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

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
Deze cursus behandelt KI (nadruk op machinaal leren en diep leren) in de automobielindustrie Het helpt bij het bepalen welke technologie (mogelijk) in meerdere situaties in een auto kan worden gebruikt: van eenvoudige automatisering, beeldherkenning tot autonome besluitvorming .
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 .
21 hours
Overview
Deze cursus behandelt KI (met nadruk op Machine Learning en Deep Learning) .
28 hours
Overview
Deze cursus geeft je kennis in neurale netwerken en in het algemeen in algoritmen voor machine learning, deep learning (algoritmen en toepassingen) Deze training richt zich meer op de grondbeginselen, maar helpt je bij het kiezen van de juiste technologie: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc De voorbeelden zijn gemaakt in TensorFlow .
14 hours
Overview
Deze in het klaslokaal gebaseerde trainingssessie bevat presentaties en computergestuurde voorbeelden en case study-oefeningen om te ondernemen met relevante neurale en diepe netwerkbibliotheken .
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 .
7 hours
Overview
OpenNMT is een volledig beschikbaar opensource (MIT) neuraal machinevertalingssysteem dat de Torch wiskundige toolkit gebruikt In deze training zullen deelnemers leren hoe OpenNMT moet worden opgezet en gebruikt voor het vertalen van verschillende voorbeeldgegevenssets De cursus begint met een overzicht van neurale netwerken zoals deze van toepassing zijn op machinevertalingen Deelnemers zullen tijdens de cursus live oefeningen uitvoeren om hun begrip van de geleerde concepten te demonstreren en feedback te krijgen van de instructeur Aan het einde van deze training hebben de deelnemers de kennis en de praktijk die nodig zijn om een ​​live OpenNMT-oplossing te implementeren Bron- en doeltaalstalen worden vooraf afgesproken volgens de vereisten van het publiek 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 .
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.
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 .
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
SINGA is een algemeen verspreid diepgaand leerplatform voor het trainen van grote deep-learningmodellen over grote datasets Het is ontworpen met een intuïtief programmeermodel op basis van de laagabstractie Een aantal populaire deep-learningmodellen worden ondersteund, namelijk feedforward-modellen inclusief 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 trainingskaders uit te voeren SINGA ondersteunt ook verschillende neurale netpartitioneringsschema's om de training van grote modellen parallel te parallelliseren, namelijk partitioneren op batchdimensie, kenmerkdimensie of hybride partitionering Publiek Deze cursus richt zich tot onderzoekers, ingenieurs en ontwikkelaars die Apache SINGA als een diepgaand leerkader willen gebruiken Na het voltooien van deze cursus zullen afgevaardigden: de structuur en implementatiemechanismen van SINGA 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 .
14 hours
Overview
In 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 .
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 .
7 hours
Overview
TensorFlow Serving is een systeem voor productie van machine learning (ML) -modellen In deze live training met instructeur leren deelnemers hoe ze TensorFlow Serving kunnen configureren en gebruiken om ML-modellen in een productieomgeving te implementeren en te beheren Aan het einde van deze training kunnen deelnemers: Train, exporteer en serveer verschillende TensorFlow-modellen Test en implementeer algoritmen met behulp van één architectuur en een reeks API's Verleng TensorFlow Serving voor andere typen modellen dan TensorFlow-modellen Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
21 hours
Overview
TensorFlow 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 .
28 hours
Overview
Deze 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 .
21 hours
Overview
Torch is een open source machine learning-bibliotheek en een wetenschappelijk computerraamwerk gebaseerd op de Lua-programmeertaal Het biedt een ontwikkelomgeving voor numerieke gegevens, machine learning en computervisie, met een bijzondere nadruk op deep learning en convolutionele netwerken Het is een van de snelste en meest flexibele frameworks voor Machine en Deep Learning en wordt gebruikt door bedrijven zoals Facebook, Google, Twitter, NVIDIA, AMD, Intel en vele anderen In deze cursus behandelen we de principes van Torch, de unieke functies en hoe deze kunnen worden toegepast in toepassingen in de echte wereld We doorlopen tal van handsonoefeningen overal, demonstreren en oefenen de geleerde concepten Aan het einde van de cursus hebben de deelnemers een grondig inzicht in de onderliggende functies en mogelijkheden van Torch, evenals de rol en bijdrage ervan binnen de AI-ruimte in vergelijking met andere frameworks en bibliotheken Deelnemers zullen ook de nodige oefening hebben gekregen om Torch in hun eigen projecten te implementeren Publiek Softwareontwikkelaars en programmeurs die Machine en Deep Learning in hun applicaties willen toelaten Formaat van de cursus Overzicht van machine en diep leren Inclass codering en integratieoefeningen Test vragen onderweg om het begrip te controleren .
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 .
35 hours
Overview
TensorFlow ™ 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 .
35 hours
Overview
Deze 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 .
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
Type: theoretische training met toepassingen die stroomopwaarts zijn beslist met de studenten op lasagne of keras volgens de pedagogische groep Lesmethode: presentatie, uitwisselingen en case studies Kunstmatige intelligentie, na vele wetenschapsgebieden te hebben verstoord, begon een groot aantal economische sectoren (industrie, geneeskunde, communicatie, enz) Te revolutioneren Desalniettemin is de presentatie ervan in de grote media vaak fantasie, ver weg van wat eigenlijk het gebied van Machine Learning of Deep Learning is Het doel van deze training is om ingenieurs te bieden die al vertrouwd zijn met computerhulpmiddelen (inclusief een basis voor softwareprogrammering), een inleiding tot Deep Learning en de verschillende specialisatiegebieden en daarom tot de belangrijkste bestaande netwerkarchitecturen vandaag Als de wiskundige basissen worden opgeroepen tijdens de cursus, 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 "systeem" -visie te behouden, maar deze benadering zal uw begrip van het onderwerp enorm beperken .
21 hours
Overview
Artificial 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.
28 hours
Overview
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 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 .
28 hours
Overview
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
21 hours
Overview
Artificial 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.
21 hours
Overview
Caffe is een diepgaand leerraamwerk dat is gemaakt met expressie, snelheid en modulariteit in gedachten Deze cursus onderzoekt de toepassing van Caffe als een diepgaand leerkader voor beeldherkenning met behulp van MNIST als een voorbeeld Publiek Deze cursus is geschikt voor onderzoekers en engineers van Deep Learning die geïnteresseerd zijn in het gebruik van Caffe als framework Na het voltooien van deze cursus kunnen deelnemers: de structuur en implementatiemechanismen van Caffe begrijpen uitvoeren installatie / productie omgeving / architectuur taken en configuratie de kwaliteit van de code beoordelen, foutopsporing uitvoeren, bewaken geavanceerde productie implementeren zoals trainingsmodellen, lagen implementeren en loggen .
21 hours
Overview
Deze 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.
21 hours
Overview
Deeplearning4j is de eerste commerciële, opensource, deeplearning-bibliotheek die is geschreven voor Java en Scala DL4J is geïntegreerd met Hadoop en Spark en is ontworpen voor gebruik in zakelijke omgevingen op gedistribueerde GPU's en CPU's Publiek Deze cursus is gericht op ingenieurs en ontwikkelaars die Deeplearning4j in hun projecten willen gebruiken Na deze cursus zullen afgevaardigden in staat zijn om: .
21 hours
Overview
Deeplearning4j 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 .

Aankomende Deep Learning cursussen

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

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!