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
14 hours
Overview
Deze cursus behandelt AI (met nadruk op Machine Learning en Deep Learning ) in de Automotive industrie. Het helpt om te bepalen welke technologie (mogelijk) kan worden gebruikt in meerdere situaties in een auto: van eenvoudige automatisering, beeldherkenning tot autonome besluitvorming.
21 hours
Overview
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.
21 hours
Overview
PaddlePaddle (PArallel Distributed Deep LEarning) is een schaalbaar platform voor diep leren, ontwikkeld door Baidu In deze live training met instructeur leren deelnemers PaddlePaddle te gebruiken om diepgaand leren in hun product- en servicetoepassingen mogelijk te maken Aan het einde van deze training kunnen deelnemers: PaddlePaddle instellen en configureren Stel een Convolutional Neural Network (CNN) in voor beeldherkenning en objectdetectie Een terugkerend neuraal netwerk (RNN) instellen voor sentimentanalyse Stel diepgaand leren op aanbevelingssystemen in om gebruikers te helpen antwoorden te vinden Voorspellen van klikfrequenties (CTR), grootschalige opnamesets classificeren, optische tekenherkenning (OCR) uitvoeren, zoekopdrachten rangschikken, computervirussen detecteren en een aanbevelingssysteem implementeren Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
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.
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
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
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 (online or onsite) 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 (online or onsite) 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
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
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 (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
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
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.
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 (online or onsite) 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 (online or onsite) 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.
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.
35 hours
Overview
MLOps is a set of tools and methodologies for combining Machine Learning and DevOps practices. The goal of MLOps is to automate and optimize the deployment and maintenance of ML systems in production.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
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 (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
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.
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
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
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
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.
21 hours
Overview
MLflow is an open source platform for streamlining and managing the machine learning lifecycle. It supports any ML (machine learning) library, algorithm, deployment tool or language. Simply add MLflow to your existing ML code to share the code across any ML library being used within your organization.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
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 (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
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.
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 )
14 hours
Overview
Patroonovereenkomst is een techniek die wordt gebruikt om opgegeven patronen in een afbeelding te vinden. Het kan worden gebruikt om het bestaan van specifieke kenmerken in een vastgelegde afbeelding te bepalen, bijvoorbeeld het verwachte label op een defect product in een fabriekslijn of de opgegeven afmetingen van een component. Het verschilt van " Pattern Recognition " (die algemene patronen herkent op basis van grotere verzamelingen van gerelateerde monsters) omdat het specifiek dicteert waarnaar we op zoek zijn en ons dan vertelt of het verwachte patroon bestaat of niet.
Indeling van de cursus
- Deze cursus introduceert de benaderingen, technologieën en algoritmen die worden gebruikt op het gebied van patroonafstemming zoals dit van toepassing is op Machine Vision .
Indeling van de cursus
- Deze cursus introduceert de benaderingen, technologieën en algoritmen die worden gebruikt op het gebied van patroonafstemming zoals dit van toepassing is op Machine Vision .
14 hours
Overview
Pandas is a Python library for data manipulation and analysis. Using Pandas, users can perform predictive analysis through machine learning.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
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 (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
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.
Aankomende Machine Learning (ML) cursussen
2021-01-21 09:30:00
Nijmegen City Centre
7 hours
2021-01-25 09:30:00
Groningen Martini
7 hours
2021-03-11 09:30:00
Nijmegen City Centre
7 hours
2021-04-29 09:30:00
Nijmegen City Centre
7 hours
2021-06-17 09:30:00
Nijmegen City Centre
7 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)")
