Deep Learning Training Courses

Deep Learning Training Courses

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

Machine Translated

Getuigenissen

★★★★★
★★★★★

Deep Learning (DL) Cursusoverzicht

Title
Duration
Overview
Title
Duration
Overview
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.
21 hours
Overview
Deze cursus behandelt AI (met nadruk op Machine Learning en Deep Learning )
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 .
14 hours
Overview
Deze klassikale trainingssessie zal presentaties en computergebaseerde voorbeelden en casestudyoefeningen bevatten 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
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
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
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
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
14 hours
Overview
In deze door een instructeur geleide live training leren deelnemers hoe ze Matlab kunnen gebruiken voor het ontwerpen, bouwen en visualiseren van een convolutioneel neuraal netwerk voor beeldherkenning.

Aan het einde van deze training kunnen deelnemers:

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

Publiek

- ontwikkelaars
- ingenieurs
- Domeinexperts

Formaat van de cursus

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

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

Aan het einde van deze training kunnen deelnemers:

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

Indeling van de cursus

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

Cursusaanpassingsopties

- Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.
- Ga voor meer informatie over TensorFlow naar: https://www.tensorflow.org/
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 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
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
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
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 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
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
Keras is een high-level neurale netwerken API voor snelle ontwikkeling en experimenten. Het draait op de top van TensorFlow, CNTK, of Theano.

deze instructeur-LED, live training (ter plaatse of op afstand) is gericht op technische personen die willen Deep Learning model van toepassing op beeldherkenning toepassingen.

aan het einde van deze training kunnen de deelnemers:

- installeren en configureren Keras.
- snel prototype Deep Learning modellen.
- implementeren van een kronkel netwerk.
- implementeren van een terugkerende netwerk.
- uitvoeren van een diepe leer model op zowel een CPU en GPU.

formaat van de cursus

- interactieve lezing en bespreking.
- veel oefeningen en praktijk.
- hands-on implementatie in een live-lab omgeving.

cursus customization opties

- voor het aanvragen van een aangepaste opleiding voor deze cursus, neem dan contact met ons op te regelen.
- voor meer informatie over Keras, u terecht op: https://keras.io/
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 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 .
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 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
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
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.
Weekend Deep Learning cursus, Avond Deep Learning training, Avond Deep Learning (DL) opleiding Deep Learning (DL) boot camp, DL (Deep Learning) instructeur geleid, Weekend DL (Deep Learning) training, Avond Deep Learning (DL) cursus, Deep Learning (DL) coaching, Deep Learning instructeur, Deep Learning trainer, Deep Learning (DL) training cursus, Deep Learning (DL) lessen, Deep Learning (DL) on-site, Deep Learning (DL) privé cursus, DL (Deep Learning) een op een training, Deep Learning (DL) op locatie, Weekend Deep Learning (DL) opleiding

Cursussen met korting

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!