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
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
Het was heel interactief en meer ontspannen en informeel dan verwacht. We hebben veel onderwerpen behandeld in de tijd en de trainer was altijd ontvankelijk om meer in detail of meer in het algemeen te praten over de onderwerpen en hoe deze gerelateerd waren. Ik heb het gevoel dat de training me de tools heeft gegeven om verder te leren, in tegenstelling tot een eenmalige sessie waarbij het leren stopt als je klaar bent, wat erg belangrijk is gezien de schaal en complexiteit van het onderwerp.
Jonathan Blease
Cursus: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Het onderwerp is erg interessant.
Wojciech Baranowski
Cursus: Introduction to Deep Learning
Machine Translated
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
Ik waardeerde echt de kristalheldere antwoorden van Chris op onze vragen.
Léo Dubus
Cursus: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
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
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
Deep Learning subcategorieën
Deep Learning (DL) Cursusoverzicht
Course Name
Duration
Overview
Course Name
Duration
Overview
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.
21 hours
Overview
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.
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.
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.
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
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
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
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
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
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
14 hours
Overview
Deeplearning4j is een open-source, gedistribueerde deep-learning bibliotheek geschreven voor Java en Scala . Geïntegreerd met Hadoop en Spark, is DL4J ontworpen om te worden gebruikt in zakelijke omgevingen op gedistribueerde GPU 's en CPU's.
Word 2Vec is een methode voor het berekenen van vectorrepresentaties van woorden geïntroduceerd door een team van onderzoekers bij Go ogle onder leiding van Tomas Mikolov.
Publiek
Deze cursus is bedoeld voor onderzoekers, ingenieurs en ontwikkelaars die Deeplearning4J willen gebruiken om Word 2Vec-modellen te bouwen.
Word 2Vec is een methode voor het berekenen van vectorrepresentaties van woorden geïntroduceerd door een team van onderzoekers bij Go ogle onder leiding van Tomas Mikolov.
Publiek
Deze cursus is bedoeld voor onderzoekers, ingenieurs en ontwikkelaars die Deeplearning4J willen gebruiken om Word 2Vec-modellen te bouwen.
21 hours
Overview
Deeplearning4j is de eerste commerciële, open-source, gedistribueerde deep-learning bibliotheek geschreven voor Java en Scala . Geïntegreerd met Hadoop en Spark, is DL4J ontworpen om te worden gebruikt in zakelijke omgevingen op gedistribueerde GPU 's en CPU's.
Publiek
Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die Deeplearning4j willen gebruiken in hun projecten.
Na deze cursus kunnen afgevaardigden:
Publiek
Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die Deeplearning4j willen gebruiken in hun projecten.
Na deze cursus kunnen afgevaardigden:
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
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
21 hours
Overview
Deeplearning4j is een open-source deep-learning software voor Java en Scala op Hadoop en Spark.
Publiek
Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die DeepLearning4J willen gebruiken in hun beeldherkenningsprojecten.
Publiek
Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die DeepLearning4J willen gebruiken in hun beeldherkenningsprojecten.
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
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
21 hours
Overview
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.
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.
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.
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 .
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 .
21 hours
Overview
Deze cursus behandelt AI (met nadruk op Machine Learning en 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
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
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.
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.
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
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
21 hours
Overview
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.
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.
7 hours
Overview
Fairseq is een opensource sequencetosequence learning toolkit gecreëerd door Facebok voor gebruik in Neural Machine Translation (NMT) In deze training leren deelnemers Fairseq te gebruiken voor het vertalen van voorbeeldcontent Aan het einde van deze training hebben de deelnemers de kennis en de praktijk die nodig zijn om een live, op Fairseq gebaseerde machine-vertaaloplossing te implementeren Publiek Lokalisatiespecialisten met een technische achtergrond Wereldwijde contentmanagers Lokalisatie-engineers Softwareontwikkelaars die belast zijn met de implementatie van wereldwijde content-oplossingen Formaat van de cursus Gedeeltelijke lezing, gedeeltelijke discussie, zware hands-on praktijk Notitie Als u specifieke inhoud van bron- en doeltaal wilt gebruiken, neem dan contact met ons op om dit te regelen .
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 .
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 .
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 .
7 hours
Overview
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
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
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 .
14 hours
Overview
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 .
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 .
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 .
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 .
Aankomende Deep Learning (DL) cursussen
2021-06-15 09:30:00
Amsterdam
7 hours
2021-06-16 09:30:00
Amsterdam
21 hours
2021-06-30 09:30:00
Amsterdam
14 hours
2021-07-05 09:30:00
Amsterdam
21 hours
2021-07-08 09:30:00
Amsterdam
14 hours
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
.jpg "procter & gamble (p&g)")
.png "european space agency (esa)")
.jpg "international air transport association (iata)")
