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.

Getuigenissen

★★★★★
★★★★★

Deep Learning subcategorieën

Deep Learning Cursusoverzicht

CodeNaamTijdsduurOverzicht
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 uurArtificial Neural Network is een computationeel datamodel dat wordt gebruikt bij de ontwikkeling van kunstmatige intelligentie (AI) -systemen die in staat zijn om "intelligente" taken uit te voeren. Neurale netwerken worden vaak gebruikt in Machine Learning (ML) -toepassingen, die zelf één implementatie van AI zijn. Deep Learning is een subset van ML.
undnnUnderstanding Deep Neural Networks35 uurDeze cursus begint met het geven van conceptuele kennis in neurale netwerken en in het algemeen in algoritmen voor machinaal leren, diepgaand leren (algoritmen en toepassingen) Deel1 (40%) van deze training is meer gericht op de basis, maar helpt je bij het kiezen van de juiste technologie: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc Deel 2 (20%) van deze training introduceert de Theano a Python-bibliotheek die het schrijven van diepgaande leermodellen gemakkelijk maakt Part3 (40%) van de training zou grotendeels gebaseerd zijn op de Tensorflow 2nd Generation API van de open source softwarebibliotheek van Google voor Deep Learning De voorbeelden en handson zouden allemaal in TensorFlow worden gemaakt Publiek Deze cursus is bedoeld voor technici die TensorFlow willen gebruiken voor hun Deep Learning-projecten Na het voltooien van deze cursus zullen afgevaardigden: een goed begrip hebben van diepe neurale netwerken (DNN), CNN en RNN de structuur en implementatiemechanismen van TensorFlow begrijpen in staat zijn installatie / productieomgeving / architectuurtaken en -configuratie uit te voeren in staat zijn om de kwaliteit van de code te beoordelen, debugging uit te voeren, monitoring in staat zijn om geavanceerde productie-achtige trainingsmodellen te implementeren, grafieken te bouwen en te loggen Niet alle onderwerpen worden behandeld in een openbaar klaslokaal met een duur van 35 uur vanwege de uitgestrektheid van het onderwerp De duur van de volledige cursus is ongeveer 70 uur en niet 35 uur .
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7 uurTensor2Tensor (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 .
embeddingprojectorEmbedding Projector: Visualizing Your Training Data14 uurEmbedding 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 .
openfaceOpenFace: Creating Facial Recognition Systems14 uurOpenFace 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 .
pythonadvmlPython for Advanced Machine Learning21 uurTijdens 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 .
radvmlAdvanced Machine Learning with R21 uurIn 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 .
tensorflowservingTensorFlow Serving7 uurTensorFlow 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 .
matlabdlMatlab for Deep Learning14 uurIn deze live training met instructeur leren deelnemers Matlab te 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 Gegevensetikettering automatiseren Werk met modellen van Caffe en TensorFlowKeras Train gegevens met behulp van meerdere GPU's, de cloud of clusters Publiek ontwikkelaars ingenieurs Domein experts Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
mlbankingpython_Machine Learning for Banking (with Python)21 uurMachine Learning is een tak van Artificial Intelligence waarbij computers het vermogen hebben om te leren zonder expliciet geprogrammeerd te zijn Python is een programmeertaal die bekend staat om zijn duidelijke syntaxis en leesbaarheid Het biedt een uitstekende verzameling van goed geteste bibliotheken en technieken voor het ontwikkelen van machine learning-applicaties In deze live training met instructeur leren deelnemers technieken voor het leren van machines en hulpmiddelen voor het oplossen van problemen in de echte wereld in de banksector Deelnemers leren eerst de belangrijkste principes en passen hun kennis vervolgens in de praktijk door hun eigen machine-leermodellen te bouwen en deze te gebruiken om een ​​aantal teamprojecten te voltooien Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
dlfornlpDeep Learning for NLP (Natural Language Processing)28 uurDeep Learning voor NLP stelt een machine in staat om eenvoudige tot complexe taalverwerking te leren Tot de taken die momenteel mogelijk zijn, behoren taalvertaling en het genereren van bijschriften voor foto's DL (Deep Learning) is een subset van ML (Machine Learning) Python is een populaire programmeertaal met bibliotheken voor deep-learning voor NLP Tijdens deze live training met instructeur leren de deelnemers Python-bibliotheken te gebruiken voor NLP (Natural Language Processing) terwijl ze een applicatie maken die een reeks foto's verwerkt en ondertiteling genereert Aan het einde van deze training kunnen deelnemers: Ontwerp en code DL voor NLP met behulp van Python-bibliotheken Maak een Python-code die een aanzienlijk grote verzameling afbeeldingen leest en trefwoorden genereert Maak een Python-code die bijschriften genereert van de gedetecteerde trefwoorden Publiek Programmeurs met interesse in taalkunde Programmeurs die een goed begrip van NLP (Natural Language Processing) zoeken Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
PaddlePaddlePaddlePaddle21 uurPaddlePaddle (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 .
dlfinancewithrDeep Learning for Finance (with R)28 uurMachine 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 R is een populaire programmeertaal in de financiële sector Het wordt gebruikt in financiële toepassingen, variërend van kernhandelsprogramma's tot risicobeheersystemen In deze live training met instructeur leren deelnemers hoe ze diepgaande leermodellen voor financiën kunnen implementeren met behulp van R wanneer 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 R om diepgaande leermodellen voor financiën te maken Bouw een eigen model voor de prijsbepaling van diepe aandelen met behulp van R Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
dlforbankingwithpythonDeep Learning for Banking (with Python)28 uurMachine 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 bankieren met Python kunnen implementeren bij het maken van een diepgaand leerkredietrisicomodel 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 het bankwezen Gebruik Python, Keras en TensorFlow om diepgaande leermodellen voor bankieren te creëren Bouw een eigen deep learning-kredietrisicomodel met behulp van Python Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
dlforbankingwithrDeep Learning for Banking (with R)28 uurMachine 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 R is een populaire programmeertaal in de financiële sector Het wordt gebruikt in financiële toepassingen, variërend van kernhandelsprogramma's tot risicobeheersystemen Tijdens deze live training met instructeur leren deelnemers hoe ze diepe leermodellen voor bankieren met behulp van R kunnen implementeren wanneer ze een diepgaand leerkredietrisicomodel ontwikkelen 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 het bankwezen Gebruik R om diepgaande leermodellen voor bankieren te creëren Bouw een eigen deep-learning kredietrisicomodel met behulp van R Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
dlforfinancewithpythonDeep Learning for Finance (with Python)28 uurMachine 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 .
drlpythonDeep Reinforcement Learning with Python21 uurDeep Reinforcement Learning verwijst naar het vermogen van een "kunstmatige agent" om te leren door trialanderror en rewardsandpunishments Een kunstmatige agent probeert het vermogen van een mens te emuleren om op eigen kracht kennis te verkrijgen en te construeren, rechtstreeks van onbewerkte inputs zoals visie Om versterkingsleren te realiseren, worden deep learning en neurale netwerken gebruikt Reinforcement learning verschilt van machine learning en is niet afhankelijk van gesuperviseerde en unsupervised leerbenaderingen Tijdens deze live training met instructeur leren deelnemers de grondbeginselen van Deep Reinforcement Learning terwijl ze door de oprichting van een Deep Learning Agent stappen Aan het einde van deze training kunnen deelnemers: Begrijp de sleutelbegrippen achter Deep Reinforcement Learning en onderscheid het van Machine Learning Pas geavanceerde Reinforcement Learning-algoritmen toe om problemen in de echte wereld op te lossen Bouw een Deep Learning Agent Publiek ontwikkelaars Data-wetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21 uurIntroductie : Diepgaand leren wordt een belangrijk onderdeel van toekomstig productontwerp dat kunstmatige intelligentie centraal wil stellen in hun modellen Binnen de komende 5 tot 10 jaar worden tools voor het ontwikkelen van deep learning , bibliotheken en talen standaardcomponenten van elke softwareontwikkelingstoolkit Tot nu toe hebben Google, Sales Force, Facebook en Amazon met succes deep learning AI gebruikt om hun bedrijf een boost te geven Toepassingen varieerden van automatische machinevertaling, beeldanalyse, videoanalyse, bewegingsanalyse, het genereren van gerichte advertenties en nog veel meer Deze cursussen zijn bedoeld voor die organisaties die Deep Learning willen opnemen als een zeer belangrijk onderdeel van hun product- of dienstenstrategie Hieronder volgt een overzicht van de deep learning-cursus die we kunnen aanpassen voor verschillende niveaus van medewerkers / belanghebbenden in een organisatie Doelgroep: (Afhankelijk van de doelgroep worden cursusmaterialen aangepast) executives Een algemeen overzicht van AI en hoe dit past in de bedrijfsstrategie, met breakoutsessies over strategische planning, routekaarten voor technologie en toewijzing van middelen om maximale waarde te garanderen Project managers Hoe een KI-project te plannen, inclusief gegevensverzameling en -evaluatie, opschonen en verifiëren van gegevens, ontwikkeling van een proofofconcept-model, integratie in bedrijfsprocessen en levering in de hele organisatie ontwikkelaars Praktische technische trainingen, met focus op neurale netwerken en deep learning, beeld- en videoanalyse (CNN's), geluids- en tekstanalyse (NLP), en het toevoegen van AI aan bestaande applicaties verkopers Een algemeen overzicht van AI en hoe het kan voldoen aan de behoeften van klanten, waardeproposities voor verschillende producten en diensten, en hoe angsten te verminderen en de voordelen van AI te bevorderen .
Nue_LBGNeural computing – Data science14 uurDeze in het klaslokaal gebaseerde trainingssessie bevat presentaties en computergestuurde voorbeelden en case study-oefeningen om te ondernemen met relevante neurale en diepe netwerkbibliotheken .
dlformedicineDeep Learning for Medicine14 uurMachine 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 de werking van het menselijk brein bij het nemen van beslissingen probeert na te bootsen Het wordt getraind met gegevens om automatisch oplossingen voor problemen te bieden Deep Learning biedt enorme kansen voor de medische industrie die op een datagoudmijn zit In deze geoefende, live training zullen deelnemers dat doen neem deel aan een reeks van discussies, oefeningen en casestudy-analyse om het fundament van Deep Learning te begrijpen De belangrijkste Deep Learning-hulpmiddelen en -technieken zullen worden geëvalueerd en er zullen oefeningen worden uitgevoerd om deelnemers voor te bereiden op het uitvoeren van hun eigen evaluatie en implementatie van Deep Learning-oplossingen binnen hun organisaties Aan het einde van deze training kunnen deelnemers: Begrijp de fundamenten van Deep Learning Leer diepgaande technieken en hun toepassingen in de industrie Onderzoek kwesties in de geneeskunde die kunnen worden opgelost door Deep Learning-technologieën Verken diepgaande case-study's in de geneeskunde Formuleer een strategie voor het toepassen van de nieuwste technologieën in Deep Learning voor het oplossen van problemen in de geneeskunde Publiek managers Medische professionals in leiderschapsrollen Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen Notitie Om een ​​aangepaste training aan te vragen voor deze cursus, neem dan contact met ons op om dit te regelen .
dlfortelecomwithpythonDeep Learning for Telecom (with Python)28 uurMachine 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 telecom 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 telecom
- Use Python, Keras, and TensorFlow to create deep learning models for telecom
- Build their own deep learning customer churn prediction model using Python

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
dsstneAmazon DSSTNE: Build a Recommendation System7 uurAmazon DSSTNE is een opensourcebibliotheek voor het trainen en implementeren van aanbevelingsmodellen Hiermee kunnen modellen met gewichtsmatrices die te groot zijn voor een enkele GPU, op één host worden getraind In deze live training met instructeur leren deelnemers hoe ze DSSTNE kunnen gebruiken om een ​​aanbevelingsapp te bouwen Aan het einde van deze training kunnen deelnemers: Train een aanbevelingsmodel met dunne datasets als input Trainings- en voorspellingsmodellen schalen over meerdere GPU's Verspreid de berekening en opslag op een modelparallelle manier Genereer gepersonaliseerde productaanbevelingen op basis van Amazon Implementeer een productionready-toepassing die kan worden geschaald bij zware werkbelastingen Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 uurMicrosoft 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 .
deeplearning1Introduction to Deep Learning21 uurDeze cursus is een algemeen overzicht van 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 vergroten.
dl4jirDeepLearning4J for Image Recognition21 uurDeeplearning4j is een OpenSource DeepLearning-software voor Java en Scala op Hadoop en Spark Publiek Deze cursus is bedoeld voor technici en ontwikkelaars die DeepLearning4J willen gebruiken in hun projecten voor beeldherkenning .
bspkannmldtArtificial Neural Networks, Machine Learning and Deep Thinking21 uurArtificial Neural Network is een computationeel datamodel dat wordt gebruikt bij de ontwikkeling van kunstmatige intelligentie (AI) -systemen die in staat zijn om "intelligente" taken uit te voeren. Neurale netwerken worden vaak gebruikt in Machine Learning (ML) -toepassingen, die zelf één implementatie van AI zijn. Deep Learning is een subset van ML.
dladvAdvanced Deep Learning28 uurMachine 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 .
tf101Deep Learning with TensorFlow21 uurTensorFlow is een 2e generatie API van de open source softwarebibliotheek van Google voor Deep Learning Het systeem is ontworpen om onderzoek naar machinaal leren te vergemakkelijken en om het snel en gemakkelijk van prototype naar onderzoeksproductiesysteem te laten overstappen Publiek Deze cursus is bedoeld voor technici die TensorFlow willen gebruiken voor hun Deep Learning-projecten Na het voltooien van deze cursus zullen afgevaardigden: de structuur en implementatiemechanismen van TensorFlow begrijpen in staat zijn installatie / productieomgeving / architectuurtaken en -configuratie uit te voeren in staat zijn om de kwaliteit van de code te beoordelen, debugging uit te voeren, monitoring in staat zijn om geavanceerde productie-achtige trainingsmodellen te implementeren, grafieken te bouwen en te loggen .
tfirTensorFlow for Image Recognition28 uurDeze cursus onderzoekt, met specifieke voorbeelden, de toepassing van Tensor Flow voor de doeleinden van beeldherkenning Publiek Deze cursus is bedoeld voor technici die TensorFlow willen gebruiken voor de doeleinden van beeldherkenning Na het voltooien van deze cursus kunnen deelnemers: de structuur en implementatiemechanismen van TensorFlow begrijpen uitvoeren installatie / productie omgeving / architectuur taken en configuratie de kwaliteit van de code beoordelen, foutopsporing uitvoeren, bewaken geavanceerde productie implementeren zoals trainingsmodellen, grafieken bouwen en loggen .
tsflw2vNatural Language Processing with TensorFlow35 uurTensorFlow ™ is een open source softwarebibliotheek voor numerieke berekeningen met behulp van gegevensstroomgrafieken SyntaxNet is een framework voor natuurlijke taalverwerking van neuraal netwerken voor TensorFlow Word2Vec wordt gebruikt voor het leren van vectorrepresentaties van woorden, genaamd "woordinbeddings" Word2vec is een bijzonder computationeel efficiënt voorspellend model voor het leren van woordinbedekkingen uit onbewerkte tekst Het komt in twee smaken, het Model Continuous BagofWords (CBOW) en het SkipGram-model (Hoofdstuk 31 en 32 in Mikolov et al) SyntaxNet en Word2Vec kunnen naast elkaar worden gebruikt om Geleerde Embedding-modellen te genereren uit Natuurlijke Taalinvoer Publiek Deze cursus is bedoeld voor ontwikkelaars en technici die met SyntaxNet en Word2Vec-modellen willen werken in hun TensorFlow-grafieken Na het voltooien van deze cursus zullen afgevaardigden: de structuur en implementatiemechanismen van TensorFlow begrijpen in staat zijn installatie / productieomgeving / architectuurtaken en -configuratie uit te voeren in staat zijn om de kwaliteit van de code te beoordelen, debugging uit te voeren, monitoring in staat zijn om geavanceerde productie-achtige trainingsmodellen te implementeren, termen in te bouwen, grafieken te bouwen en te loggen .

Aankomende Deep Learning cursussen

CursusCursusdatumCursus Kosten [Op Afstand / Klas]
Deep Learning for Vision with Caffe - De Fabriek Leeuwardenwo, 2019-01-02 09:304500EUR / 5510EUR
Deep Learning for Vision with Caffe - Zwolle Business Parkwo, 2019-01-02 09:304500EUR / 6050EUR
Deep Learning for Vision with Caffe - Golden Tulip Leidendi, 2019-01-08 09:304500EUR / 6350EUR
Deep Learning for Vision with Caffe - Regus Amsterdam Sloterdijk Teleport Towerswo, 2019-01-09 09:304500EUR / 6425EUR
Deep Learning for Vision with Caffe - Nijmegen City Centrema, 2019-01-14 09:304500EUR / 6350EUR
Weekend Deep Learning cursus, Avond Deep Learning training, Avond Deep Learning opleiding Deep Learning boot camp, Deep Learning instructeur geleid, Weekend Deep Learning training, Avond Deep Learning cursus, Deep Learning coaching, Deep Learning instructeur, Deep Learning trainer, Deep Learning training cursus, Deep Learning lessen, Deep Learning on-site, Deep Learning privé cursus, Deep Learning een op een training, Deep Learning op locatie, Weekend Deep Learning opleiding

Cursussen met korting

CursusLocatieCursusdatumCursus Kosten [Op Afstand / Klas]
IoT Security ArchitectureDe Fabriek Leeuwardendo, 2018-12-13 09:302287EUR / 3027EUR
Linux LPI LPIC-1 Exam 101 PreparationEvoluon Eindhovenwo, 2018-12-19 09:302287EUR / 3687EUR
Introduction to ARCADIA with CapellaAmsterdamvr, 2018-12-21 09:301143EUR / 1743EUR
Computer Vision with SimpleCVGolden Tulip Leidenma, 2019-02-25 09:302700EUR / 4000EUR
Jupyter for Data Science TeamsDen Haag Centraal Stationma, 2019-04-29 09:301350EUR / 2300EUR
Big Data - Data ScienceEvoluon Eindhovenwo, 2019-05-08 09:302700EUR / 4100EUR

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

is growing fast!

We are looking to expand our presence in the Netherlands!

As a Business Development Manager you will:

  • expand business in the Netherlands
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!