Lokale, door een instructeur geleide, live Artificial Intelligence (AI) -cursussen demonstreren door hands-on de praktijk van het implementeren van AI-oplossingen voor het oplossen van problemen in de echte wereld. AI-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
Ik hou van voorbeelden om uit te leggen
AUO友达光电（苏州）有限公司
Cursus: OptaPlanner in Practice
Translated by
Kunstmatige Intelligentie Cursusoverzicht
| Code | Naam | Tijdsduur | Overzicht |
|---|---|---|---|
| aiint | Artificial Intelligence Overview | 7 uur | Deze cursus is gemaakt voor managers, oplossingsarchitecten, innovatieambtenaren, CTO's, software-architecten en iedereen die geïnteresseerd is in een overzicht van toegepaste kunstmatige intelligentie en de dichtstbijzijnde voorspelling voor de ontwikkeling ervan. |
| pythontextml | Python: Machine Learning with Text | 21 uur | In deze live training met instructeur leren deelnemers hoe ze de juiste machine-learning en NLP (Natural Language Processing) -technieken kunnen gebruiken om waarde te halen uit op tekst gebaseerde gegevens Aan het einde van deze training kunnen deelnemers: Los op tekst gebaseerde gegevenswetenschappelijke problemen op met hoogwaardige, herbruikbare code Verschillende aspecten van scikitlearn toepassen (classificatie, clustering, regressie, reductie van dimensies) om problemen op te lossen Bouw effectieve modellen voor machinaal leren met tekstgebaseerde gegevens Maak een gegevensset en extraheer functies uit ongestructureerde tekst Visualiseer gegevens met Matplotlib Bouw en evalueer modellen om inzicht te krijgen Problemen met tekstcoderingsfouten oplossen Publiek ontwikkelaars Data-wetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| textsum | Text Summarization with Python | 14 uur | In Python Machine Learning kan de functie Tekstsamenvatting de invoertekst lezen en een samenvatting van de tekst produceren Deze mogelijkheid is beschikbaar via de commandoregel of als een Python API / bibliotheek Een spannende toepassing is het snel creëren van uitvoerende overzichten; dit is met name handig voor organisaties die grote hoeveelheden tekstgegevens moeten beoordelen voordat ze rapporten en presentaties genereren Tijdens deze live training met instructeur leren de deelnemers Python te gebruiken om een eenvoudige applicatie te maken die automatisch een samenvatting van de invoertekst genereert Aan het einde van deze training kunnen deelnemers: Gebruik een commandoregeltool die tekst samenvat Ontwerp en maak samenvattende tekstcodes met Python-bibliotheken Evalueer drie Python-bibliotheken met samenvattingen: somma 070, pysummarization 104, readless 1017 Publiek ontwikkelaars Data-wetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| undnn | Understanding Deep Neural Networks | 35 uur | 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 . |
| opennlp | OpenNLP for Text Based Machine Learning | 14 uur | De Apache OpenNLP-bibliotheek is een op machine learning gebaseerde toolkit voor het verwerken van natuurlijke taaltekst Het ondersteunt de meest voorkomende NLP-taken, zoals taaldetectie, tokenisatie, zinsegmentatie, partofspeech-tagging, entiteitsextractie, chunking, parsing en coreference-resolutie In deze live training met instructeur leren deelnemers hoe ze modellen kunnen maken voor het verwerken van op tekst gebaseerde gegevens met behulp van OpenNLP Voorbeelden van trainingsgegevens en aangepaste datasets zullen worden gebruikt als basis voor de practica Aan het einde van deze training kunnen deelnemers: Installeer en configureer OpenNLP Download bestaande modellen en maak er zelf een Train de modellen op verschillende sets voorbeeldgegevens Integreer OpenNLP met bestaande Java-applicaties Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| mlbankingpython_ | Machine Learning for Banking (with Python) | 21 uur | Machine 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 . |
| mlbankingr | Machine Learning for Banking (with R) | 28 uur | 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 R wordt gebruikt als de programmeertaal Deelnemers leren eerst de belangrijkste principes en zetten hun kennis vervolgens in de praktijk door hun eigen machine-leermodellen te bouwen en deze te gebruiken om een aantal live-projecten te voltooien Publiek ontwikkelaars Datawetenschappers Bankiers met een technische achtergrond Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| python_nlp | Natural Language Processing with Deep Dive in Python and NLTK | 35 uur | Tegen het einde van de training wordt van de afgevaardigden verwacht dat ze voldoende zijn uitgerust met de essentiële python-concepten en in staat moeten zijn om voldoende NLTK te gebruiken om de meeste op NLP en ML gebaseerde operaties te implementeren De training is erop gericht niet alleen een uitvoerbare kennis te geven, maar ook de logische en operationele kennis van de technologie daarin . |
| matlabdl | Matlab for Deep Learning | 14 uur | 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 . |
| matlabpredanalytics | Matlab for Predictive Analytics | 21 uur | Voorspellende analyses zijn het gebruik van gegevensanalyses om voorspellingen over de toekomst te doen Dit proces gebruikt gegevens samen met datamining, statistieken en machinale leertechnieken om een voorspellend model te maken voor het voorspellen van toekomstige gebeurtenissen Tijdens deze live training met instructeur leren deelnemers Matlab te gebruiken om voorspellende modellen te bouwen en deze toe te passen op grote voorbeeldgegevenssets om toekomstige gebeurtenissen te voorspellen op basis van de gegevens Aan het einde van deze training kunnen deelnemers: Creëer voorspellende modellen om patronen in historische en transactionele gegevens te analyseren Gebruik voorspellende modellering om risico's en kansen te identificeren Bouw wiskundige modellen die belangrijke trends vastleggen Gebruik gegevens van apparaten en bedrijfssystemen om afval te verminderen, tijd te besparen of kosten te besparen Publiek ontwikkelaars ingenieurs Domein experts Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| tensorflowserving | TensorFlow Serving | 7 uur | 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 . |
| mlios | Machine Learning on iOS | 14 uur | Tijdens deze live training met instructeur leren deelnemers hoe ze de iOS Machine Learning (ML) -technologiestack kunnen gebruiken wanneer ze tijdens het maken en inzetten van een mobiele iOS-app stappen Aan het einde van deze training kunnen deelnemers: Maak een mobiele app geschikt voor beeldverwerking, tekstanalyse en spraakherkenning Toegang krijgen tot gekraaide ML-modellen voor integratie in iOS-apps Maak een aangepast ML-model Voeg Siri Voice-ondersteuning toe aan iOS-apps Begrijp en gebruik frameworks zoals coreML, Vision, CoreGraphics en GamePlayKit Gebruik talen en hulpmiddelen zoals Python, Keras, Caffee, Tensorflow, scikit learn, libsvm, Anaconda en Spyder Publiek ontwikkelaars Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| nlg | Python for Natural Language Generation | 21 uur | Natuurlijke taalgeneratie (NLG) verwijst naar de productie van natuurlijke taaltekst of spraak door een computer In deze live training met instructeur leren deelnemers hoe ze Python kunnen gebruiken om hoogwaardige natuurlijke taaltekst te maken door zelf vanuit het niets een eigen NLG-systeem te bouwen Case studies zullen ook worden onderzocht en de relevante concepten zullen worden toegepast op live lab-projecten voor het genereren van inhoud Aan het einde van deze training kunnen deelnemers: Gebruik NLG om automatisch inhoud te genereren voor verschillende industrieën, van journalistiek tot onroerend goed, tot weer- en sportrapportage Selecteer en organiseer broninhoud, plan zinnen en bereid een systeem voor op het automatisch genereren van originele inhoud Begrijp de NLG-pijplijn en pas de juiste technieken toe in elke fase Begrijp de architectuur van een Natural Language Generation (NLG) -systeem Implementeer de meest geschikte algoritmen en modellen voor analyse en bestelling Trek gegevens uit openbaar beschikbare gegevensbronnen en samengestelde databases om te gebruiken als materiaal voor gegenereerde tekst Vervang handmatige en arbeidsintensieve schrijfprocessen door computergegenereerde, geautomatiseerde inhoudcreatie Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| encogintro | Encog: Introduction to Machine Learning | 14 uur | Encog is een opensource machine learning framework voor Java enNet In deze live training met instructeur leren deelnemers hoe ze verschillende neurale netwerkcomponenten kunnen maken met behulp van ENCOG Casusoverzichten van Realworld zullen worden besproken en op machinetaal gebaseerde oplossingen voor deze problemen zullen worden onderzocht Aan het einde van deze training kunnen deelnemers: Bereid gegevens voor op neurale netwerken met behulp van het normalisatieproces Voer feed forward-netwerken en propagatietrainingmethodieken in Implementeer classificatie- en regressietaken Modeleer en train neurale netwerken met Encog's op GUI gebaseerde werkbank Integreer neurale netwerkondersteuning in realworld-applicaties Publiek ontwikkelaars analisten Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| bigdatabicriminal | Big Data Business Intelligence for Criminal Intelligence Analysis | 35 uur | Vooruitgang in technologieën en de toenemende hoeveelheid informatie veranderen de manier waarop wetshandhaving wordt uitgevoerd De uitdagingen die Big Data vormen zijn bijna net zo ontmoedigend als de belofte van Big Data Efficiënt gegevens opslaan is een van deze uitdagingen; effectief analyseren is een andere Tijdens deze live training met instructeur leren deelnemers de denkwijze om Big Data-technologieën te benaderen, beoordelen ze hun impact op bestaande processen en beleid en implementeren ze deze technologieën om criminele activiteiten te identificeren en criminaliteit te voorkomen Case studies van wetshandhavingsorganisaties over de hele wereld zullen worden onderzocht om inzicht te krijgen in hun adoptiebenaderingen, uitdagingen en resultaten Aan het einde van deze training kunnen deelnemers: Combineer Big Data-technologie met traditionele gegevensverzamelingsprocessen om een verhaal samen te stellen tijdens een onderzoek Implementeer industriële big data opslag- en verwerkingsoplossingen voor data-analyse Een voorstel voorbereiden voor de goedkeuring van de meest geschikte hulpmiddelen en processen om een datadriven aanpak van strafrechtelijk onderzoek mogelijk te maken Publiek Law Enforcement-specialisten met een technische achtergrond Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| encogadv | Encog: Advanced Machine Learning | 14 uur | Encog is een opensource machine learning framework voor Java enNet In deze live training met instructeur leren de deelnemers geavanceerde technieken voor het leren van machines om accurate voorspellende neurale netwerkmodellen te bouwen Aan het einde van deze training kunnen deelnemers: Verschillende optimalisatietechnieken voor neurale netwerken implementeren om het onderfixeren en overfitteren op te lossen Begrijp en kies uit een aantal neurale netwerkarchitecturen Implementeer gecontroleerde feed forward- en feedbacknetwerken Publiek ontwikkelaars analisten Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| radvml | Advanced Machine Learning with R | 21 uur | 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 . |
| pythonadvml | Python for Advanced Machine Learning | 21 uur | 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 . |
| fiji | Fiji: Introduction to Scientific Image Processing | 21 uur | Fiji is een opensource-beeldverwerkingspakket dat ImageJ (een beeldverwerkingsprogramma voor wetenschappelijke multidimensionale afbeeldingen) en een aantal plug-ins bundelt voor wetenschappelijke beeldanalyse Tijdens deze live training met instructeur leren deelnemers hoe ze de Fiji-distributie en het onderliggende ImageJ-programma kunnen gebruiken om een beeldanalyseapplicatie te maken Aan het einde van deze training kunnen deelnemers: Gebruik Fiji's geavanceerde programmeerfuncties en softwarecomponenten om ImageJ uit te breiden Stik grote 3D-afbeeldingen van elkaar overlappende tegels Update een Fiji-installatie automatisch bij het opstarten met behulp van het geïntegreerde updatesysteem Kies uit een brede selectie scripttalen om oplossingen voor aangepaste beeldanalyse te maken Gebruik de krachtige bibliotheken van Fiji, zoals ImgLib op grote bio-image datasets Implementeer hun applicatie en werk samen met andere wetenschappers aan vergelijkbare projecten Publiek wetenschappers onderzoekers ontwikkelaars Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| rasberrypiopencv | Raspberry Pi + OpenCV: Build a Facial Recognition System | 21 uur | Deze instructieve, live training introduceert de software, hardware en het stepbystep-proces dat nodig is om een gezichtsherkenningssysteem helemaal opnieuw te bouwen Gezichtsherkenning is ook bekend als gezichtsherkenning De hardware die in dit lab wordt gebruikt, omvat Rasberry Pi, een cameramodule, servo's (optioneel), enz Deelnemers zijn zelf verantwoordelijk voor de aanschaf van deze componenten De gebruikte software omvat OpenCV, Linux, Python, etc Aan het einde van deze training kunnen deelnemers: Installeer Linux, OpenCV en andere softwareprogramma's en -bibliotheken op een Rasberry Pi Configureer OpenCV om gezichtsbeelden vast te leggen en te detecteren Begrijp de verschillende opties voor het verpakken van een Rasberry Pi-systeem voor gebruik in realworld-omgevingen Pas het systeem aan voor verschillende gebruiksdoelen, waaronder bewaking, identiteitsverificatie, enz Publiek ontwikkelaars Hardware / software technici Technische personen in alle industrieën hobbyisten Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen Notitie Andere hardware- en software-opties zijn: Arduino, OpenFace, Windows, etc Als u een van deze wilt gebruiken, neem dan contact met ons op om dit te regelen . |
| openface | OpenFace: Creating Facial Recognition Systems | 14 uur | 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 . |
| embeddingprojector | Embedding Projector: Visualizing Your Training Data | 14 uur | 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 . |
| t2t | T2T: Creating Sequence to Sequence Models for Generalized Learning | 7 uur | 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 . |
| cognitivecomputing | Cognitive Computing: An Introduction for Business Managers | 7 uur | Cognitive computing verwijst naar systemen die machine learning, redeneren, natuurlijke taalverwerking, spraakherkenning en -visie (objectherkenning), mens-computerinteractie, dialoog en narratieve generatie omvatten, om maar een paar te noemen Een cognitief computersysteem bestaat vaak uit meerdere technologieën die samenwerken om zowel 'hete' contextuele gegevens als grote sets 'koude' historische gegevens in batch te verwerken Voorbeelden van dergelijke technologieën zijn Kafka, Spark, Elasticsearch, Cassandra en Hadoop Tijdens deze live training met instructeur leren deelnemers hoe Cognitive Computing complimenten maakt voor AI en Big Data en hoe speciaal ontworpen systemen kunnen worden gebruikt om menselijk gedrag te realiseren dat de prestaties van menselijke machine-interacties in het bedrijfsleven verbetert Aan het einde van deze training zullen de deelnemers begrijpen: De relatie tussen cognitieve computing en kunstmatige intelligentie (AI) Het inherent probabilistische karakter van cognitieve computing en hoe het als zakelijk voordeel te gebruiken Hoe om te gaan met cognitieve computing-systemen die zich op onverwachte manieren gedragen Welke bedrijven en softwaresystemen bieden de meest aansprekende oplossingen voor cognitieve computing Publiek Bedrijfsmanagers Formaat van de cursus Hoorcollege, casusbesprekingen en oefeningen . |
| dsstne | Amazon DSSTNE: Build a Recommendation System | 7 uur | Amazon 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 . |
| snorkel | Snorkel: Rapidly Process Training Data | 7 uur | Snorkel is een systeem voor het snel maken, modelleren en beheren van trainingsgegevens Het richt zich op het versnellen van de ontwikkeling van gestructureerde of "donkere" gegevensextractietoepassingen voor domeinen waarin grote gelabelde trainingsets niet beschikbaar of gemakkelijk te verkrijgen zijn Tijdens deze live training met instructeur leren deelnemers technieken ontwikkelen om waarde te halen uit ongestructureerde gegevens zoals tekst, tabellen, figuren en afbeeldingen door trainingsgegevens te modelleren met Snorkel Aan het einde van deze training kunnen deelnemers: Creëer programmatisch trainingsets om het labelen van enorme trainingsets mogelijk te maken Train hoogwaardige eersteklasmodellen door eerst luidruchtige trainingsets te modelleren Gebruik Snorkel om zwakke supervisietechnieken te implementeren en gegevensprogrammering toe te passen op zwak-gecontroleerde geautomatiseerde leersystemen Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| dlfornlp | Deep Learning for NLP (Natural Language Processing) | 28 uur | Deep 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 . |
| mlfinancepython | Machine Learning for Finance (with Python) | 21 uur | Machine 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 financiële sector 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 Aan het einde van deze training kunnen deelnemers: Begrijp de fundamentele concepten in machine learning Leer de toepassingen en het gebruik van machine learning in finance Ontwikkel hun eigen algoritmische handelsstrategie met behulp van machine learning met Python Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen . |
| MicrosoftCognitiveToolkit | Microsoft Cognitive Toolkit 2.x | 21 uur | 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 . |
| ML_LBG | Machine Learning – Data science | 21 uur | Deze klasgebaseerde trainingssessie zal machine learning tools verkennen met (aanbevolen) Python Afgevaardigden zullen beschikken over computergebaseerde voorbeelden en case study-oefeningen om te ondernemen . |
Aankomende Kunstmatige Intelligentie cursussen
| Cursus | Cursusdatum | Cursus Kosten [Op Afstand / Klas] |
|---|---|---|
| AI in business and Society & The future of AI - AI/Robotics - Amsterdam | vr, 2019-01-04 09:30 | 1500EUR / 2100EUR |
| AI in business and Society & The future of AI - AI/Robotics - Den Haag Centraal Station | vr, 2019-02-01 09:30 | 1500EUR / 2450EUR |
| AI in business and Society & The future of AI - AI/Robotics - Amsterdam | ma, 2019-03-04 09:30 | 1500EUR / 2100EUR |
| AI in business and Society & The future of AI - AI/Robotics - Amsterdam | do, 2019-04-25 09:30 | 1500EUR / 2100EUR |
| AI in business and Society & The future of AI - AI/Robotics - Den Haag Centraal Station | vr, 2019-05-03 09:30 | 1500EUR / 2450EUR |
Weekend Kunstmatige Intelligentie cursus, Avond Kunstmatige Intelligentie training, Avond Kunstmatige Intelligentie opleiding Kunstmatige Intelligentie boot camp, Kunstmatige Intelligentie instructeur geleid, Weekend Kunstmatige Intelligentie training, Avond Kunstmatige Intelligentie cursus, Kunstmatige Intelligentie coaching, Kunstmatige Intelligentie instructeur, Kunstmatige Intelligentie trainer, Kunstmatige Intelligentie training cursus, Kunstmatige Intelligentie lessen, Kunstmatige Intelligentie on-site, Kunstmatige Intelligentie privé cursus, Kunstmatige Intelligentie een op een training, Kunstmatige Intelligentie op locatie, Weekend Kunstmatige Intelligentie opleiding
Cursussen met korting
| Cursus | Locatie | Cursusdatum | Cursus Kosten [Op Afstand / Klas] |
|---|---|---|---|
| Linux LPI LPIC-1 Exam 101 Preparation | Evoluon Eindhoven | wo, 2018-12-19 09:30 | 2287EUR / 3687EUR |
| MATLAB Fundamentals + MATLAB for Finance | Rotterdam Brainpark | ma, 2018-12-31 09:30 | 6750EUR / 10350EUR |
| Computer Vision with SimpleCV | Golden Tulip Leiden | ma, 2019-02-25 09:30 | 2700EUR / 4000EUR |
| Jupyter for Data Science Teams | Den Haag Centraal Station | ma, 2019-04-29 09:30 | 1350EUR / 2300EUR |
| Big Data - Data Science | Evoluon Eindhoven | wo, 2019-05-08 09:30 | 2700EUR / 4100EUR |
Een aantal van onze klanten
.png "universities and colleges admissions service (ucas)")
.png "procter & gamble (p&g)")
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!