en discussie.
- Veel oefeningen en oefenen.
- Praktische implementatie in een live-labomgeving.

Cursusaanpassingsopties

- Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.

Matlab for Deep Learning

14 hours

Overview

In deze door een instructeur geleide live training leren deelnemers hoe ze Matlab kunnen gebruiken voor het ontwerpen, bouwen en visualiseren van een convolutioneel neuraal netwerk voor beeldherkenning.

Aan het einde van deze training kunnen deelnemers:

- Bouw een diepgaand leermodel
- Automatiseer gegevensetikettering
- Werk met modellen van Caffe en TensorFlow - Keras
- Train gegevens met behulp van meerdere GPU 's, de cloud of clusters

Publiek

- ontwikkelaars
- ingenieurs
- Domeinexperts

Formaat van de cursus

- Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

Mastering Apache SINGA

21 hours

Overview

SINGA is een algemeen gedistribueerd deep learning-platform voor het trainen van grote deep learning-modellen over grote datasets. Het is ontworpen met een intuïtief programmeermodel op basis van de laagabstractie. Een verscheidenheid aan populaire deep learning-modellen wordt ondersteund, namelijk feed-forward modellen, waaronder convolutionele neurale netwerken (CNN), energiemodellen zoals beperkte Boltzmann-machine (RBM) en terugkerende neurale netwerken (RNN). Veel ingebouwde lagen zijn bedoeld voor gebruikers. SINGA-architectuur is voldoende flexibel om synchrone, asynchrone en hybride trainingsraamwerken te gebruiken. SINGA ondersteunt ook verschillende neurale netpartitieschema's om de training van grote modellen te parallelliseren, namelijk partitionering op batch-dimensie, feature-dimensie of hybride partitionering.

Publiek

Deze cursus is bedoeld voor onderzoekers, ingenieurs en ontwikkelaars die Apache SINGA willen gebruiken als een diepgaand leerkader.

Na het voltooien van deze cursus zullen de deelnemers:

- de structuur en implementatiemechanismen van SINGA begrijpen
- in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
- codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
- in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, inbeddingstermijnen, het bouwen van grafieken en logboekregistratie

T2T: Creating Sequence to Sequence Models for Generalized Learning

7 hours

Overview

Tensor2Tensor (T2T) is een modulaire, uitbreidbare bibliotheek voor het trainen van AI-modellen in verschillende taken, met behulp van verschillende soorten trainingsgegevens, bijvoorbeeld: beeldherkenning, vertaling, parsing, beeldbijschrift en spraakherkenning Het wordt onderhouden door het Google Brain-team In deze live training met instructeur leren deelnemers hoe ze een dieplerend model kunnen voorbereiden om meerdere taken op te lossen Aan het einde van deze training kunnen deelnemers: Installeer tensor2tensor, selecteer een dataset en train en evalueer een AI-model Pas een ontwikkelomgeving aan met behulp van de tools en componenten die zijn opgenomen in Tensor2Tensor Maak en gebruik een enkel model om tegelijkertijd een aantal taken uit meerdere domeinen te leren Gebruik het model om te leren van taken met een grote hoeveelheid trainingsgegevens en pas die kennis toe op taken waarbij de gegevens beperkt zijn Verkrijg bevredigende verwerkingsresultaten met behulp van een enkele GPU Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

Deep Learning with TensorFlow 2.0

21 hours

Overview

TensorFlow is een populaire en machine learning-bibliotheek ontwikkeld door Go ogle voor diep leren, numerieke berekeningen en grootschalige machine learning. TensorFlow 2.0, uitgebracht in januari 2019, is de nieuwste versie van TensorFlow en bevat verbeteringen in enthousiaste uitvoering, compatibiliteit en API-consistentie.

Deze instructeur-geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars en datawetenschappers die Tensorflow 2.0 willen gebruiken om voorspellers, classificatoren, generatieve modellen, neurale netwerken, enzovoort te bouwen.

Aan het einde van deze training kunnen deelnemers:

- Installeer en configureer TensorFlow 2.0.
- Begrijp de voordelen van TensorFlow 2.0 ten opzichte van eerdere versies.
- Bouw diepe leermodellen.
- Implementeer een geavanceerde afbeeldingclassificator.
- Implementeer een diepgaand leermodel op de cloud-, mobiele en IoT-apparaten.

Indeling van de cursus

- Interactieve lezing en discussie.
- Veel oefeningen en oefenen.
- Praktische implementatie in een live-labomgeving.

Cursusaanpassingsopties

- Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.
- Ga voor meer informatie over TensorFlow naar: https://www.tensorflow.org/

TensorFlow Serving

7 hours

Overview

TensorFlow Serving is een systeem voor productie van machine learning (ML) -modellen In deze live training met instructeur leren deelnemers hoe ze TensorFlow Serving kunnen configureren en gebruiken om ML-modellen in een productieomgeving te implementeren en te beheren Aan het einde van deze training kunnen deelnemers: Train, exporteer en serveer verschillende TensorFlow-modellen Test en implementeer algoritmen met behulp van één architectuur en een reeks API's Verleng TensorFlow Serving voor andere typen modellen dan TensorFlow-modellen Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

Deep Learning with TensorFlow

21 hours

Overview

TensorFlow is een 2e generatie API van de open source softwarebibliotheek van Go TensorFlow voor Deep Learning . Het systeem is ontworpen om onderzoek naar machine learning te vergemakkelijken en om de overgang van onderzoeksprototype naar productiesysteem snel en gemakkelijk te maken.

Publiek

Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor hun Deep Learning projecten

Na het voltooien van deze cursus zullen de deelnemers:

- de structuur en implementatiemechanismen van TensorFlow begrijpen
- in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
- codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
- in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, grafieken maken en logboekregistratie

TensorFlow for Image Recognition

28 hours

Overview

Deze cursus onderzoekt, met specifieke voorbeelden, de toepassing van Tensor Flow voor beeldherkenning

Publiek

Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor TensorFlow

Na het voltooien van deze cursus kunnen afgevaardigden:

- de structuur en implementatiemechanismen van TensorFlow begrijpen
- voer installatie / productieomgeving / architectuurtaken en configuratie uit
- codekwaliteit beoordelen, foutopsporing uitvoeren, controleren
- implementeer geavanceerde productie zoals trainingsmodellen, het bouwen van grafieken en logboekregistratie

Torch for Machine and Deep Learning

21 hours

Overview

Torch is een open source bibliotheek voor machine learning en een wetenschappelijk computerframework gebaseerd op de programmeertaal Lua . Het biedt een ontwikkelomgeving voor cijfers, machine learning en computer vision, met een bijzondere nadruk op diep leren en convolutionele netten. Het is een van de snelste en meest flexibele frameworks voor Machine en Deep Learning en wordt gebruikt door bedrijven zoals Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel en vele anderen.

In deze door een instructeur geleide, live training behandelen we de principes van Torch , zijn unieke kenmerken en hoe het kan worden toegepast in real-world applicaties. We doorlopen talloze hands-on oefeningen doorheen, het demonstreren en oefenen van de geleerde concepten.

Aan het einde van de cursus hebben de deelnemers een grondig begrip van de onderliggende functies en mogelijkheden van Torch , evenals de rol en bijdrage binnen de AI-ruimte in vergelijking met andere frameworks en bibliotheken. Deelnemers hebben ook de nodige praktijk gekregen om Torch in hun eigen projecten te implementeren.

Indeling van de cursus

- Overzicht van machine en Deep Learning
- In-class codeer- en integratieoefeningen
- Testvragen die onderweg zijn verspreid om het begrip te controleren

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 hours

Overview

De Tensor Processing Unit (TPU) is de architectuur die Google al enkele jaren intern gebruikt en die nu net beschikbaar wordt voor gebruik door het grote publiek Het bevat verschillende optimalisaties die specifiek zijn bedoeld voor gebruik in neurale netwerken, waaronder gestroomlijnde matrixvermenigvuldiging en 8-bits gehele getallen in plaats van 16-bits om de juiste nauwkeurigheidsniveaus te retourneren In deze live training met instructeur leren deelnemers hoe ze kunnen profiteren van de innovaties in TPU-processors om de prestaties van hun eigen AI-applicaties te maximaliseren Aan het einde van de training kunnen deelnemers: Train verschillende typen neurale netwerken op grote hoeveelheden gegevens Gebruik TPU's om het afleidingsproces met maximaal twee orden van grootte te versnellen Gebruik TPU's om intensieve applicaties te verwerken, zoals zoeken naar afbeeldingen, cloudvisie en foto's Publiek ontwikkelaars onderzoekers ingenieurs Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

Natural Language Processing with TensorFlow

35 hours

Overview

TensorFlow ™ is een open source softwarebibliotheek voor numerieke berekening met behulp van gegevensstroomgrafieken.

SyntaxNet is een neuraal-netwerk framework voor natuurlijke TensorFlow voor TensorFlow .

Word 2Vec wordt gebruikt voor het leren van vectorrepresentaties van woorden, "woordinbedding" genoemd. Word 2vec is een bijzonder rekenkundig efficiënt voorspellend model voor het leren van woordinbedding van onbewerkte tekst. Het komt in twee smaken, het Continuous Bag-of- Word model (CBOW) en het Skip-Gram-model (hoofdstuk 3.1 en 3.2 in Mikolov et al.).

SyntaxNet en Word 2Vec worden in combinatie gebruikt en stellen gebruikers in staat om geleerde insluitingsmodellen te genereren op basis van invoer in natuurlijke taal.

Publiek

Deze cursus is bedoeld voor ontwikkelaars en ingenieurs die met SyntaxNet- en Word 2Vec-modellen willen werken in hun TensorFlow grafieken.

Na het voltooien van deze cursus zullen de deelnemers:

- de structuur en implementatiemechanismen van TensorFlow begrijpen
- in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
- codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
- in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, inbeddingstermijnen, het bouwen van grafieken en logboekregistratie

Understanding Deep Neural Networks

35 hours

Overview

Deze cursus begint met het geven van conceptuele kennis in neurale netwerken en in het algemeen in machine learning-algoritme, deep learning (algoritmen en applicaties).

Deel 1 (40%) van deze training is meer gericht op de basisprincipes, maar helpt u bij het kiezen van de juiste technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc.

Deel 2 (20%) van deze training introduceert Theano - een pythonbibliotheek die het schrijven van diepgaande leermodellen eenvoudig maakt.

Deel 3 (40%) van de training zou uitgebreid gebaseerd zijn op Tensorflow - 2e generatie API van de open source softwarebibliotheek van Go ogle voor Deep Learning . De voorbeelden en handson zouden allemaal in TensorFlow worden gemaakt.

Publiek

Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor hun Deep Learning projecten

Na het voltooien van deze cursus zullen de deelnemers:

-

hebben een goed begrip van diepe neurale netwerken (DNN), CNN en RNN

-

de structuur en implementatiemechanismen van TensorFlow begrijpen

-

in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren

-

codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren

-

in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, grafieken maken en logboekregistratie

Microsoft Cognitive Toolkit 2.x

21 hours

Overview

Microsoft Cognitive Toolkit 2x (voorheen CNTK) is een opensource, commercialgrade toolkit die diepgaande leeralgoritmen opleidt om te leren zoals het menselijk brein Volgens Microsoft kan CNTK 510x sneller zijn dan TensorFlow op terugkerende netwerken, en 2 tot 3 keer sneller dan TensorFlow voor imagerelated taken Tijdens deze live training met instructeur leren deelnemers hoe je Microsoft Cognitive Toolkit kunt gebruiken om diepgaande leeralgoritmen te maken, trainen en evalueren voor gebruik in commerciële AI-applicaties met meerdere soorten gegevens, zoals data, spraak, tekst en afbeeldingen Aan het einde van deze training kunnen deelnemers: Toegang tot CNTK als een bibliotheek vanuit een Python-, C #- of C ++ -programma Gebruik CNTK als standalone machine learning tool door middel van zijn eigen modelbeschrijvingstaal (BrainScript) Gebruik de CNTK-modelevaluatiefunctionaliteit van een Java-programma Combineer feed-forward DNN's, convolutionele netwerken (CNN's) en terugkerende netwerken (RNN's / LSTM's) Schaalberekeningscapaciteit op CPU's, GPU's en meerdere machines Toegang tot enorme datasets met behulp van bestaande programmeertalen en algoritmen Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen Notitie Als u een deel van deze training, inclusief de programmeertaal naar keuze, aan wilt passen, neem dan contact met ons op om dit te regelen .

Advanced Deep Learning with Keras and Python

14 hours

Overview

Keras is een open source Python neurale netwerkbibliotheek voor het maken van Deep Learning neurale netwerken. Keras biedt een intuïtieve set van abstracties, vereenvoudiging van de ontwikkeling van Deep Learning neurale netwerken en modellen.

Deze live training met instructeur (op locatie of op afstand) is gericht op software engineers die geavanceerde Deep Learning neurale netwerken en-modellen willen ontwikkelen met behulp van Keras en Python.

Aan het einde van deze training kunnen deelnemers:

- Pas Deep Learning toe met onder toezicht staande of niet-begeleide leermethoden.
- Ontwikkelen, trainen en implementeren van gelijktijdige neurale netwerken en terugkerende neurale netwerken.
- Gebruik Keras en Python om Deep Learning-modellen te bouwen om problemen op te lossen met betrekking tot afbeeldingen, tekst, geluid en meer.

Indeling van de cursus

- Interactieve lezing en discussie.
- Veel oefeningen en oefening.
- Hands-on implementatie in een live-labomgeving.

Opties voor cursus aanpassing

- Om een training op maat te vragen voor deze cursus, neem contact met ons op om te regelen.

Artificial Neural Networks, Machine Learning, Deep Thinking

21 hours

Overview

Artificial Neural Network is een computationeel datamodel dat wordt gebruikt bij de ontwikkeling van Artificial Intelligence (AI) -systemen die "intelligente" taken kunnen uitvoeren. Neural Networks worden vaak gebruikt in Machine Learning (ML) -toepassingen, die zelf een implementatie van AI zijn. Deep Learning is een subset van ML.

Deep Learning for Banking (with Python)

28 hours

Overview

Machine learning is een tak van kunstmatige intelligentie waarbij computers kunnen leren zonder expliciet te worden geprogrammeerd. Diep leren is een deelgebied van machine learning dat methoden gebruikt die gebaseerd zijn op gegevensrepresentaties en structuren zoals neurale netwerken. Python is een programmeertaal op hoog niveau die bekend staat om zijn duidelijke syntaxis en leesbaarheid van code.

In deze door een instructeur geleide, live training leren deelnemers hoe ze deep learning-modellen voor bankieren kunnen implementeren met behulp van Python terwijl ze het maken van een deep learning-kredietrisicomodel doorlopen.

Aan het einde van deze training kunnen deelnemers:

- Begrijp de fundamentele concepten van diep leren
- Leer de toepassingen en toepassingen van diep leren in bankieren
- Gebruik Python , Keras en TensorFlow om diepgaande leermodellen voor bankieren te maken
- Bouw hun eigen deep learning kredietrisicomodel met behulp van Python

Publiek

- ontwikkelaars
- Data wetenschappers

Formaat van de cursus

- Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

Applied AI from Scratch

28 hours

Overview

This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.

Artificial Neural Networks, Machine Learning and Deep Thinking

21 hours

Overview

Deep Learning for Vision with Caffe

21 hours

Overview

Caffe is een diepgaand leerkader gemaakt met expressie, snelheid en modulariteit in het achterhoofd.

Deze cursus onderzoekt de toepassing van Caffe als een diepgaand leerkader voor beeldherkenning met behulp van MNIST als voorbeeld

Publiek

Deze cursus is geschikt voor onderzoekers en ingenieurs van Deep Learning die geïnteresseerd zijn in het gebruik van Caffe als kader.

Na het voltooien van deze cursus kunnen afgevaardigden:

- inzicht in de structuur en implementatiemechanismen van Caffe
- voer installatie / productieomgeving / architectuurtaken en configuratie uit
- codekwaliteit beoordelen, foutopsporing uitvoeren, controleren
- implementeer geavanceerde productie zoals trainingsmodellen, implementatie van lagen en logboekregistratie

Andere regios

Amsterdam Rotterdam Utrecht Den Haag Nijmegen Leeuwarden Groningen Zwolle Tilburg Eindhoven Maastricht Apeldoorn Leiden Nieuwegein

Other countries

These courses are also available in other countries ››

Consulting

Deep Learning Consulting

Weekend Deep Learning cursus, Avond Deep Learning training, Avond Deep Learning (DL) opleiding Deep Learning (DL) boot camp, DL (Deep Learning) instructeur geleid, Weekend DL (Deep Learning) training, Avond Deep Learning (DL) cursus, Deep Learning (DL) coaching, Deep Learning instructeur, Deep Learning trainer, Deep Learning (DL) training cursus, Deep Learning (DL) lessen, Deep Learning (DL) on-site, Deep Learning (DL) privé cursus, DL (Deep Learning) een op een training, Deep Learning (DL) op locatie, Weekend Deep Learning (DL) opleiding