Machine Learning Training Courses

Machine Learning Training Courses

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

Getuigenissen

★★★★★
★★★★★

Machine Learning Cursusoverzicht

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
Deze cursus behandelt KI (nadruk op machinaal leren en diep leren) in de automobielindustrie Het helpt bij het bepalen welke technologie (mogelijk) in meerdere situaties in een auto kan worden gebruikt: van eenvoudige automatisering, beeldherkenning tot autonome besluitvorming .
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 .
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 .
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 in het klaslokaal gebaseerde trainingssessie bevat presentaties en computergestuurde voorbeelden en case study-oefeningen 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 algoritmen voor machine learning, deep learning (algoritmen en toepassingen) Deze training richt zich meer op de grondbeginselen, maar helpt je bij het kiezen van de juiste technologie: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc De voorbeelden zijn gemaakt in TensorFlow .
21 hours
Overview
Deze klasgebaseerde trainingssessie zal machine learning tools verkennen met (aanbevolen) Python Afgevaardigden zullen beschikken over computergebaseerde voorbeelden en case study-oefeningen om te ondernemen .
21 hours
Overview
Deze cursus introduceert machinale leermethoden in robotica-applicaties.

Het is een breed overzicht van bestaande methoden, motivaties en hoofdideeën in de context van patroonherkenning.

Na een korte theoretische achtergrond zullen deelnemers eenvoudige oefeningen uitvoeren met open source (meestal R) of andere populaire software.
21 hours
Overview
het doel van deze cursus is het verstrekken van algemene bekwaamheid in de toepassing van machine leermethoden in de praktijk. Door het gebruik van de python programmeertaal en de verschillende bibliotheken, en gebaseerd op een veelheid van praktische voorbeelden van deze cursus leert hoe de belangrijkste bouwstenen van de machine leren gebruiken, hoe je data modellering beslissingen te maken, interpreteren van de uitgangen van de algoritmen en valideren van de resultaten.

ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele instrumenten van de machine leren Toolbox vol vertrouwen en Vermijd de gemeenschappelijke valkuilen van data Sciences toepassingen.
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 .
7 hours
Overview
Deze training is bedoeld voor mensen die elementaire Machine Learning-technieken willen toepassen in praktische toepassingen.

Publiek

Datawetenschappers en statistici die enige bekendheid hebben met machine learning en die R kunnen programmeren. De nadruk van deze cursus ligt op de praktische aspecten van de voorbereiding van gegevens / modellen, uitvoering, post-hoc analyse en visualisatie. Het doel is om een ​​praktische inleiding te geven voor 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.
7 hours
Overview
OpenNMT is een volledig beschikbaar opensource (MIT) neuraal machinevertalingssysteem dat de Torch wiskundige toolkit gebruikt In deze training zullen deelnemers leren hoe OpenNMT moet worden opgezet en gebruikt voor het vertalen van verschillende voorbeeldgegevenssets De cursus begint met een overzicht van neurale netwerken zoals deze van toepassing zijn op machinevertalingen Deelnemers zullen tijdens de cursus live oefeningen uitvoeren om hun begrip van de geleerde concepten te demonstreren en feedback te krijgen van de instructeur Aan het einde van deze training hebben de deelnemers de kennis en de praktijk die nodig zijn om een ​​live OpenNMT-oplossing te implementeren Bron- en doeltaalstalen worden vooraf afgesproken volgens de vereisten van het publiek Publiek Lokalisatiespecialisten met een technische achtergrond Wereldwijde contentmanagers Lokalisatie-engineers Softwareontwikkelaars die belast zijn met de implementatie van wereldwijde content-oplossingen Formaat van de cursus Gedeeltelijke lezing, gedeeltelijke discussie, zware hands-on praktijk .
14 hours
Overview
Het doel van deze cursus is het bieden van een basisvaardigheden bij het toepassen van Machine Learning-methoden in de praktijk Door het gebruik van het R-programmeerplatform en zijn verschillende bibliotheken, en gebaseerd op een veelvoud aan praktische voorbeelden, leert deze cursus hoe de belangrijkste bouwstenen van Machine Learning gebruikt moeten worden, hoe data-modelleringsbeslissingen kunnen worden genomen, de outputs van de algoritmen en valideer de resultaten Ons doel is om u de vaardigheden te geven om de meest fundamentele tools van de Machine Learning-toolbox met vertrouwen te begrijpen en te gebruiken en de gebruikelijke valkuilen van Data Sciences-toepassingen te vermijden .
14 hours
Overview
Het doel van deze cursus is het bieden van een basisvaardigheden bij het toepassen van Machine Learning-methoden in de praktijk Door het gebruik van de programmeertaal Python en zijn verschillende bibliotheken, en gebaseerd op een veelvoud aan praktische voorbeelden, leert deze cursus hoe de belangrijkste bouwstenen van Machine Learning gebruikt moeten worden, hoe beslissingen over datamodellering kunnen worden genomen, de outputs van de algoritmen en valideer de resultaten Ons doel is om u de vaardigheden te geven om de meest fundamentele tools van de Machine Learning-toolbox met vertrouwen te begrijpen en te gebruiken en de gebruikelijke valkuilen van Data Sciences-toepassingen te vermijden .
14 hours
Overview
Het doel van deze cursus is het bieden van een basisvaardigheden bij het toepassen van Machine Learning-methoden in de praktijk Door het gebruik van de Scala-programmeertaal en zijn verschillende bibliotheken, en gebaseerd op een veelvoud aan praktische voorbeelden, leert deze cursus hoe de belangrijkste bouwstenen van Machine Learning gebruikt moeten worden, hoe data-modelleringsbeslissingen kunnen worden genomen, de outputs van de algoritmen en valideer de resultaten Ons doel is om u de vaardigheden te geven om de meest fundamentele tools van de Machine Learning-toolbox met vertrouwen te begrijpen en te gebruiken en de gebruikelijke valkuilen van Data Sciences-toepassingen te vermijden .
28 hours
Overview
Machine learning is een tak van Artificial Intelligence waarbij computers het vermogen hebben om te leren zonder expliciet geprogrammeerd te zijn R is een populaire programmeertaal in de financiële sector Het wordt gebruikt in financiële toepassingen, variërend van kernhandelsprogramma's tot risicobeheersystemen In deze live training met instructeur leren deelnemers technieken voor het leren van machines en hulpmiddelen voor het oplossen van problemen in de echte wereld in de financiële sector R wordt gebruikt als de programmeertaal Deelnemers leren eerst de belangrijkste principes en passen hun kennis vervolgens in de praktijk door hun eigen machine-leermodellen te bouwen en deze te gebruiken om een ​​aantal teamprojecten te voltooien Aan het einde van deze training kunnen deelnemers: Begrijp de fundamentele concepten in machine learning Leer de toepassingen en het gebruik van machine learning in finance Ontwikkel hun eigen algoritmische handelsstrategie met behulp van machine learning met R Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
21 hours
Overview
Machine learning is een tak van Artificial Intelligence waarbij computers het vermogen hebben om te leren zonder expliciet geprogrammeerd te zijn Python is een programmeertaal die bekend staat om zijn duidelijke syntaxis en leesbaarheid Het biedt een uitstekende verzameling van goed geteste bibliotheken en technieken voor het ontwikkelen van machine learning-applicaties In deze live training met instructeur leren deelnemers technieken voor het leren van machines en hulpmiddelen voor het oplossen van problemen in de echte wereld in de financiële sector Deelnemers leren eerst de belangrijkste principes en passen hun kennis vervolgens in de praktijk door hun eigen machine-leermodellen te bouwen en deze te gebruiken om een ​​aantal teamprojecten te voltooien Aan het einde van deze training kunnen deelnemers: Begrijp de fundamentele concepten in machine learning Leer de toepassingen en het gebruik van machine learning in finance Ontwikkel hun eigen algoritmische handelsstrategie met behulp van machine learning met Python Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
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 basisbegrippen en zakelijke / operationele toepassingen van hetzelfde Doelgroep Investeerders en AI-ondernemers Managers en ingenieurs wiens bedrijf zich waagt aan AI-ruimte Business Analysts & Investors .
21 hours
Overview
Deze cursus behandelt KI (met nadruk op Machine Learning en Deep Learning) .
28 hours
Overview
In deze live training met instructeur leren deelnemers technieken voor het leren van machines en hulpmiddelen voor het oplossen van problemen in de echte wereld in de banksector R wordt gebruikt als de programmeertaal Deelnemers leren eerst de belangrijkste principes en zetten hun kennis vervolgens in de praktijk door hun eigen machine-leermodellen te bouwen en deze te gebruiken om een ​​aantal live-projecten te voltooien Publiek ontwikkelaars Datawetenschappers Bankiers met een technische achtergrond Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
14 hours
Overview
De Apache OpenNLP-bibliotheek is een op machine learning gebaseerde toolkit voor het verwerken van natuurlijke taaltekst Het ondersteunt de meest voorkomende NLP-taken, zoals taaldetectie, tokenisatie, zinsegmentatie, partofspeech-tagging, entiteitsextractie, chunking, parsing en coreference-resolutie In deze live training met instructeur leren deelnemers hoe ze modellen kunnen maken voor het verwerken van op tekst gebaseerde gegevens met behulp van OpenNLP Voorbeelden van trainingsgegevens en aangepaste datasets zullen worden gebruikt als basis voor de practica Aan het einde van deze training kunnen deelnemers: Installeer en configureer OpenNLP Download bestaande modellen en maak er zelf een Train de modellen op verschillende sets voorbeeldgegevens Integreer OpenNLP met bestaande Java-applicaties Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
14 hours
Overview
OpenNN is een open-source klassenbibliotheek geschreven in C ++, die neurale netwerken implementeert, voor gebruik bij machine learning.

In deze cursus gaan we in op de principes van neurale netwerken en gebruiken we OpenNN om een ​​voorbeeldtoepassing te implementeren.

Publiek
Softwareontwikkelaars en programmeurs die Deep Learning-applicaties willen maken.

Formaat van de cursus
Lezing en discussie gekoppeld aan praktische oefeningen.
21 hours
Overview
Microsoft Cognitive Toolkit 2x (voorheen CNTK) is een opensource, commercialgrade toolkit die diepgaande leeralgoritmen opleidt om te leren zoals het menselijk brein Volgens Microsoft kan CNTK 510x sneller zijn dan TensorFlow op terugkerende netwerken, en 2 tot 3 keer sneller dan TensorFlow voor imagerelated taken Tijdens deze live training met instructeur leren deelnemers hoe je Microsoft Cognitive Toolkit kunt gebruiken om diepgaande leeralgoritmen te maken, trainen en evalueren voor gebruik in commerciële AI-applicaties met meerdere soorten gegevens, zoals data, spraak, tekst en afbeeldingen Aan het einde van deze training kunnen deelnemers: Toegang tot CNTK als een bibliotheek vanuit een Python-, C #- of C ++ -programma Gebruik CNTK als standalone machine learning tool door middel van zijn eigen modelbeschrijvingstaal (BrainScript) Gebruik de CNTK-modelevaluatiefunctionaliteit van een Java-programma Combineer feed-forward DNN's, convolutionele netwerken (CNN's) en terugkerende netwerken (RNN's / LSTM's) Schaalberekeningscapaciteit op CPU's, GPU's en meerdere machines Toegang tot enorme datasets met behulp van bestaande programmeertalen en algoritmen Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen Notitie Als u een deel van deze training, inclusief de programmeertaal naar keuze, aan wilt passen, neem dan contact met ons op om dit te regelen .
7 hours
Overview
Tensor2Tensor (T2T) is een modulaire, uitbreidbare bibliotheek voor het trainen van AI-modellen in verschillende taken, met behulp van verschillende soorten trainingsgegevens, bijvoorbeeld: beeldherkenning, vertaling, parsing, beeldbijschrift en spraakherkenning Het wordt onderhouden door het Google Brain-team In deze live training met instructeur leren deelnemers hoe ze een dieplerend model kunnen voorbereiden om meerdere taken op te lossen Aan het einde van deze training kunnen deelnemers: Installeer tensor2tensor, selecteer een dataset en train en evalueer een AI-model Pas een ontwikkelomgeving aan met behulp van de tools en componenten die zijn opgenomen in Tensor2Tensor Maak en gebruik een enkel model om tegelijkertijd een aantal taken uit meerdere domeinen te leren Gebruik het model om te leren van taken met een grote hoeveelheid trainingsgegevens en pas die kennis toe op taken waarbij de gegevens beperkt zijn Verkrijg bevredigende verwerkingsresultaten met behulp van een enkele GPU Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
35 hours
Overview
Deze cursus begint met het geven van conceptuele kennis in neurale netwerken en in het algemeen in algoritmen voor machinaal leren, diepgaand leren (algoritmen en toepassingen) Deel1 (40%) van deze training is meer gericht op de basis, maar helpt je bij het kiezen van de juiste technologie: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc Deel 2 (20%) van deze training introduceert de Theano a Python-bibliotheek die het schrijven van diepgaande leermodellen gemakkelijk maakt Part3 (40%) van de training zou grotendeels gebaseerd zijn op de Tensorflow 2nd Generation API van de open source softwarebibliotheek van Google voor Deep Learning De voorbeelden en handson zouden allemaal in TensorFlow worden gemaakt Publiek Deze cursus is bedoeld voor technici die TensorFlow willen gebruiken voor hun Deep Learning-projecten Na het voltooien van deze cursus zullen afgevaardigden: een goed begrip hebben van diepe neurale netwerken (DNN), CNN en RNN de structuur en implementatiemechanismen van TensorFlow begrijpen in staat zijn installatie / productieomgeving / architectuurtaken en -configuratie uit te voeren in staat zijn om de kwaliteit van de code te beoordelen, debugging uit te voeren, monitoring in staat zijn om geavanceerde productie-achtige trainingsmodellen te implementeren, grafieken te bouwen en te loggen Niet alle onderwerpen worden behandeld in een openbaar klaslokaal met een duur van 35 uur vanwege de uitgestrektheid van het onderwerp De duur van de volledige cursus is ongeveer 70 uur en niet 35 uur .
35 hours
Overview
TensorFlow ™ is een open source softwarebibliotheek voor numerieke berekeningen met behulp van gegevensstroomgrafieken SyntaxNet is een framework voor natuurlijke taalverwerking van neuraal netwerken voor TensorFlow Word2Vec wordt gebruikt voor het leren van vectorrepresentaties van woorden, genaamd "woordinbeddings" Word2vec is een bijzonder computationeel efficiënt voorspellend model voor het leren van woordinbedekkingen uit onbewerkte tekst Het komt in twee smaken, het Model Continuous BagofWords (CBOW) en het SkipGram-model (Hoofdstuk 31 en 32 in Mikolov et al) SyntaxNet en Word2Vec kunnen naast elkaar worden gebruikt om Geleerde Embedding-modellen te genereren uit Natuurlijke Taalinvoer Publiek Deze cursus is bedoeld voor ontwikkelaars en technici die met SyntaxNet en Word2Vec-modellen willen werken in hun TensorFlow-grafieken Na het voltooien van deze cursus zullen afgevaardigden: de structuur en implementatiemechanismen van TensorFlow begrijpen in staat zijn installatie / productieomgeving / architectuurtaken en -configuratie uit te voeren in staat zijn om de kwaliteit van de code te beoordelen, debugging uit te voeren, monitoring in staat zijn om geavanceerde productie-achtige trainingsmodellen te implementeren, termen in te bouwen, grafieken te bouwen en te loggen .
7 hours
Overview
De Tensor Processing Unit (TPU) is de architectuur die Google al enkele jaren intern gebruikt en die nu net beschikbaar wordt voor gebruik door het grote publiek Het bevat verschillende optimalisaties die specifiek zijn bedoeld voor gebruik in neurale netwerken, waaronder gestroomlijnde matrixvermenigvuldiging en 8-bits gehele getallen in plaats van 16-bits om de juiste nauwkeurigheidsniveaus te retourneren In deze live training met instructeur leren deelnemers hoe ze kunnen profiteren van de innovaties in TPU-processors om de prestaties van hun eigen AI-applicaties te maximaliseren Aan het einde van de training kunnen deelnemers: Train verschillende typen neurale netwerken op grote hoeveelheden gegevens Gebruik TPU's om het afleidingsproces met maximaal twee orden van grootte te versnellen Gebruik TPU's om intensieve applicaties te verwerken, zoals zoeken naar afbeeldingen, cloudvisie en foto's Publiek ontwikkelaars onderzoekers ingenieurs Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
21 hours
Overview
Torch is een open source machine learning-bibliotheek en een wetenschappelijk computerraamwerk gebaseerd op de Lua-programmeertaal Het biedt een ontwikkelomgeving voor numerieke gegevens, machine learning en computervisie, met een bijzondere nadruk op deep learning en convolutionele netwerken Het is een van de snelste en meest flexibele frameworks voor Machine en Deep Learning en wordt gebruikt door bedrijven zoals Facebook, Google, Twitter, NVIDIA, AMD, Intel en vele anderen In deze cursus behandelen we de principes van Torch, de unieke functies en hoe deze kunnen worden toegepast in toepassingen in de echte wereld We doorlopen tal van handsonoefeningen overal, demonstreren en oefenen de geleerde concepten Aan het einde van de cursus hebben de deelnemers een grondig inzicht in de onderliggende functies en mogelijkheden van Torch, evenals de rol en bijdrage ervan binnen de AI-ruimte in vergelijking met andere frameworks en bibliotheken Deelnemers zullen ook de nodige oefening hebben gekregen om Torch in hun eigen projecten te implementeren Publiek Softwareontwikkelaars en programmeurs die Machine en Deep Learning in hun applicaties willen toelaten Formaat van de cursus Overzicht van machine en diep leren Inclass codering en integratieoefeningen Test vragen onderweg om het begrip te controleren .
28 hours
Overview
Deze cursus onderzoekt, met specifieke voorbeelden, de toepassing van Tensor Flow voor de doeleinden van beeldherkenning Publiek Deze cursus is bedoeld voor technici die TensorFlow willen gebruiken voor de doeleinden van beeldherkenning Na het voltooien van deze cursus kunnen deelnemers: de structuur en implementatiemechanismen van TensorFlow begrijpen uitvoeren installatie / productie omgeving / architectuur taken en configuratie de kwaliteit van de code beoordelen, foutopsporing uitvoeren, bewaken geavanceerde productie implementeren zoals trainingsmodellen, grafieken bouwen en loggen .
21 hours
Overview
TensorFlow is een 2e generatie API van de open source softwarebibliotheek van Google voor Deep Learning Het systeem is ontworpen om onderzoek naar machinaal leren te vergemakkelijken en om het snel en gemakkelijk van prototype naar onderzoeksproductiesysteem te laten overstappen Publiek Deze cursus is bedoeld voor technici die TensorFlow willen gebruiken voor hun Deep Learning-projecten Na het voltooien van deze cursus zullen afgevaardigden: de structuur en implementatiemechanismen van TensorFlow begrijpen in staat zijn installatie / productieomgeving / architectuurtaken en -configuratie uit te voeren in staat zijn om de kwaliteit van de code te beoordelen, debugging uit te voeren, monitoring in staat zijn om geavanceerde productie-achtige trainingsmodellen te implementeren, grafieken te bouwen en te loggen .

Aankomende Machine Learning cursussen

Weekend Machine Learning cursus, Avond Machine Learning training, Avond Machine Learning opleiding Machine Learning boot camp, Machine Learning instructeur geleid, Weekend Machine Learning training, Avond Machine Learning cursus, Machine Learning coaching, Machine Learning instructeur, Machine Learning trainer, Machine Learning training cursus, Machine Learning lessen, Machine Learning on-site, Machine Learning privé cursus, Machine Learning een op een training, Machine Learning op locatie, Weekend Machine Learning opleiding

Cursussen met korting

Course Discounts Newsletter

We respect the privacy of your email address. We will not pass on or sell your address to others.
You can always change your preferences or unsubscribe completely.

Een aantal van onze klanten

is growing fast!

We are looking to expand our presence in the Netherlands!

As a Business Development Manager you will:

  • expand business in the Netherlands
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!