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 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
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
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
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
Ik vind het leuk dat het meer gericht is op het hoe van de verschillende methoden voor het samenvatten van tekst
Cursus: Text Summarization with Python
Machine Translated
veel informatie, alle vragen beantwoord, interessante voorbeelden
A1 Telekom Austria AG
Cursus: Deep Learning for Telecom (with Python)
Machine Translated
De trainer was een professional op het vakgebied en de bijbehorende theorie met uitstekende toepassing
Fahad Malalla - Tatweer Petroleum
Cursus: Applied AI from Scratch in Python
Machine Translated
Ik begon met bijna geen kennis en aan het einde was ik in staat om mijn eigen netwerken op te bouwen en te trainen.
Huawei Technologies Duesseldorf GmbH
Cursus: TensorFlow for Image Recognition
Machine Translated
Rock Solid Knowledge Ltd
Cursus: Machine Learning – Data science
Machine Translated
Richard Blewett - Rock Solid Knowledge Ltd
Cursus: Machine Learning – Data science
Machine Translated
Rock Solid Knowledge Ltd
Cursus: Machine Learning – Data science
Machine Translated
Aanpassen aan onze behoeften
Sumitomo Mitsui Finance and Leasing Company, Limited
Cursus: Kubeflow
Machine Translated
Ali Kattan - TWPI
Cursus: Natural Language Processing with TensorFlow
Machine Translated
Ibrahim Mohammedameen - TWPI
Cursus: Natural Language Processing with TensorFlow
Machine Translated
Usama Adam - TWPI
Cursus: Natural Language Processing with TensorFlow
Machine Translated
Ik vind het leuk dat het meer gericht is op het hoe van de verschillende methoden voor het samenvatten van tekst
Cursus: Text Summarization with Python
Machine Translated
Machine Learning subcategorieën
Machine Learning (ML) Cursusoverzicht
Course Name
Duration
Overview
Course Name
Duration
Overview
7 hours
Overview
Deze cursus is gemaakt voor managers, oplossingenarchitecten, innovatieofficieren, CTO's, software-architecten en iedereen die geïnteresseerd is in een overzicht van toegepaste kunstmatige intelligentie en de dichtstbijzijnde prognose voor de ontwikkeling ervan.
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
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
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 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
Overview
Artificial Neural Network is een computationeel datamodel dat wordt gebruikt bij de ontwikkeling van Artificial Intelligence (AI) -systemen die "intelligente" taken kunnen uitvoeren. Neural Networks worden vaak gebruikt in Machine Learning (ML) -toepassingen, die zelf een implementatie van AI zijn. Deep Learning is een subset van ML.
21 hours
Overview
This course will be a combination of theory and practical work with specific examples used throughout the event.
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
Deze cursus is een algemeen overzicht voor Deep Learning zonder te diep in te gaan op specifieke methoden. Het is geschikt voor mensen die Deep learning willen gaan gebruiken om hun voorspellingsnauwkeurigheid te verbeteren.
21 hours
Overview
MATLAB is a numerical computing environment and programming language developed by MathWorks.
21 hours
Overview
Artificial Neural Network is een computationeel datamodel dat wordt gebruikt bij de ontwikkeling van Artificial Intelligence (AI) -systemen die "intelligente" taken kunnen uitvoeren. Neural Networks worden vaak gebruikt in Machine Learning (ML) -toepassingen, die zelf een implementatie van AI zijn. Deep Learning is een subset van ML.
28 hours
Overview
Machine learning is een tak van kunstmatige intelligentie waarbij computers kunnen leren zonder expliciet te worden geprogrammeerd. Diep leren is een deelgebied van machine learning dat methoden gebruikt die gebaseerd zijn op gegevensrepresentaties en structuren zoals neurale netwerken.
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.
14 hours
Overview
R is een opensource-vrije programmeertaal voor statistische gegevensverwerking, gegevensanalyse en grafische weergave R wordt gebruikt door een groeiend aantal managers en data-analisten binnen bedrijven en universiteiten R heeft een grote verscheidenheid aan pakketten voor datamining .
21 hours
Overview
TensorFlow is een 2e generatie API van de open source softwarebibliotheek van Go TensorFlow voor Deep Learning . Het systeem is ontworpen om onderzoek naar machine learning te vergemakkelijken en om de overgang van onderzoeksprototype naar productiesysteem snel en gemakkelijk te maken.
Publiek
Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor hun Deep Learning projecten
Na het voltooien van deze cursus zullen de deelnemers:
- de structuur en implementatiemechanismen van TensorFlow begrijpen
- in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
- codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
- in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, grafieken maken en logboekregistratie
Publiek
Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor hun Deep Learning projecten
Na het voltooien van deze cursus zullen de deelnemers:
- de structuur en implementatiemechanismen van TensorFlow begrijpen
- in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
- codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
- in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, grafieken maken en logboekregistratie
21 hours
Overview
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.
14 hours
Overview
Apache SystemML is een gedistribueerd en declaratief platform voor machinaal leren.
SystemML biedt declaratieve grootschalige machine learning (ML) die gericht is op flexibele specificatie van ML-algoritmen en automatische generatie van hybride runtime-plannen, variërend van enkele node, in-memory-berekeningen tot gedistribueerde berekeningen op Apache Hadoop en Apache Spark .
Publiek
Deze cursus is geschikt voor onderzoekers, ontwikkelaars en ingenieurs van Machine Learning die SystemML willen gebruiken als raamwerk voor machine learning.
SystemML biedt declaratieve grootschalige machine learning (ML) die gericht is op flexibele specificatie van ML-algoritmen en automatische generatie van hybride runtime-plannen, variërend van enkele node, in-memory-berekeningen tot gedistribueerde berekeningen op Apache Hadoop en Apache Spark .
Publiek
Deze cursus is geschikt voor onderzoekers, ontwikkelaars en ingenieurs van Machine Learning die SystemML willen gebruiken als raamwerk voor machine learning.
28 hours
Overview
Deze cursus onderzoekt, met specifieke voorbeelden, de toepassing van Tensor Flow voor beeldherkenning
Publiek
Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor TensorFlow
Na het voltooien van deze cursus kunnen afgevaardigden:
- de structuur en implementatiemechanismen van TensorFlow begrijpen
- voer installatie / productieomgeving / architectuurtaken en configuratie uit
- codekwaliteit beoordelen, foutopsporing uitvoeren, controleren
- implementeer geavanceerde productie zoals trainingsmodellen, het bouwen van grafieken en logboekregistratie
Publiek
Deze cursus is bedoeld voor ingenieurs die TensorFlow willen gebruiken voor TensorFlow
Na het voltooien van deze cursus kunnen afgevaardigden:
- de structuur en implementatiemechanismen van TensorFlow begrijpen
- voer installatie / productieomgeving / architectuurtaken en configuratie uit
- codekwaliteit beoordelen, foutopsporing uitvoeren, controleren
- implementeer geavanceerde productie zoals trainingsmodellen, het bouwen van grafieken en logboekregistratie
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
14 hours
Overview
Deeplearning4j is een open-source, gedistribueerde deep-learning bibliotheek geschreven voor Java en Scala . Geïntegreerd met Hadoop en Spark, is DL4J ontworpen om te worden gebruikt in zakelijke omgevingen op gedistribueerde GPU 's en CPU's.
Word 2Vec is een methode voor het berekenen van vectorrepresentaties van woorden geïntroduceerd door een team van onderzoekers bij Go ogle onder leiding van Tomas Mikolov.
Publiek
Deze cursus is bedoeld voor onderzoekers, ingenieurs en ontwikkelaars die Deeplearning4J willen gebruiken om Word 2Vec-modellen te bouwen.
Word 2Vec is een methode voor het berekenen van vectorrepresentaties van woorden geïntroduceerd door een team van onderzoekers bij Go ogle onder leiding van Tomas Mikolov.
Publiek
Deze cursus is bedoeld voor onderzoekers, ingenieurs en ontwikkelaars die Deeplearning4J willen gebruiken om Word 2Vec-modellen te bouwen.
21 hours
Overview
Deeplearning4j is de eerste commerciële, open-source, gedistribueerde deep-learning bibliotheek geschreven voor Java en Scala . Geïntegreerd met Hadoop en Spark, is DL4J ontworpen om te worden gebruikt in zakelijke omgevingen op gedistribueerde GPU 's en CPU's.
Publiek
Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die Deeplearning4j willen gebruiken in hun projecten.
Na deze cursus kunnen afgevaardigden:
Publiek
Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die Deeplearning4j willen gebruiken in hun projecten.
Na deze cursus kunnen afgevaardigden:
21 hours
Overview
SINGA is een algemeen gedistribueerd deep learning-platform voor het trainen van grote deep learning-modellen over grote datasets. Het is ontworpen met een intuïtief programmeermodel op basis van de laagabstractie. Een verscheidenheid aan populaire deep learning-modellen wordt ondersteund, namelijk feed-forward modellen, waaronder convolutionele neurale netwerken (CNN), energiemodellen zoals beperkte Boltzmann-machine (RBM) en terugkerende neurale netwerken (RNN). Veel ingebouwde lagen zijn bedoeld voor gebruikers. SINGA-architectuur is voldoende flexibel om synchrone, asynchrone en hybride trainingsraamwerken te gebruiken. SINGA ondersteunt ook verschillende neurale netpartitieschema's om de training van grote modellen te parallelliseren, namelijk partitionering op batch-dimensie, feature-dimensie of hybride partitionering.
Publiek
Deze cursus is bedoeld voor onderzoekers, ingenieurs en ontwikkelaars die Apache SINGA willen gebruiken als een diepgaand leerkader.
Na het voltooien van deze cursus zullen de deelnemers:
- de structuur en implementatiemechanismen van SINGA begrijpen
- in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
- codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
- in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, inbeddingstermijnen, het bouwen van grafieken en logboekregistratie
Publiek
Deze cursus is bedoeld voor onderzoekers, ingenieurs en ontwikkelaars die Apache SINGA willen gebruiken als een diepgaand leerkader.
Na het voltooien van deze cursus zullen de deelnemers:
- de structuur en implementatiemechanismen van SINGA begrijpen
- in staat zijn om installatie / productieomgeving / architectuurtaken en configuratie uit te voeren
- codekwaliteit kunnen beoordelen, foutopsporing kunnen uitvoeren, controleren
- in staat zijn om geavanceerde productie te implementeren, zoals trainingsmodellen, inbeddingstermijnen, het bouwen van grafieken en logboekregistratie
35 hours
Overview
Deze cursus is gemaakt voor mensen die geen ervaring hebben met waarschijnlijkheid en statistiek .
21 hours
Overview
Deeplearning4j is een open-source deep-learning software voor Java en Scala op Hadoop en Spark.
Publiek
Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die DeepLearning4J willen gebruiken in hun beeldherkenningsprojecten.
Publiek
Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die DeepLearning4J willen gebruiken in hun beeldherkenningsprojecten.
21 hours
Overview
Caffe is een diepgaand leerkader gemaakt met expressie, snelheid en modulariteit in het achterhoofd.
Deze cursus onderzoekt de toepassing van Caffe als een diepgaand leerkader voor beeldherkenning met behulp van MNIST als voorbeeld
Publiek
Deze cursus is geschikt voor onderzoekers en ingenieurs van Deep Learning die geïnteresseerd zijn in het gebruik van Caffe als kader.
Na het voltooien van deze cursus kunnen afgevaardigden:
- inzicht in de structuur en implementatiemechanismen van Caffe
- voer installatie / productieomgeving / architectuurtaken en configuratie uit
- codekwaliteit beoordelen, foutopsporing uitvoeren, controleren
- implementeer geavanceerde productie zoals trainingsmodellen, implementatie van lagen en logboekregistratie
Deze cursus onderzoekt de toepassing van Caffe als een diepgaand leerkader voor beeldherkenning met behulp van MNIST als voorbeeld
Publiek
Deze cursus is geschikt voor onderzoekers en ingenieurs van Deep Learning die geïnteresseerd zijn in het gebruik van Caffe als kader.
Na het voltooien van deze cursus kunnen afgevaardigden:
- inzicht in de structuur en implementatiemechanismen van Caffe
- voer installatie / productieomgeving / architectuurtaken en configuratie uit
- codekwaliteit beoordelen, foutopsporing uitvoeren, controleren
- implementeer geavanceerde productie zoals trainingsmodellen, implementatie van lagen en logboekregistratie
21 hours
Overview
Publiek
Deze cursus is geschikt voor onderzoekers en ingenieurs van Deep Learning die geïnteresseerd zijn in het gebruik van beschikbare hulpmiddelen (meestal open source) voor het analyseren van computerbeelden
Deze cursus biedt werkvoorbeelden.
Deze cursus is geschikt voor onderzoekers en ingenieurs van Deep Learning die geïnteresseerd zijn in het gebruik van beschikbare hulpmiddelen (meestal open source) voor het analyseren van computerbeelden
Deze cursus biedt werkvoorbeelden.
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.
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 cursus behandelt AI (met nadruk op Machine Learning en Deep Learning )
21 hours
Overview
Deze door een instructeur geleide, live cursus biedt een introductie op het gebied van patroonherkenning en machine learning. Het gaat over praktische toepassingen in de statistiek, informatica, signaalverwerking, computer vision, data mining en bioinformatica.
De cursus is interactief en bevat veel praktische oefeningen, feedback van instructeurs en het testen van verworven kennis en vaardigheden.
De cursus is interactief en bevat veel praktische oefeningen, feedback van instructeurs en het testen van verworven kennis en vaardigheden.
Aankomende Machine Learning (ML) cursussen
2021-06-08 09:30:00
Amsterdam
7 hours
2021-06-24 09:30:00
Amsterdam
7 hours
2021-07-06 09:30:00
Amsterdam
14 hours
2021-07-21 09:30:00
Amsterdam
14 hours
2021-07-21 09:30:00
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
.jpg "procter & gamble (p&g)")
.png "european space agency (esa)")
.jpg "international air transport association (iata)")
