Lokale, door instructeurs geleide Live Machine Learning (ML) -trainingscursussen demonstreren door hands-on de praktijk hoe technieken voor het leren van machines en hulpmiddelen voor het oplossen van problemen uit de echte wereld in verschillende industrieën kunnen worden toegepast. NobleProg ML-cursussen omvatten verschillende programmeertalen en -kaders, waaronder Python, R-taal en Matlab. Machine Learning-cursussen worden aangeboden voor een aantal bedrijfstoepassingen, waaronder financiën, bankieren en verzekeringen, en behandelen de fundamenten van machinaal leren, evenals geavanceerdere benaderingen zoals Deep Learning. Machine 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
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
Ik hield echt van oefeningen
L M ERICSSON LIMITED
Cursus: Machine 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
de practica
Marcell Lorant - L M ERICSSON LIMITED
Cursus: Machine Learning
Machine Translated
Het Jupyter-notitieblok, waarin het trainingsmateriaal beschikbaar is
L M ERICSSON LIMITED
Cursus: Machine Learning
Machine Translated
Er waren veel oefeningen en interessante onderwerpen.
L M ERICSSON LIMITED
Cursus: Machine Learning
Machine Translated
enkele geweldige laboefeningen geanalyseerd en uitgelegd door de trainer in de diepte (bijv. covarianten in lineaire regressie, passend bij de echte functie)
L M ERICSSON LIMITED
Cursus: Machine Learning
Machine Translated
Het is gewoon geweldig dat al het materiaal, inclusief de oefeningen, op dezelfde pagina staat en dan wordt het on-the-fly bijgewerkt. De oplossing wordt aan het einde onthuld. Koel! Ook stel ik op prijs dat Krzysztof extra moeite heeft gedaan om onze problemen te begrijpen en ons mogelijke technieken heeft voorgesteld.
Attila Nagy - L M ERICSSON LIMITED
Cursus: 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
Het toont vele methoden met vooraf voorbereide scripts - zeer mooi voorbereide materialen en gemakkelijk te traceren
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Cursus: Machine Learning – Data science
Machine Translated
Ik vind het leuk dat de training gericht was op voorbeelden en codering. Ik dacht dat het onmogelijk is om zoveel inhoud in drie dagen training te stoppen, maar ik had het mis. De training behandelde veel onderwerpen en alles werd op een zeer gedetailleerde manier gedaan (vooral het afstemmen van de parameters van het model - ik had niet verwacht dat hier een tijd voor zou zijn en ik was zeer verrast).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Cursus: Machine Learning – Data science
Machine Translated
Alternation theory / practice effective!
CIRAD
Cursus: Introduction to Machine Learning with MATLAB
Machine Learning subcategorieën
Machine Learning (ML) Cursusoverzicht
Course Name
Duration
Overview
Course Name
Duration
Overview
35 hours
Overview
Deze instructeur-geleide, live training (ter plaatse of op afstand) is gericht op professionals die een carrière in Data Science willen beginnen.
Aan het einde van deze training kunnen deelnemers:
- Installeer en configureer Python en MySql.
- Begrijp wat Data Science is en hoe het waarde kan toevoegen aan vrijwel elk bedrijf.
- Leer de basisprincipes van codering in Python
- Leer technieken onder toezicht en zonder toezicht Machine Learning , en hoe deze te implementeren en de resultaten te interpreteren.
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.
Aan het einde van deze training kunnen deelnemers:
- Installeer en configureer Python en MySql.
- Begrijp wat Data Science is en hoe het waarde kan toevoegen aan vrijwel elk bedrijf.
- Leer de basisprincipes van codering in Python
- Leer technieken onder toezicht en zonder toezicht Machine Learning , en hoe deze te implementeren en de resultaten te interpreteren.
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.
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.
14 hours
Overview
Deze in het klaslokaal gebaseerde trainingssessie zal machinale leertechnieken onderzoeken, met op de computer gebaseerde voorbeelden en oefeningen voor het oplossen van casestudy's met behulp van een relevante programmaluumaat .
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 .
14 hours
Overview
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (onsite or remote) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (onsite or remote) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 hours
Overview
De cursus is bedoeld voor diegenen die graag een alternatief programma willen weten voor het commerciële MATLAB-pakket De driedaagse training biedt uitgebreide informatie over het verplaatsen van de omgeving en het uitvoeren van het OCTAVE-pakket voor gegevensanalyse en technische berekeningen De trainingsontvangers zijn beginners, maar ook degenen die het programma kennen en die hun kennis willen systematiseren en hun vaardigheden willen verbeteren Kennis van andere programmeertalen is niet vereist, maar het zal de kennisverwerving van de lerenden aanzienlijk vergemakkelijken De cursus zal je laten zien hoe je het programma in veel praktische voorbeelden kunt gebruiken .
14 hours
Overview
Deze klassikale trainingssessie zal presentaties en computergebaseerde voorbeelden en casestudyoefeningen bevatten om te ondernemen met relevante neurale en diepe netwerkbibliotheken
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 klassikale trainingssessie zal hulpmiddelen voor machinaal leren verkennen met (voorgestelde) Python . Afgevaardigden zullen computergebaseerde voorbeelden en casestudyoefeningen moeten uitvoeren.
21 hours
Overview
Deze cursus introduceert methoden voor machinaal leren in robotica-toepassingen.
Het is een breed overzicht van bestaande methoden, motivaties en belangrijkste ideeën in de context van patroonherkenning.
Na een korte theoretische achtergrond, zullen deelnemers eenvoudige oefeningen uitvoeren met behulp van open source (meestal R) of andere populaire software.
Het is een breed overzicht van bestaande methoden, motivaties en belangrijkste ideeën in de context van patroonherkenning.
Na een korte theoretische achtergrond, zullen deelnemers eenvoudige oefeningen uitvoeren met behulp van open source (meestal R) of andere populaire software.
21 hours
Overview
het doel van deze cursus is het verstrekken van algemene bekwaamheid in de toepassing van machine leermethoden in de praktijk. Door het gebruik van de python programmeertaal en de verschillende bibliotheken, en gebaseerd op een veelheid van praktische voorbeelden van deze cursus leert hoe de belangrijkste bouwstenen van de machine leren gebruiken, hoe je data modellering beslissingen te maken, interpreteren van de uitgangen van de algoritmen en valideren van de resultaten.
ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele instrumenten van de machine leren Toolbox vol vertrouwen en Vermijd de gemeenschappelijke valkuilen van data Sciences toepassingen.
ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele instrumenten van de machine leren Toolbox vol vertrouwen en Vermijd de gemeenschappelijke valkuilen van data Sciences toepassingen.
14 hours
Overview
MLOps (Machine Learning Operations) is the practice of integrating data science and operations to help manage the ML lifecycle. MLOps provides the ability to automate the reproduction of machine learning model development and training.
This instructor-led, live training (onsite or remote) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (onsite or remote) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
7 hours
Overview
Deze training is bedoeld voor mensen die basistechnieken voor Machine Learning toepassen in praktische toepassingen.
Publiek
Datawetenschappers en statistici die enige bekendheid hebben met machine learning en weten hoe ze R. moeten programmeren. De nadruk van deze cursus ligt op de praktische aspecten van data / modelvoorbereiding, uitvoering, post hoc analyse en visualisatie. Het doel is om een praktische inleiding tot machine learning te geven aan deelnemers die geïnteresseerd zijn in het toepassen van de methoden op het werk
Sectorspecifieke voorbeelden worden gebruikt om de training relevant te maken voor het publiek.
Publiek
Datawetenschappers en statistici die enige bekendheid hebben met machine learning en weten hoe ze R. moeten programmeren. De nadruk van deze cursus ligt op de praktische aspecten van data / modelvoorbereiding, uitvoering, post hoc analyse en visualisatie. Het doel is om een praktische inleiding tot machine learning te geven aan deelnemers die geïnteresseerd zijn in het toepassen van de methoden op het werk
Sectorspecifieke voorbeelden worden gebruikt om de training relevant te maken voor het publiek.
14 hours
Overview
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 .
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
14 hours
Overview
Het doel van deze cursus is om een basisvaardigheid te bieden bij het toepassen van Machine Learning methoden in de praktijk. Door het gebruik van het R-programmeerplatform en zijn verschillende bibliotheken, en op basis van een groot aantal praktische voorbeelden, leert deze cursus hoe de belangrijkste bouwstenen van Machine Learning , hoe beslissingen te nemen over gegevensmodellering, de output van de algoritmen te interpreteren en valideer de resultaten.
Ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele gereedschappen uit het geven Machine Learning toolbox vertrouwen en te voorkomen dat de gemeenschappelijke valkuilen van Data Science s toepassingen.
Ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele gereedschappen uit het geven Machine Learning toolbox vertrouwen en te voorkomen dat de gemeenschappelijke valkuilen van Data Science s toepassingen.
14 hours
Overview
Het doel van deze cursus is om een basisvaardigheid te bieden bij het toepassen van Machine Learning methoden in de praktijk. Door het gebruik van de programmeertaal Python en zijn verschillende bibliotheken, en op basis van een groot aantal praktische voorbeelden, leert deze cursus hoe de belangrijkste bouwstenen van Machine Learning , hoe beslissingen te nemen over gegevensmodellering, de output van de algoritmen te interpreteren en valideer de resultaten.
Ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele gereedschappen uit het geven Machine Learning toolbox vertrouwen en te voorkomen dat de gemeenschappelijke valkuilen van Data Science s toepassingen.
Ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele gereedschappen uit het geven Machine Learning toolbox vertrouwen en te voorkomen dat de gemeenschappelijke valkuilen van Data Science s toepassingen.
14 hours
Overview
Het doel van deze cursus is om een basisvaardigheid te bieden bij het toepassen van Machine Learning methoden in de praktijk. Door het gebruik van de Scala programmeertaal en de verschillende bibliotheken en op basis van een groot aantal praktische voorbeelden leert deze cursus hoe de belangrijkste bouwstenen van Machine Learning , hoe beslissingen te nemen over het modelleren van gegevens, de output van de algoritmen te interpreteren en valideer de resultaten.
Ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele gereedschappen uit het geven Machine Learning toolbox vertrouwen en te voorkomen dat de gemeenschappelijke valkuilen van Data Science s toepassingen.
Ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele gereedschappen uit het geven Machine Learning toolbox vertrouwen en te voorkomen dat de gemeenschappelijke valkuilen van Data Science s toepassingen.
28 hours
Overview
Machine learning is een tak van kunstmatige intelligentie waarbij computers kunnen leren zonder expliciet te worden geprogrammeerd. R is een populaire programmeertaal in de financiële sector. Het wordt gebruikt in financiële toepassingen variërend van kernhandelprogramma's tot risicobeheersystemen.
In deze live training onder leiding van een instructeur leren deelnemers hoe ze technieken en hulpmiddelen voor machine learning kunnen toepassen om echte problemen in de financiële sector op te lossen. R wordt gebruikt als programmeertaal.
Deelnemers leren eerst de belangrijkste principes en brengen hun kennis vervolgens in de praktijk door hun eigen machine learning-modellen 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 toepassingen van machine learning in financiën
- Ontwikkel hun eigen algoritmische handelsstrategie met behulp van machine learning met R
Publiek
- ontwikkelaars
- Data wetenschappers
Formaat van de cursus
- Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen
In deze live training onder leiding van een instructeur leren deelnemers hoe ze technieken en hulpmiddelen voor machine learning kunnen toepassen om echte problemen in de financiële sector op te lossen. R wordt gebruikt als programmeertaal.
Deelnemers leren eerst de belangrijkste principes en brengen hun kennis vervolgens in de praktijk door hun eigen machine learning-modellen 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 toepassingen van machine learning in financiën
- Ontwikkel hun eigen algoritmische handelsstrategie met behulp van machine learning met R
Publiek
- ontwikkelaars
- Data wetenschappers
Formaat van de cursus
- Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen
21 hours
Overview
Machine learning is een tak van kunstmatige intelligentie waarbij computers kunnen leren zonder expliciet te worden geprogrammeerd. Python is een programmeertaal die bekend staat om zijn duidelijke syntaxis en leesbaarheid. Het biedt een uitstekende verzameling goed geteste bibliotheken en technieken voor het ontwikkelen van toepassingen voor machine learning.
In deze live training onder leiding van een instructeur leren deelnemers hoe ze technieken en hulpmiddelen voor machine learning kunnen toepassen om echte problemen in de financiële sector op te lossen.
Deelnemers leren eerst de belangrijkste principes en brengen hun kennis vervolgens in de praktijk door hun eigen machine learning-modellen 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 toepassingen van machine learning in financiën
- Ontwikkel hun eigen algoritmische handelsstrategie met behulp van machine learning met Python
Publiek
- ontwikkelaars
- Data wetenschappers
Formaat van de cursus
- Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen
In deze live training onder leiding van een instructeur leren deelnemers hoe ze technieken en hulpmiddelen voor machine learning kunnen toepassen om echte problemen in de financiële sector op te lossen.
Deelnemers leren eerst de belangrijkste principes en brengen hun kennis vervolgens in de praktijk door hun eigen machine learning-modellen 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 toepassingen van machine learning in financiën
- Ontwikkel hun eigen algoritmische handelsstrategie met behulp van machine learning met Python
Publiek
- ontwikkelaars
- Data wetenschappers
Formaat van de cursus
- Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen
21 hours
Overview
Deze training is bedoeld voor mensen die Machine Learning willen toepassen in praktische toepassingen voor hun team. De training zal niet in technische details duiken en draaien rond basisconcepten en zakelijke / operationele toepassingen daarvan.
Doelgroep
- Investeerders en AI-ondernemers
- Managers en ingenieurs wiens bedrijf zich in AI-ruimte begeeft
- Business en investeerders
Doelgroep
- Investeerders en AI-ondernemers
- Managers en ingenieurs wiens bedrijf zich in AI-ruimte begeeft
- Business en investeerders
21 hours
Overview
Deze cursus behandelt AI (met nadruk op Machine Learning en Deep Learning )
7 hours
Overview
Deze door een instructeur geleide, live training (ter plaatse of op afstand) is gericht op technische personen die willen leren hoe een machine learning-strategie te implementeren en tegelijkertijd het gebruik van big data te maximaliseren.
Aan het einde van deze training zullen de deelnemers:
- Begrijp de evolutie en trends voor machine learning.
- Weet hoe machine learning wordt gebruikt in verschillende industrieën.
- Raak vertrouwd met de tools, vaardigheden en services die beschikbaar zijn om machine learning in een organisatie te implementeren.
- Begrijp hoe machine learning kan worden gebruikt om datamining en -analyse te verbeteren.
- Ontdek wat een data-backend in het midden is en hoe deze door bedrijven wordt gebruikt.
- Begrijp de rol die big data en intelligente applicaties spelen in verschillende industrieën.
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.
Aan het einde van deze training zullen de deelnemers:
- Begrijp de evolutie en trends voor machine learning.
- Weet hoe machine learning wordt gebruikt in verschillende industrieën.
- Raak vertrouwd met de tools, vaardigheden en services die beschikbaar zijn om machine learning in een organisatie te implementeren.
- Begrijp hoe machine learning kan worden gebruikt om datamining en -analyse te verbeteren.
- Ontdek wat een data-backend in het midden is en hoe deze door bedrijven wordt gebruikt.
- Begrijp de rol die big data en intelligente applicaties spelen in verschillende industrieën.
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.
28 hours
Overview
In deze live training onder leiding van een instructeur leren deelnemers hoe ze technieken en hulpmiddelen voor machine learning kunnen toepassen om echte problemen in de banksector op te lossen. R wordt gebruikt als programmeertaal.
Deelnemers leren eerst de belangrijkste principes en brengen hun kennis vervolgens in de praktijk door hun eigen machine learning-modellen te bouwen en deze te gebruiken om een aantal live-projecten te voltooien.
Publiek
- ontwikkelaars
- Data wetenschappers
- Bankprofessionals met een technische achtergrond
Formaat van de cursus
- Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen
Deelnemers leren eerst de belangrijkste principes en brengen hun kennis vervolgens in de praktijk door hun eigen machine learning-modellen te bouwen en deze te gebruiken om een aantal live-projecten te voltooien.
Publiek
- ontwikkelaars
- Data wetenschappers
- Bankprofessionals met een technische achtergrond
Formaat van de cursus
- Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen
14 hours
Overview
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 .
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.
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 .
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 .
35 hours
Overview
Deze cursus begint met het geven van conceptuele kennis in neurale netwerken en in het algemeen in machine learning-algoritme, deep learning (algoritmen en applicaties).
Deel 1 (40%) van deze training is meer gericht op de basisprincipes, maar helpt u bij het kiezen van de juiste technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc.
Deel 2 (20%) van deze training introduceert Theano - een pythonbibliotheek die het schrijven van diepgaande leermodellen eenvoudig maakt.
Deel 3 (40%) van de training zou uitgebreid gebaseerd zijn op Tensorflow - 2e generatie API van de open source softwarebibliotheek van Go ogle voor Deep Learning . De voorbeelden en handson zouden allemaal in TensorFlow worden gemaakt.
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:
-
hebben een goed begrip van diepe neurale netwerken (DNN), CNN en RNN
-
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
Deel 1 (40%) van deze training is meer gericht op de basisprincipes, maar helpt u bij het kiezen van de juiste technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc.
Deel 2 (20%) van deze training introduceert Theano - een pythonbibliotheek die het schrijven van diepgaande leermodellen eenvoudig maakt.
Deel 3 (40%) van de training zou uitgebreid gebaseerd zijn op Tensorflow - 2e generatie API van de open source softwarebibliotheek van Go ogle voor Deep Learning . De voorbeelden en handson zouden allemaal in TensorFlow worden gemaakt.
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:
-
hebben een goed begrip van diepe neurale netwerken (DNN), CNN en RNN
-
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
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
Weekend Machine Learning cursus, Avond Machine Learning training, Avond Machine Learning (ML) opleiding Machine Learning (ML) boot camp, ML (Machine Learning) instructeur geleid, Weekend ML (Machine Learning) training, Avond Machine Learning (ML) cursus, Machine Learning (ML) coaching, Machine Learning instructeur, Machine Learning trainer, Machine Learning (ML) training cursus, Machine Learning (ML) lessen, Machine Learning (ML) on-site, Machine Learning (ML) privé cursus, ML (Machine Learning) een op een training, Machine Learning (ML) op locatie, Weekend Machine Learning (ML) opleiding
.jpg "procter & gamble (p&g)")
.png "european space agency (esa)")
.jpg "international air transport association (iata)")
