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
We hebben veel meer inzicht gekregen in het onderwerp. Er is een aardige discussie gevoerd met enkele echte onderwerpen binnen ons bedrijf.
Sebastiaan Holman
Cursus: Machine Learning and Deep Learning
Machine Translated
De training bood de juiste basis om verder uit te breiden, door te laten zien hoe theorie en praktijk hand in hand gaan. Ik raakte hierdoor meer geïnteresseerd in het onderwerp dan voorheen.
Jean-Paul van Tillo
Cursus: Machine Learning and Deep Learning
Machine Translated
Ik heb echt genoten van de dekking en diepte van onderwerpen.
Anirban Basu
Cursus: Machine Learning and Deep Learning
Machine Translated
Het was heel interactief en meer ontspannen en informeel dan verwacht. We hebben veel onderwerpen behandeld in de tijd en de trainer was altijd ontvankelijk om meer in detail of meer in het algemeen te praten over de onderwerpen en hoe deze gerelateerd waren. Ik heb het gevoel dat de training me de tools heeft gegeven om verder te leren, in tegenstelling tot een eenmalige sessie waarbij het leren stopt als je klaar bent, wat erg belangrijk is gezien de schaal en complexiteit van het onderwerp.
Jonathan Blease
Cursus: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
De trainer was zo deskundig en inclusief gebieden waarin ik geïnteresseerd was.
Mohamed Salama
Cursus: Data Mining & Machine Learning with R
Machine Translated
Het onderwerp is erg interessant.
Wojciech Baranowski
Cursus: Introduction to Deep Learning
Machine Translated
Train theoretische kennis en bereidheid om de problemen met de deelnemers na de training op te lossen.
Grzegorz Mianowski
Cursus: Introduction to Deep Learning
Machine Translated
Onderwerp. Heel interessant!.
Piotr
Cursus: Introduction to Deep Learning
Machine Translated
Oefeningen na elk onderwerp waren erg nuttig, ondanks dat er aan het eind te gecompliceerd was. Over het algemeen was het gepresenteerde materiaal erg interessant en betekend het! Oefeningen met beeldherkenning waren geweldig.
Dolby Poland Sp. z o.o.
Cursus: Introduction to Deep Learning
Machine Translated
Ik denk dat als de training in het Pools wordt gedaan, de trainer zijn kennis efficiënter zou kunnen delen.
Radek
Cursus: Introduction to Deep Learning
Machine Translated
Het wereldwijde overzicht van deep learning.
Bruno Charbonnier
Cursus: Advanced Deep Learning
Machine Translated
De oefeningen zijn voldoende praktisch en hebben geen hoge kennis van Python nodig om gedaan te worden.
Alexandre GIRARD
Cursus: Advanced Deep Learning
Machine Translated
Oefeningen doen op echte voorbeelden met behulp van Eras. Italië heeft onze verwachtingen over deze training volledig begrepen.
Paul Kassis
Cursus: Advanced Deep Learning
Machine Translated
Ik waardeerde echt de kristalheldere antwoorden van Chris op onze vragen.
Léo Dubus
Cursus: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Ik genoot over het algemeen van de deskundige trainer.
Sridhar Voorakkara
Cursus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ik was verbaasd over de standaard van deze klas - ik zou zeggen dat het een universitaire standaard was.
David Relihan
Cursus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Zeer goed overzicht. Go achtergrond waarom Tensorflow zo werkt.
Kieran Conboy
Cursus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ik vond de mogelijkheden om vragen te stellen en meer diepgaande verklaringen van de theorie te krijgen.
Sharon Ruane
Cursus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
De trainer legde zeer gemakkelijk moeilijke en geavanceerde onderwerpen uit.
Leszek K
Cursus: Artificial Intelligence Overview
Machine Translated
De diepe kennis van de trainer over het onderwerp.
Sebastian Görg
Cursus: Introduction to Deep Learning
Machine Translated
Zeer geactualiseerde aanpak of CPI (tensor flow, era, learn) om machine learning te doen.
Paul Lee
Cursus: TensorFlow for Image Recognition
Machine Translated
Zeer flexibel.
Frank Ueltzhöffer
Cursus: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Ik genoot over het algemeen van de flexibiliteit.
Werner Philipp
Cursus: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Gezien de visie van de technologie: welke technologie / proces kan in de toekomst belangrijker worden; zie, waar de technologie voor kan worden gebruikt.
Commerzbank AG
Cursus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ik had baat bij het selecteren van onderwerpen. Stijl van training. Oefen oriëntatie.
Commerzbank AG
Cursus: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Het bevalt allemaal
蒙 李
Cursus: Machine Learning Fundamentals with Python
Machine Translated
manier van leidinggeven en voorbeeld gegeven door de trainer
ORANGE POLSKA S.A.
Cursus: Machine Learning and Deep Learning
Machine Translated
Mogelijkheid om de voorgestelde problemen zelf te bespreken
ORANGE POLSKA S.A.
Cursus: Machine Learning and Deep Learning
Machine Translated
Communicatie met docenten
文欣 张
Cursus: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Vind het leuk
lisa xie
Cursus: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Diepgaande aandacht voor onderwerpen van machine learning, met name neurale netwerken. Demystified veel van het onderwerp.
Sacha Nandlall
Cursus: Python for Advanced Machine Learning
Machine Translated
Ik hield echt van oefeningen
L M ERICSSON LIMITED
Cursus: Machine Learning
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
Machine Learning subcategorieën
Machine Learning (ML) Cursusoverzicht
Course Name
Duration
Overview
Course Name
Duration
Overview
7 hours
AlphaFold is een Artificial Intelligence (AI) systeem dat de voorspelling van eiwitstructuur uitvoert. Het is ontwikkeld door Alphabet’s/Google’s DeepMind als een diep leren systeem dat nauwkeurig 3D-modellen van eiwitstructuur kan voorspellen.
Deze instructeur geleide, live training (online of on-site) is gericht op biologen die willen begrijpen hoe AlphaFold werken en gebruiken AlphaFold modellen als gids in hun experimentele studies.
Aan het einde van deze training zullen de deelnemers in staat zijn:
Begrijp de fundamentele beginselen van AlphaFold. Leer hoe [ 2 ] werkt. Leer hoe je AlphaFold voorspellingen en resultaten kunt interpreteren.
Format van de cursus
Interactieve lezingen en discussie. Veel oefeningen en oefeningen. Hand-on implementatie in een live-lab-omgeving.
Cursus aanpassingsopties
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
Deze instructeur geleide, live training (online of on-site) is gericht op biologen die willen begrijpen hoe AlphaFold werken en gebruiken AlphaFold modellen als gids in hun experimentele studies.
Aan het einde van deze training zullen de deelnemers in staat zijn:
Begrijp de fundamentele beginselen van AlphaFold. Leer hoe [ 2 ] werkt. Leer hoe je AlphaFold voorspellingen en resultaten kunt interpreteren.
Format van de cursus
Interactieve lezingen en discussie. Veel oefeningen en oefeningen. Hand-on implementatie in een live-lab-omgeving.
Cursus aanpassingsopties
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
14 hours
Waikato Environment for Knowledge Analysis (Weka) is een open source data mining visualisatie software. Het biedt een verzameling van machine learning-algoritmen voor gegevensvoorbereiding, classificatie, clustering en andere data mining activiteiten.
Deze instructeur geleide, live training (online of on-site) is gericht op gegevensanalisten en gegevenswetenschappers die Weka willen gebruiken om gegevens mijnwerkzaamheden uit te voeren.
Aan het einde van deze training zullen de deelnemers in staat zijn:
Installeer en installeer Weka Begrijp de Weka omgeving en werkbank. Het uitvoeren van data mining taken met behulp van Weka.
Format van de cursus
Interactieve lezingen en discussie. Veel oefeningen en oefeningen. Hand-on implementatie in een live-lab-omgeving.
Cursus aanpassingsopties
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
Deze instructeur geleide, live training (online of on-site) is gericht op gegevensanalisten en gegevenswetenschappers die Weka willen gebruiken om gegevens mijnwerkzaamheden uit te voeren.
Aan het einde van deze training zullen de deelnemers in staat zijn:
Installeer en installeer Weka Begrijp de Weka omgeving en werkbank. Het uitvoeren van data mining taken met behulp van Weka.
Format van de cursus
Interactieve lezingen en discussie. Veel oefeningen en oefeningen. Hand-on implementatie in een live-lab-omgeving.
Cursus aanpassingsopties
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
14 hours
Het doel van deze cursus is om een basiskennis te bieden in het toepassen van Machine Learning methoden in de praktijk. Door het gebruik van de Python programmeringstaal en de verschillende bibliotheken, en gebaseerd op een groot aantal praktische voorbeelden, leert deze cursus hoe de belangrijkste bouwblokken van Machine Learning te gebruiken, hoe data-modelingbeslissingen te nemen, de uitkomsten van de algoritmen te interpreteren en de resultaten te valideren.
Ons doel is om u de vaardigheden te geven om de meest fundamentele hulpmiddelen van de Machine Learning toolbox vertrouwelijk te begrijpen en te gebruiken en de gemeenschappelijke pitfalls van de Data Science-toepassingen te voorkomen.
Ons doel is om u de vaardigheden te geven om de meest fundamentele hulpmiddelen van de Machine Learning toolbox vertrouwelijk te begrijpen en te gebruiken en de gemeenschappelijke pitfalls van de Data Science-toepassingen te voorkomen.
21 hours
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 .
28 hours
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.
28 hours
Dit is een 4-daagse cursus die AI en de toepassing ervan introduceert met behulp van de Python programmeringstaal. Er is een optie om een extra dag te hebben om een AI-project te ondernemen aan het voltooien van deze cursus.
21 hours
Diep Reinforcement Learning verwijst naar de vermogen van een "artificale agent" om te leren door probeer-en-fout-en-beloning-en-strafingen. Een kunstmatige agent doel doeltreffend om een menselijke en#39 te emuleren; de vermogen om kennis op eigen eigen te verkrijgen en te bouwen, rechtstreeks uit rouwe inputs zoals visioen. Om de versterking van het leren te realisen, worden diep leren en neurale netwerken gebruikt. De hervormingsleren is anders van de machine-leren en vertrouwt niet op overzicht van en onsuperbezigde leerbenaderingen.
In deze instructeur, levende opleiding, zullen deelnemers de fundamentele grondslagen van Deep Reinforcement Learning leren terwijl zij door de oprichting van een Deep Learning Agent stappen.
Ten einde van deze opleiding kunnen deelnemers:
Begrijpen de belangrijke concepten achter Deep Reinforcement Learning en kan het onderscheiden van Machine Learning Geavanceerde algoritmen Reinforcement Learning toepassen om echte wereldproblemen op te lossen Boven een Deep Learning Agent
Audiëntie
Ontwikkelers Gegevenswetenschappers
Formaat van de weg
Deelleding, deeldiscutie, oefenen en zware handen-op-praktijk
In deze instructeur, levende opleiding, zullen deelnemers de fundamentele grondslagen van Deep Reinforcement Learning leren terwijl zij door de oprichting van een Deep Learning Agent stappen.
Ten einde van deze opleiding kunnen deelnemers:
Begrijpen de belangrijke concepten achter Deep Reinforcement Learning en kan het onderscheiden van Machine Learning Geavanceerde algoritmen Reinforcement Learning toepassen om echte wereldproblemen op te lossen Boven een Deep Learning Agent
Audiëntie
Ontwikkelers Gegevenswetenschappers
Formaat van de weg
Deelleding, deeldiscutie, oefenen en zware handen-op-praktijk
28 hours
Machine learning is een branche van Artificial Intelligence waarin computers de mogelijkheid hebben om te leren zonder uitdrukkelijk te worden geprogrammeerd.
Deep learning is een onderveld van machine learning dat methoden gebruikt die gebaseerd zijn op leergegevens representaties en structuren zoals neurale netwerken.
Python is een hoog niveau programmeertaal beroemd om zijn duidelijke syntax en code leesbaarheid.
In deze instructeur geleide, live training, zullen de deelnemers leren hoe te implementeren diepe leren modellen voor telecom gebruik Python als ze stappen door het creëren van een diepe leren credit risk model.
Aan het einde van deze training zullen de deelnemers in staat zijn:
Begrijp de fundamentele begrippen van diep leren. Leer de toepassingen en toepassingen van diep leren in telecom. Gebruik Python, Keras en TensorFlow om diep leren modellen voor telecom te creëren. Bouw je eigen diep leren klant voorspelling model met behulp van Python.
Format van de cursus
Interactieve lezingen en discussie. Veel oefeningen en oefeningen. Hand-on implementatie in een live-lab-omgeving.
Cursus aanpassingsopties
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
Deep learning is een onderveld van machine learning dat methoden gebruikt die gebaseerd zijn op leergegevens representaties en structuren zoals neurale netwerken.
Python is een hoog niveau programmeertaal beroemd om zijn duidelijke syntax en code leesbaarheid.
In deze instructeur geleide, live training, zullen de deelnemers leren hoe te implementeren diepe leren modellen voor telecom gebruik Python als ze stappen door het creëren van een diepe leren credit risk model.
Aan het einde van deze training zullen de deelnemers in staat zijn:
Begrijp de fundamentele begrippen van diep leren. Leer de toepassingen en toepassingen van diep leren in telecom. Gebruik Python, Keras en TensorFlow om diep leren modellen voor telecom te creëren. Bouw je eigen diep leren klant voorspelling model met behulp van Python.
Format van de cursus
Interactieve lezingen en discussie. Veel oefeningen en oefeningen. Hand-on implementatie in een live-lab-omgeving.
Cursus aanpassingsopties
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
14 hours
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 .
7 hours
Deze cursus is gemaakt voor managers, oplossingen architecten, innovatiefunctionarissen, CTO's, software architecten en iedereen die geïnteresseerd is in een overzicht van toegepaste kunstmatige intelligentie en de dichtstbijzijnde voorspelling voor de ontwikkeling ervan.
7 hours
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
Deze training is bedoeld voor mensen die Machine Learning willen toepassen in praktische toepassingen.
Publiek
Deze cursus is bedoeld voor datawetenschappers en statistici die enigszins bekend zijn met statistiek en weten hoe ze R (of Python of een andere gekozen taal) 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 praktische toepassingen te geven aan Machine Learning 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
Deze cursus is bedoeld voor datawetenschappers en statistici die enigszins bekend zijn met statistiek en weten hoe ze R (of Python of een andere gekozen taal) 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 praktische toepassingen te geven aan Machine Learning 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
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.
21 hours
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
This course will be a combination of theory and practical work with specific examples used throughout the event.
21 hours
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
MATLAB is a numerical computing environment and programming language developed by MathWorks.
14 hours
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.
14 hours
R is een open-source gratis programmeringsspraak voor statistische computing, data-analyse en graphics. R wordt gebruikt door een groeiende aantal managers en data-analisten binnen bedrijven en academie. R heeft een breed scala aan pakketten voor data mining.
21 hours
PredictionIO is een open source Machine Learning Server gebouwd op de allernieuwste open source stack.
Publiek
Deze cursus is bedoeld voor ontwikkelaars en datawetenschappers die voorspellende motoren willen maken voor elke taak van machine learning.
Publiek
Deze cursus is bedoeld voor ontwikkelaars en datawetenschappers die voorspellende motoren willen maken voor elke taak van machine learning.
35 hours
Deze cursus is gemaakt voor mensen die geen ervaring hebben met waarschijnlijkheid en statistiek .
21 hours
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 .
21 hours
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
7 hours
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 .
14 hours
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 .
14 hours
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 .
21 hours
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 .
14 hours
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 .
28 hours
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
21 hours
Machine Learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Python is a programming language famous for its clear syntax and readability. It offers an excellent collection of well-tested libraries and techniques for developing machine learning applications.
In this instructor-led, live training, participants will learn how to apply machine learning techniques and tools for solving real-world problems in the banking industry.
Participants first learn the key principles, then put their knowledge into practice by building their own machine learning models and using them to complete a number of team projects.
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
In this instructor-led, live training, participants will learn how to apply machine learning techniques and tools for solving real-world problems in the banking industry.
Participants first learn the key principles, then put their knowledge into practice by building their own machine learning models and using them to complete a number of team projects.
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
Last Updated:
Aankomende Machine Learning (ML) cursussen
Artificial Neural Networks, Machine Learning, Deep Thinking
2022-06-21 09:30
Amsterdam
21 hours
Machine Learning Fundamentals with R
2022-06-29 09:30
Amsterdam
14 hours
Introduction to Machine Learning
2022-07-13 09:30
Amsterdam
7 hours
Machine Learning with Python – 2 Days
2022-07-13 09:30
Amsterdam
14 hours
Applied Machine Learning
2022-07-19 09:30
Amsterdam
14 hours
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
