Deep Learning Training Courses

  1. Studiegids
  2. Kunstmatige Intelligentie Training
  3. Machine Learning Training
  4. Deep Learning Training Courses
Deep Learning Training Courses

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

★★★★★
★★★★★

Deep Learning subcategorieën

TensorFlow Training CoursesTensorFlow
Caffe Training CoursesCaffe
Deeplearning4j Training CoursesDeeplearning4j
Torch Training CoursesTorch
Apache SINGA Training CoursesApache SINGA
Keras Training CoursesKeras
Apache MXNet Training CoursesApache MXNet
OpenVINO Training CoursesOpenVINO
Horovod Training CoursesHorovod
Chainer Training CoursesChainer
TensorFlow Lite Training CoursesTensorFlow Lite
AlphaFold Training CoursesAlphaFold

Deep Learning (DL) Cursusoverzicht

Course Name
Duration
Overview
Course Name
Duration
Overview

AlphaFold

7 hours
AlphaFold is een Artificial Intelligence (AI) systeem dat de voorspelling van eiwitstructuur uitvoert. Het is ontwikkeld door Alphabet’s/Google’s DeepMind als een diep leren systeem dat nauwkeurig 3D-modellen van eiwitstructuur kan voorspellen. Deze instructeur geleide, live training (online of on-site) is gericht op biologen die willen begrijpen hoe AlphaFold werken en gebruiken AlphaFold modellen als gids in hun experimentele studies. Aan het einde van deze training zullen de deelnemers in staat zijn:
    Begrijp de fundamentele beginselen van AlphaFold. Leer hoe [ 2 ] werkt. Leer hoe je AlphaFold voorspellingen en resultaten kunt interpreteren.
Format van de cursus
    Interactieve lezingen en discussie. Veel oefeningen en oefeningen. Hand-on implementatie in een live-lab-omgeving.
Cursus aanpassingsopties
    Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.

Advanced Machine Learning with Python

21 hours
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 Reinforcement Learning with Python

21 hours
Diep Reinforcement Learning verwijst naar de vermogen van een "artificale agent" om te leren door probeer-en-fout-en-beloning-en-strafingen. Een kunstmatige agent doel doeltreffend om een menselijke en#39 te emuleren; de vermogen om kennis op eigen eigen te verkrijgen en te bouwen, rechtstreeks uit rouwe inputs zoals visioen. Om de versterking van het leren te realisen, worden diep leren en neurale netwerken gebruikt. De hervormingsleren is anders van de machine-leren en vertrouwt niet op overzicht van en onsuperbezigde leerbenaderingen.In deze instructeur, levende opleiding, zullen deelnemers de fundamentele grondslagen van Deep Reinforcement Learning leren terwijl zij door de oprichting van een Deep Learning Agent stappen.Ten einde van deze opleiding kunnen deelnemers:
    Begrijpen de belangrijke concepten achter Deep Reinforcement Learning en kan het onderscheiden van Machine Learning Geavanceerde algoritmen Reinforcement Learning toepassen om echte wereldproblemen op te lossen Boven een Deep Learning Agent
Audiëntie
    Ontwikkelers Gegevenswetenschappers
Formaat van de weg
    Deelleding, deeldiscutie, oefenen en zware handen-op-praktijk

Deep Learning for Telecom (with Python)

28 hours
Machine learning is een branche van Artificial Intelligence waarin computers de mogelijkheid hebben om te leren zonder uitdrukkelijk te worden geprogrammeerd. Deep learning is een onderveld van machine learning dat methoden gebruikt die gebaseerd zijn op leergegevens representaties en structuren zoals neurale netwerken. Python is een hoog niveau programmeertaal beroemd om zijn duidelijke syntax en code leesbaarheid. In deze instructeur geleide, live training, zullen de deelnemers leren hoe te implementeren diepe leren modellen voor telecom gebruik Python als ze stappen door het creëren van een diepe leren credit risk model. Aan het einde van deze training zullen de deelnemers in staat zijn:
    Begrijp de fundamentele begrippen van diep leren. Leer de toepassingen en toepassingen van diep leren in telecom. Gebruik Python, Keras en TensorFlow om diep leren modellen voor telecom te creëren. Bouw je eigen diep leren klant voorspelling model met behulp van Python.
Format van de cursus
    Interactieve lezingen en discussie. Veel oefeningen en oefeningen. Hand-on implementatie in een live-lab-omgeving.
Cursus aanpassingsopties
    Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.

Embedding Projector: Visualizing Your Training Data

14 hours
Embedding Projector is een opensource-webtoepassing voor het visualiseren van de gegevens die worden gebruikt om machine-leersystemen te trainen Het is gemaakt door Google en maakt deel uit van TensorFlow Deze instructieve, live training introduceert de concepten achter Embedding Projector en leidt deelnemers door het opzetten van een demoproject Aan het einde van deze training kunnen deelnemers: Onderzoek hoe gegevens worden geïnterpreteerd door machine learning-modellen Navigeer door 3D- en 2D-weergaven van gegevens om te begrijpen hoe een algoritme voor machine-learning het interpreteert Begrijp de concepten achter Inbedding en hun rol in het representeren van wiskundige vectoren voor afbeeldingen, woorden en cijfers Verken de eigenschappen van een specifieke insluiting om het gedrag van een model te begrijpen Pas Embedding Project toe op realworld-use cases zoals het bouwen van een songaanbevelingssysteem voor muziekliefhebbers Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

Artificial Neural Networks, Machine Learning, Deep Thinking

21 hours
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.

Introduction to Deep Learning

21 hours
Deze cursus is een algemeen overzicht voor Deep Learning zonder te diep in te gaan op specifieke methoden. Het is geschikt voor mensen die Deep learning willen gaan gebruiken om hun voorspellingsnauwkeurigheid te verbeteren.

Artificial Neural Networks, Machine Learning and Deep Thinking

21 hours
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.

Advanced Deep Learning

28 hours
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.

Deep Learning for Vision with Caffe

21 hours
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

Deep Learning for Vision

21 hours
Publiek Deze cursus is geschikt voor onderzoekers en ingenieurs van Deep Learning die geïnteresseerd zijn in het gebruik van beschikbare hulpmiddelen (meestal open source) voor het analyseren van computerbeelden Deze cursus biedt werkvoorbeelden.

Artificial Intelligence in Automotive

14 hours
Deze cursus omvat AI (emphasizing Machine Learning en Deep Learning) in Automotive Industrie. Het helpt om te bepalen welke technologie (potentieel) kan worden gebruikt in meerdere situaties in een auto: van eenvoudige automatisering, beeldrecognitie tot autonome besluitvorming.

Machine Learning and Deep Learning

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

OpenNN: Implementing Neural Networks

14 hours
In deze instructeur geleid, live training, we gaan over de beginselen van neurale netwerken en gebruik OpenNN om een samengestelde toepassing te implementeren. Format van de cursus
    Lessen en discussie in combinatie met praktische oefeningen.

OpenNMT: Setting Up a Neural Machine Translation System

7 hours
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

    Introduction Deep Learning and Neural Network for Engineers

    21 hours
    Type: Theoretische training met applicaties stroomopwaarts besloten met de studenten op Lasagne of Keras volgens de pedagogische groep Lesmethode: presentatie, uitwisselingen en case studies Kunstmatige intelligentie begon, na vele wetenschappelijke gebieden te hebben verstoord, een revolutie teweeg te brengen in een groot aantal economische sectoren (industrie, geneeskunde, communicatie, enz.). Desalniettemin is de presentatie ervan in de grote media vaak fantasie, ver van wat echt de gebieden zijn van Machine Learning of Deep Learning . Het doel van deze training is om ingenieurs die al kennis hebben van computerhulpmiddelen (inclusief een softwareprogrammabasis) een inleiding te bieden tot Deep Learning en de verschillende specialisatiegebieden en daarmee tot de belangrijkste bestaande netwerkarchitecturen vandaag. Als de wiskundige basis tijdens de cursus wordt opgeroepen, wordt een niveau van wiskunde van het type BAC + 2 aanbevolen voor meer comfort. Het is absoluut mogelijk om de wiskundige as over te slaan om alleen een "systeemvisie" te behouden, maar deze benadering zal uw begrip van het onderwerp enorm beperken.

    Facebook NMT: Setting up a Neural Machine Translation System

    7 hours
    In deze instructeur geleide, live training, zullen de deelnemers leren hoe Facebook NMT (Fairseq) te gebruiken om de vertaling van sampleinhoud uit te voeren. Aan het einde van deze training hebben de deelnemers de kennis en praktijk die nodig is om een op Fairseq gebaseerde machinevertalingsoplossing te implementeren. Format van de cursus
      Deel lezing, deel discussie, zware hands-on praktijk
    Opmerking
      Als u specifieke bron- en doeltaalinhoud wilt gebruiken, neem dan contact met ons op om te regelen.

    Microsoft Cognitive Toolkit 2.x

    21 hours
    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 .

    PaddlePaddle

    21 hours
    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 .

    Amazon DSSTNE: Build a Recommendation System

    7 hours
    In deze door een instructeur geleide live training leren deelnemers hoe ze DSSTNE kunnen gebruiken om een aanbevelingsapplicatie te bouwen. Aan het einde van deze training kunnen deelnemers:
    • Train een aanbevelingsmodel met beperkte gegevenssets als invoer
    • Schaal training en voorspellingsmodellen over meerdere GPU 's
    • Verspreid berekening en opslag op een model-parallelle manier
    • Genereer Amazon-achtige gepersonaliseerde productaanbevelingen
    • Implementeer een productieklare applicatie die kan schalen bij zware workloads
    Formaat van de cursus
    • Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

    T2T: Creating Sequence to Sequence Models for Generalized Learning

    7 hours
    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 .

    OpenFace: Creating Facial Recognition Systems

    14 hours
    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 .

    Advanced Machine Learning with R

    21 hours
    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 .

    Matlab for Deep Learning

    14 hours
    In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition. By the end of this training, participants will be able to:
    • Build a deep learning model
    • Automate data labeling
    • Work with models from Caffe and TensorFlow-Keras
    • Train data using multiple GPUs, the cloud, or clusters
    Audience
    • Developers
    • Engineers
    • Domain experts
    Format of the course
    • Part lecture, part discussion, exercises and heavy hands-on practice

    Deep Learning for Finance (with R)

    28 hours
    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. R is een populaire programmeertaal in de financiële sector. Het wordt gebruikt in financiële toepassingen variërend van kernhandelprogramma's tot risicobeheersystemen. In deze door een instructeur geleide, live training, leren deelnemers hoe ze deep learning-modellen voor financiën kunnen implementeren met behulp van R terwijl ze door de creatie van een deep learning-aandelenvoorspellingsmodel stappen. Aan het einde van deze training kunnen deelnemers:
    • Begrijp de fundamentele concepten van diep leren
    • Leer de toepassingen en toepassingen van diep leren in financiën
    • Gebruik R om diepgaande leermodellen voor financiën te maken
    • Bouw hun eigen deep learning aandelenprijsvoorspellingsmodel met R
    Publiek
    • ontwikkelaars
    • Data wetenschappers
    Formaat van de cursus
    • Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

    Deep Learning for Banking (with Python)

    28 hours
    Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability. In this instructor-led, live training, participants will learn how to implement deep learning models for banking using Python as they step through the creation of a deep learning credit risk model. By the end of this training, participants will be able to:
    • Understand the fundamental concepts of deep learning
    • Learn the applications and uses of deep learning in banking
    • Use Python, Keras, and TensorFlow to create deep learning models for banking
    • Build their own deep learning credit risk model using Python
    Audience
    • Developers
    • Data scientists
    Format of the course
    • Part lecture, part discussion, exercises and heavy hands-on practice

    Deep Learning for Banking (with R)

    28 hours
    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. R is een populaire programmeertaal in de financiële sector. Het wordt gebruikt in financiële toepassingen variërend van kernhandelprogramma's tot risicobeheersystemen. In deze door een instructeur geleide, live training, leren deelnemers hoe ze deep learning-modellen voor bankieren kunnen implementeren met behulp van R 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 R om diepgaande leermodellen voor bankieren te maken
    • Bouw hun eigen deep learning kredietrisicomodel met R
    Publiek
    • ontwikkelaars
    • Data wetenschappers
    Formaat van de cursus
    • Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

    Deep Learning for Finance (with Python)

    28 hours
    Machine learning is een tak van Artificial Intelligence waarbij computers het vermogen hebben om te leren zonder expliciet geprogrammeerd te zijn Deep learning is een subveld van machine learning dat gebruikmaakt van methoden die gebaseerd zijn op leergegevensrepresentaties en structuren zoals neurale netwerken Python is een programmeertaal op hoog niveau die bekend staat om zijn duidelijke syntaxis en codele leesbaarheid In deze live training met instructeur leren deelnemers hoe ze diepgaande leermodellen voor financiën kunnen implementeren met behulp van Python, terwijl ze door de creatie van een diepgaand modelvoorspellingmodel voor prijsvoorspelling stappen Aan het einde van deze training kunnen deelnemers: Begrijp de fundamentele concepten van diep leren Leer de toepassingen en het gebruik van deep learning in finance Gebruik Python, Keras en TensorFlow om diepgaande leermodellen voor financiën te maken Bouw een eigen voorspellingsmodel voor deep learning aandelenprijzen met Python Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

    Deep Learning AI Techniques for Executives, Developers and Managers

    21 hours
    Introductie : Deep learning wordt een belangrijke component van toekomstige productontwerp die kunstmatige intelligentie wil integreren in het hart van hun modellen. In de komende 5 tot 10 jaar zullen diep leren ontwikkeling tools, bibliotheken en talen standaard componenten van elke software ontwikkeling toolkit worden. Tot nu toe Google, Sales Force, Facebook, Amazon heeft met succes gebruik gemaakt van diep leren AI om hun bedrijf te stimuleren. Applicaties variëren van automatische machinevertaling, beeldanalyse, videoanalyse, bewegingsanalyse, het genereren van gerichte advertenties en nog veel meer. Deze cursus is gericht op de organisaties die willen integreren Deep Learning als een zeer belangrijk onderdeel van hun product- of dienststrategie. Hieronder is de outline van de diep leren cursus die we kunnen aanpassen voor verschillende niveaus van werknemers / stakeholders in een organisatie. Goed publiek: (Afhankelijk van het doelgerichte publiek zal het cursus materiaal worden aangepast) Uitvoerende Een algemene overzicht van AI en hoe het past in de corporate strategie, met breakout sessies op strategische planning, technologische routekaarten en resource allocation om maximale waarde te garanderen. Projectmanagers Hoe een AI-project te plannen, waaronder gegevensverzameling en evaluatie, gegevensreiniging en verificatie, ontwikkeling van een proof-of-conceptmodel, integratie in zakelijke processen en levering in de hele organisatie. Ontwikkelaars Geavanceerde technische opleidingen, met de nadruk op neurale netwerken en diep leren, beeld- en videoanalyse (CNNs), geluid- en tekstanalyse (NLP), en het brengen van AI in bestaande toepassingen. Verkooppunten Een algemene overzicht van AI en hoe het kan voldoen aan de behoeften van de klant, waardevoorstellen voor verschillende producten en diensten, en hoe om angsten te ontspannen en de voordelen van AI te bevorderen.

    Neural computing – Data science

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

    Last Updated:

    Aankomende Deep Learning (DL) cursussen

    Deep Learning for Vision

    2022-10-18 09:30
    Amsterdam
    21 hours

    TensorFlow for Image Recognition

    2022-10-31 09:30
    Amsterdam
    28 hours

    Deep Learning with TensorFlow

    2022-11-09 09:30
    Amsterdam
    21 hours

    Natural Language Processing with TensorFlow

    2022-11-21 09:30
    Amsterdam
    35 hours

    Neural Networks Fundamentals using TensorFlow as Example

    2022-11-21 09:30
    Amsterdam
    28 hours

    Other countries

    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

    Cursussen met korting

    NVIDIA GPU Programming

    2022-09-29 09:30
    Almere WTC
    14 hours

    Professional Scrum Master II | PSM II (Scrum.org accredited training course)

    2022-10-31 09:30
    Rotterdam Brainpark
    14 hours

    Applying Professional Scrum | APS (Scrum.org accredited training course)

    2022-11-28 09:30
    Nijmegen City Centre
    14 hours

    TensorFlow for Image Recognition

    2022-12-06 09:30
    Arnhem Park Tower
    28 hours

    AWS: A Hands-on Introduction to Cloud Computing

    2023-04-17 09:30
    Den Haag Zwaan
    7 hours
    See All

    Course Discounts Newsletter

    We respect the privacy of your email address. We will not pass on or sell your address to others.
    You can always change your preferences or unsubscribe completely.

    Een aantal van onze klanten

    This site in other countries/regions