Τα τοπικά μαθήματα κατάρτισης Artificial Intelligence (AI), καθοδηγούμενα από εκπαιδευτές, καταδεικνύουν μέσω πρακτικών πρακτικών πώς να εφαρμόσουν λύσεις AI για την επίλυση πραγματικών προβλημάτων. Η εκπαίδευση AI είναι διαθέσιμη ως "onsite live training" ή "remote live training". Η επιτόπια κατάρτιση σε πραγματικό χρόνο μπορεί να πραγματοποιηθεί σε τοπικό επίπεδο στις εγκαταστάσεις του πελάτη Ελλάδα ή σε εταιρικά κέντρα κατάρτισης NobleProg στο Ελλάδα . Η απομακρυσμένη ζωντανή προπόνηση πραγματοποιείται μέσω μιας διαδραστικής, απομακρυσμένης επιφάνειας εργασίας. NobleProg - Ο τοπικός παροχέας εκπαίδευσης.
Machine Translated
Testimonials
Ήταν πολύ ενημερωτικό και εξυπηρετικό.
Pratheep Ravy
Course: Predictive Modelling with R
Machine Translated
Ήταν πολύ διαδραστικό και πιο χαλαρό και άτυπο από το αναμενόμενο. Καλύψαμε πολλά θέματα την εποχή εκείνη και ο εκπαιδευτής ήταν πάντα δεκτικός να μιλάει πιο λεπτομερώς ή γενικότερα για τα θέματα και τον τρόπο με τον οποίο συσχετίζονταν. Αισθάνομαι ότι η κατάρτιση μου έδωσε τα εργαλεία για να συνεχίσω να μαθαίνω, σε αντίθεση με το γεγονός ότι είναι μια μοναδική σύνοδος όπου η μάθηση σταματάει μόλις τελειώσετε κάτι που είναι πολύ σημαντικό δεδομένης της κλίμακας και της πολυπλοκότητας του θέματος.
Jonathan Blease
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Η Ann δημιούργησε ένα εξαιρετικό περιβάλλον για να κάνει ερωτήσεις και να μάθει. Είχαμε πολύ διασκέδαση και μάθαμε πολλά ταυτόχρονα.
Gudrun Bickelq
Course: Introduction to the use of neural networks
Machine Translated
το διαδραστικό μέρος, προσαρμοσμένο στις συγκεκριμένες ανάγκες μας
Thomas Stocker
Course: Introduction to the use of neural networks
Machine Translated
Μου άρεσαν οι ασκήσεις
Office for National Statistics
Course: Natural Language Processing with Python
Machine Translated
Η πρακτική προσέγγιση
Kevin De Cuyper
Course: Computer Vision with OpenCV
Machine Translated
εύρος υλικού
Maciej Jonczyk
Course: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
συστηματική γνώση στον τομέα του ML
Orange Polska
Course: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Ο εκπαιδευτής ήταν τόσο γνώστης και περιείχε τομείς στους οποίους με ενδιέφερε
Mohamed Salama
Course: Data Mining & Machine Learning with R
Machine Translated
Το θέμα είναι πολύ ενδιαφέρον
Wojciech Baranowski
Course: Introduction to Deep Learning
Machine Translated
Οι εκπαιδευτές θεωρητικές γνώσεις και προθυμία να λύσουν τα προβλήματα με τους συμμετέχοντες μετά την εκπαίδευση
Grzegorz Mianowski
Course: Introduction to Deep Learning
Machine Translated
Θέμα. Πολύ ενδιαφέρον!
Piotr
Course: Introduction to Deep Learning
Machine Translated
Οι ασκήσεις μετά από κάθε θέμα ήταν πραγματικά χρήσιμες, παρά το γεγονός ότι ήταν πολύ περίπλοκες στο τέλος. Γενικά, το υλικό που παρουσιάστηκε ήταν πολύ ενδιαφέρον και ενδιαφέροντα! Οι ασκήσεις με αναγνώριση εικόνας ήταν εξαιρετικές.
Dolby Poland Sp. z o.o.
Course: Introduction to Deep Learning
Machine Translated
Νομίζω ότι εάν η εκπαίδευση θα γίνει στη βουλγαρία θα επιτρέψει στον εκπαιδευτή να μοιραστεί τις γνώσεις του πιο αποτελεσματικά
Radek
Course: Introduction to Deep Learning
Machine Translated
Η γενική επισκόπηση της βαθιάς μάθησης
Bruno Charbonnier
Course: Advanced Deep Learning
Machine Translated
Οι ασκήσεις είναι επαρκώς πρακτικές και δεν χρειάζονται μεγάλη γνώση στην Python για να γίνουν.
Alexandre GIRARD
Course: Advanced Deep Learning
Machine Translated
Να κάνετε ασκήσεις με πραγματικά παραδείγματα χρησιμοποιώντας Keras. Ο Μιχάλυ κατανόησε πλήρως τις προσδοκίες μας για αυτή την εκπαίδευση.
Paul Kassis
Course: Advanced Deep Learning
Machine Translated
Εκτιμώ πραγματικά τις πεντακάθαρες απαντήσεις του Chris στις ερωτήσεις μας.
Léo Dubus
Course: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Γνωστός εκπαιδευτής
Sridhar Voorakkara
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Ήμουν έκπληκτος με το πρότυπο αυτής της κατηγορίας - θα έλεγα ότι ήταν πανεπιστημιακό πρότυπο.
David Relihan
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Πολύ καλή γενική επισκόπηση. Go από το φόντο στο γιατί ο Tensorflow λειτουργεί όπως έχει.
Kieran Conboy
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Μου άρεσαν οι ευκαιρίες να θέσω ερωτήσεις και να δώσω περισσότερες σε βάθος εξηγήσεις για τη θεωρία.
Sharon Ruane
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Έχουμε αποκτήσει πολύ περισσότερη διορατικότητα στο θέμα. Κάποια ωραία συζήτηση έγινε με κάποια πραγματικά θέματα στην εταιρεία μας
Sebastiaan Holman
Course: Machine Learning and Deep Learning
Machine Translated
Η εκπαίδευση μας έδωσε το σωστό υπόβαθρο που μας επιτρέπει να επεκτείνουμε περαιτέρω, δείχνοντας πώς η θεωρία και η πρακτική συμβαδίζουν. Στην πραγματικότητα με ενδιέφερε περισσότερο το θέμα από ό, τι πριν.
Jean-Paul van Tillo
Course: Machine Learning and Deep Learning
Machine Translated
Κάλυψη και βάθος των θεμάτων
Anirban Basu
Course: Machine Learning and Deep Learning
Machine Translated
Ο εκπαιδευτής πολύ εύκολα εξηγούσε τα δύσκολα και προηγμένα θέματα.
Leszek K
Course: Artificial Intelligence Overview
Machine Translated
νέες γνώσεις στη βαθιά μηχανική μάθηση
Josip Arneric
Course: Neural Network in R
Machine Translated
Έχουμε αποκτήσει κάποιες γνώσεις σχετικά με το NN γενικά, και αυτό που ήταν το πιο ενδιαφέρον για μένα ήταν οι νέοι τύποι NN που είναι δημοφιλείς στις μέρες μας.
Tea Poklepovic
Course: Neural Network in R
Machine Translated
Γραφήματα σε R :)))
Faculty of Economics and Business Zagreb
Course: Neural Network in R
Machine Translated
Η βαθιά γνώση του εκπαιδευτή για το θέμα.
Sebastian Görg
Course: Introduction to Deep Learning
Machine Translated
Πολύ ενημερωμένη προσέγγιση ή api (tensorflow, kera, tflearn) για να κάνει μηχανική μάθηση
Paul Lee
Course: TensorFlow for Image Recognition
Machine Translated
Πολύ ευέλικτο
Frank Ueltzhöffer
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
ευκαμψία
Werner Philipp
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Λαμβάνοντας υπόψη τις προοπτικές της τεχνολογίας: ποια τεχνολογία / διαδικασία μπορεί να γίνει πιο σημαντική στο μέλλον; δείτε τι μπορεί να χρησιμοποιηθεί η τεχνολογία
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Επιλογή θέματος. Στυλ εκπαίδευσης. Πρακτικός προσανατολισμός
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Μου αρέσει πάρα πολύ.
蒙 李
Course: Machine Learning Fundamentals with Python
Machine Translated
τρόπος διεξαγωγής και παράδειγμα από τον εκπαιδευτή
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Machine Translated
Δυνατότητα να συζητήσετε μόνοι σας τα προτεινόμενα θέματα
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Machine Translated
Επικοινωνία με τον καθηγητή
文欣 张
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Μου αρέσει
lisa xie
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Σε βάθος κάλυψη των θεμάτων μηχανικής μάθησης, ιδιαίτερα των νευρωνικών δικτύων. Απομονώθηκε ένα μεγάλο μέρος του θέματος.
Sacha Nandlall
Course: Python for Advanced Machine Learning
Machine Translated
Αυτό είναι ένα από τα καλύτερα hands-on με ασκήσεις μαθήματα προγραμματισμού που έχω πάρει ποτέ.
Laura Kahn
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Αυτή είναι μια από τις καλύτερες online εκπαιδευτικές ασκήσεις που έχω πάρει ποτέ στην καριέρα μου για 13 χρόνια. Συνεχίστε την καλή δουλειά!
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
πολλές ασκήσεις που μπορώ να χρησιμοποιήσω άμεσα στη δουλειά μου
Alior Bank S.A.
Course: Sieci Neuronowe w R
Machine Translated
Παραδείγματα πραγματικών δεδομένων
Alior Bank S.A.
Course: Sieci Neuronowe w R
Machine Translated
neuralnet, pROC σε βρόχο
Alior Bank S.A.
Course: Sieci Neuronowe w R
Machine Translated
Το στυλ εκπαίδευσης του Richard το διατήρησε ενδιαφέρον, τα παραδείγματα του πραγματικού κόσμου που χρησιμοποιήθηκαν συνέβαλαν στην οδήγηση των εννοιών στο σπίτι.
Jamie Martin-Royle - NBrown Group
Course: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Το περιεχόμενο, όπως το βρήκα πολύ ενδιαφέρον και νομίζω ότι θα με βοήθησε στο τελευταίο μου έτος στο Πανεπιστήμιο.
Krishan Mistry - NBrown Group
Course: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Μου αρέσουν πραγματικά οι ασκήσεις
L M ERICSSON LIMITED
Course: Machine Learning
Machine Translated
τις εργαστηριακές ασκήσεις
Marcell Lorant - L M ERICSSON LIMITED
Course: Machine Learning
Machine Translated
Αυτή είναι μια από τις καλύτερες online εκπαιδευτικές ασκήσεις που έχω πάρει ποτέ στην καριέρα μου για 13 χρόνια. Συνεχίστε την καλή δουλειά!
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Artificial Intelligence Course Outlines
Course Name
Duration
Overview
Course Name
Duration
Overview
7 hours
This instructor-led, live training in Ελλάδα (online or onsite) is aimed at software engineers or anyone who wish to learn how to use Vertex AI to perform and complete machine learning activities.
By the end of this training, participants will be able to:
- Understand how Vertex AI works and use it as a machine learning platform.
- Learn about machine learning and NLP concepts.
- Know how to train and deploy machine learning models using Vertex AI.
7 hours
AlphaFold είναι ένα Artificial Intelligence (AI) σύστημα που εκτελεί την πρόβλεψη των δομών πρωτεϊνών. Αναπτύσσεται από το Alphabet’s/Google’s DeepMind ως σύστημα βαθιάς μάθησης που μπορεί να προβλέψει με ακρίβεια 3D μοντέλα των δομών πρωτεΐνης.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή online) απευθύνεται σε βιολόγους που επιθυμούν να κατανοήσουν πώς AlphaFold λειτουργούν και χρησιμοποιούν AlphaFold μοντέλα ως οδηγούς στις πειραματικές τους μελέτες.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Κατανοήστε τις βασικές αρχές του AlphaFold.
Μάθετε πώς λειτουργεί AlphaFold.
Μάθετε πώς να ερμηνεύσετε AlphaFold τις προβλέψεις και τα αποτελέσματα.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
14 hours
Το Waikato Environment for Knowledge Analysis (Weka) είναι ένα λογισμικό απεικόνισης ανοικτού κώδικα δεδομένων. Παρέχει μια συλλογή αλγορίθμων μηχανικής μάθησης για την προετοιμασία δεδομένων, την ταξινόμηση, την ταξινόμηση και άλλες δραστηριότητες εξόρυξης δεδομένων.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή online) απευθύνεται σε αναλυτές δεδομένων και επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν Weka για την εκτέλεση εργασιών εξόρυξης δεδομένων.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκατάσταση και διαμόρφωση Weka
Κατανοήστε το Weka περιβάλλον και το εργοστάσιο.
Εκτέλεση εργασιών εξόρυξης δεδομένων χρησιμοποιώντας Weka.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
14 hours
Στόχος αυτού του μαθήματος είναι να παρέχει μια βασική ικανότητα στην εφαρμογή Machine Learning μεθόδων στην πράξη. Μέσω της χρήσης της Python γλώσσας προγραμματισμού και των διαφόρων βιβλιοθηκών της, και με βάση ένα πλήθος πρακτικών παραδείξεων, αυτό το μάθημα διδάσκει πώς να χρησιμοποιήσετε τα πιο σημαντικά κτίρια Machine Learning, πώς να λάβετε αποφάσεις μοντελοποίησης δεδομένων, να ερμηνεύσετε τα αποτελέσματα των αλγόριθμων και να επικυρώσετε τα αποτελέσματα.
Στόχος μας είναι να σας δώσουμε τις δεξιότητες για να κατανοήσετε και να χρησιμοποιήσετε με εμπιστοσύνη τα πιο θεμελιώδη εργαλεία από το κουτί εργαλείων Machine Learning και να αποφύγετε τις κοινές πτώσεις των εφαρμογών Data Science.
21 hours
In this instructor-led, live training in Ελλάδα, participants will learn the most relevant and cutting-edge machine learning techniques in Python as they build a series of demo applications involving image, music, text, and financial data.
By the end of this training, participants will be able to:
- Implement machine learning algorithms and techniques for solving complex problems.
- Apply deep learning and semi-supervised learning to applications involving image, music, text, and financial data.
- Push Python algorithms to their maximum potential.
- Use libraries and packages such as NumPy and Theano.
21 hours
IT εκτιμάται ότι τα μη δομημένα δεδομένα αντιστοιχούν σε περισσότερα από 90 τοις εκατό όλων των δεδομένων, μεγάλο μέρος της σε μορφή κειμένου. Οι δημοσιεύσεις ιστολογίου, τα τουίτ, τα μέσα κοινωνικής δικτύωσης και άλλες ψηφιακές δημοσιεύσεις συνεχώς προσθέτουν σε αυτό το αυξανόμενο σώμα δεδομένων.
αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή πορεία επικεντρώνεται γύρω από την εξαγωγή πληροφοριών και νόημα από αυτά τα δεδομένα. Αξιοποιώντας τις βιβλιοθήκες της επεξεργασίας γλώσσας και φυσικής γλώσσας (ΝΙΠ), συνδυάζουμε έννοιες και τεχνικές από την πληροφορική, την τεχνητή νοημοσύνη και την υπολογιστική γλωσσολογία για να αλγοριθμικά κατανοούμε το νόημα πίσω από τα δεδομένα κειμένου. Τα δείγματα δεδομένων είναι διαθέσιμα σε διάφορες γλώσσες ανά πελάτη.
από το τέλος αυτών των συμμετεχόντων στην εκπαίδευση θα είναι σε θέση να προετοιμάσει σύνολα δεδομένων (μεγάλα και μικρά) από ανόμοιες πηγές, στη συνέχεια, εφαρμόστε τους σωστά αλγόριθμους για να αναλύσετε και να αναφέρετε τη σημασία του.
- PART διάλεξη, μέρος συζήτηση, βαριά πρακτική εξάσκηση, περιστασιακές δοκιμές για να μετρήσει την κατανόηση
28 hours
ο στόχος αυτού του μαθήματος είναι να παρέχει γενική επάρκεια στην εφαρμογή μεθόδων μηχανικής μάθησης στην πράξη. Μέσω της χρήσης της γλώσσας προγραμματισμού Python και των διαφόρων βιβλιοθηκών της, και με βάση ένα πλήθος πρακτικών παραδειγμάτων, αυτό το μάθημα διδάσκει πώς να χρησιμοποιείτε τα σημαντικότερα δομικά στοιχεία της μηχανικής μάθησης, πώς να κάνετε αποφάσεις μοντελοποίησης δεδομένων, να ερμηνεύσετε την τις εκροές των αλγορίθμων και να επικυρώσετε τα αποτελέσματα.
ο στόχος μας είναι να σας δώσουμε τις δεξιότητες για να κατανοήσετε και να χρησιμοποιήσετε τα πιο θεμελιώδη εργαλεία από την εργαλειοθήκη μηχανικής εκμάθησης με σιγουριά και να αποφύγετε τις κοινές παγίδες των εφαρμογών των Επιστημών δεδομένων.
28 hours
Αυτό το μάθημα εισάγει τους γλωσσολόγους ή τους προγραμματιστές στο NLP στο Python. Κατά τη διάρκεια αυτού του μαθήματος θα χρησιμοποιήσουμε κυρίως nltk.org (Natural Language Tool Kit), αλλά επίσης θα χρησιμοποιήσουμε άλλες βιβλιοθήκες σχετικές και χρήσιμες για το NLP. Αυτή τη στιγμή μπορούμε να διεξάγουμε αυτό το μάθημα σε Python 2.x ή Python 3.x. Τα παραδείγματα είναι στα αγγλικά ή στη Μανταρίνη (普通话). Άλλες γλώσσες μπορούν επίσης να γίνουν διαθέσιμες εάν συμφωνηθεί πριν από την κράτηση.
35 hours
Πρόκειται για μια εισαγωγή 5 ημερών στη Data Science και την AI. Το μάθημα παραδίδεται με παραδείγματα και ασκήσεις χρησιμοποιώντας Python
28 hours
Αυτό είναι ένα μάθημα 4 ημερών που εισάγει την AI και την εφαρμογή της χρησιμοποιώντας την Python γλώσσα προγραμματισμού. Υπάρχει μια επιλογή να έχετε μια πρόσθετη ημέρα για να αναλάβετε ένα έργο AI κατά την ολοκλήρωση αυτού του μαθήματος.
21 hours
Βάθος Reinforcement Learning αναφέρεται στην ικανότητα ενός αρχικονομικού παράγραφος " να μάθει από δοκιμή και φυσικά και ποινήσεις. Ένας τεχνολογικός οργανισμός στόχος να αποτελεί έναν ανθρώπινο ' η ικανότητα να λαμβάνει και να κατασκευάζει γνώσεις μαζί του, άμεσα από πρώην εισόδου όπως η εμφάνιση. Για να καταλαμβάνουν την ενίσχυση μάθησης, χρησιμοποιούνται βαθιά μάθηση και νευρικά δίκτυα. Η μάθηση αναγνωρίζεται διαφορετικά από τη μάθηση μηχανών και δεν έχει σημασία σε εποπτείας και μη αντιμετωπίζονται προσέγγιες μάθησης.Σε αυτή την οδηγία, η ζωή εκπαίδευση, οι συμμετέχοντες θα μάθουν τα θεμελιώματα της Δυνατότητας Reinforcement Learning όταν βγάλουν μέσω της δημιουργίας μιας Deep Learning Πράκτης.Με το τέλος αυτής της κατάρτισης, οι συμμετέχοντες θα μπορούν να:
- Καταλαβαίνει τα κλειδιά σύμφωνα μετά τη Δυνατότητα Reinforcement Learning και θα μπορούσε να την διαφωνήσει από Machine Learning Αποτελέσεις προηγούμενων αλγότυμων Reinforcement Learning για να λύσουν τα πραγματικά προβλήματα παγκόσμιο Διάθεση ένας Deep Learning Πράκτοντος
- Αναπτυξιαστές δεδομένων Επιστημονών
- Μέρος, συζήτηση μέρη, εκμετάλλευση και βάρος χειροκρατικός πρακτικής
14 hours
IBM Cloud Pak for Data είναι μια πλατφόρμα λογισμικού multi-cloud για τη συλλογή, οργάνωση και ανάλυση δεδομένων για χρήση σε AI.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν το IBM Cloud Pak για να προετοιμάσουν τα δεδομένα για χρήση σε λύσεις AI.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκαταστήστε και ρυθμίστε το Cloud Pak για δεδομένα.
Ενώστε τη συλλογή, την οργάνωση και την ανάλυση των δεδομένων.
Ενσωματώστε το Cloud Pak for Data με μια ποικιλία υπηρεσιών για την επίλυση κοινών επιχειρηματικών προβλημάτων.
Εφαρμογή ροών εργασίας για τη συνεργασία με τα μέλη της ομάδας για την ανάπτυξη μιας λύσης AI.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
28 hours
Η μηχανική μάθηση είναι μια κλάση τεχνητής νοημοσύνης στην οποία οι υπολογιστές έχουν την ικανότητα να μάθουν χωρίς να προγραμματίζονται ρητά.
Η βαθιά μάθηση είναι ένα υποπεδίο της μηχανικής μάθησης που χρησιμοποιεί μεθόδους που βασίζονται σε εκπροσώπους δεδομένων μάθησης και δομές όπως νευρικά δίκτυα.
Python είναι μια γλώσσα προγραμματισμού υψηλού επιπέδου γνωστή για την σαφή σύνταξη και την ανάγνωση κώδικα.
Σε αυτή την εκπαιδευτική, ζωντανή κατάρτιση, οι συμμετέχοντες θα μάθουν πώς να εφαρμόσουν μοντέλα βαθιάς μάθησης για την τηλεπικοινωνία χρησιμοποιώντας Python καθώς περνούν μέσα από τη δημιουργία ενός μοντέλου βαθιάς μάθησης πιστωτικού κινδύνου.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Κατανοήστε τις θεμελιώδεις έννοιες της βαθιάς μάθησης.
Μάθετε τις εφαρμογές και τις χρήσεις της βαθιάς μάθησης στην τηλεπικοινωνία.
Χρησιμοποιήστε Python, Keras και TensorFlow για να δημιουργήσετε μοντέλα βαθιάς μάθησης για τηλεπικοινωνίες.
Δημιουργήστε το δικό σας βαθιά μάθηση μοντέλο προβλέψεων πελατών χρησιμοποιώντας Python.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
14 hours
Embedding Projector is an open-source web application for visualizing the data used to train machine learning systems. Created by Google, it is part of TensorFlow.
This instructor-led, live training introduces the concepts behind Embedding Projector and walks participants through the setup of a demo project.
By the end of this training, participants will be able to:
- Explore how data is being interpreted by machine learning models
- Navigate through 3D and 2D views of data to understand how a machine learning algorithm interprets it
- Understand the concepts behind Embeddings and their role in representing mathematical vectors for images, words and numerals.
- Explore the properties of a specific embedding to understand the behavior of a model
- Apply Embedding Project to real-world use cases such building a song recommendation system for music lovers
- Developers
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
7 hours
Αυτό το μάθημα έχει δημιουργηθεί για τους διαχειριστές, τους αρχιτέκτονες λύσεων, τους υπαλλήλους καινοτομίας, τους CTOs, τους αρχιτέκτονες λογισμικού και όποιον ενδιαφέρεται για μια επισκόπηση της εφαρμοσμένης τεχνητής νοημοσύνης και την πλησιέστερη πρόβλεψη για την ανάπτυξή της.
21 hours
Αυτό το μάθημα χρησιμοποιεί μια πρακτική προσέγγιση για τη διδασκαλία του OptaPlanner . Παρέχει στους συμμετέχοντες τα εργαλεία που απαιτούνται για την εκτέλεση των βασικών λειτουργιών αυτού του εργαλείου.
28 hours
Αυτό το τετραήμερο μάθημα έχει στόχο να διδάξει πώς λειτουργούν οι γενετικοί αλγόριθμοι. καλύπτει επίσης τον τρόπο επιλογής παραμέτρων μοντέλου γενετικού αλγορίθμου. υπάρχουν πολλές εφαρμογές για γενετικούς αλγορίθμους σε αυτό το μάθημα και τα προβλήματα βελτιστοποίησης αντιμετωπίζονται με τους γενετικούς αλγόριθμους.
7 hours
Πρόκειται για μια εκπαιδευτική συνεδρία που βασίζεται στην τάξη σε μορφή παρουσίασης και Q & A
14 hours
Το Intelligent Process Automation, ή το IPA, αναφέρεται στη χρήση της Artificial Intelligence (AI) , της ρομποτικής και της ενοποίησης με υπηρεσίες τρίτων για την επέκταση της ισχύος του RPA. Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση (επιτόπια ή απομακρυσμένη) απευθύνεται σε τεχνικά πρόσωπα που επιθυμούν να δημιουργήσουν ή να επεκτείνουν ένα σύστημα RPA με πιο έξυπνες δυνατότητες. Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Εγκαταστήστε και διαμορφώστε το UiPath IPA.
- Ενεργοποιήστε τα ρομπότ για τη διαχείριση άλλων ρομπότ.
- Εφαρμόστε την όραση του υπολογιστή για να εντοπίσετε αντικείμενα οθόνης με ακρίβεια.
- Ενεργοποιήστε τα ρομπότ που μπορούν να ανιχνεύσουν τα πρότυπα γλωσσών και να πραγματοποιήσουν ανάλυση αισθήσεων σε αδόμητο περιεχόμενο.
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη εφαρμογή σε περιβάλλον εργαστηριακού εργαστηρίου.
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
- Για να μάθετε περισσότερα σχετικά με το UiPath IPA, επισκεφθείτε τη διεύθυνση: https: // www. UiPath .com / rpa / έξυπνη διαδικασία-αυτοματοποίηση
14 hours
Ο έλεγχος λογισμικού είναι η διαδικασία αξιολόγησης της εγκυρότητας της λειτουργικότητας μιας εφαρμογής λογισμικού. Η ενσωμάτωση της τεχνητής νοημοσύνης στο περιβάλλον δοκιμών λογισμικού επιτρέπει στη διαδικασία να καθοδηγείται από την τεχνητή νοημοσύνη, επιταχύνοντας τη σύνταξη, την εκτέλεση και τη συντήρηση των δοκιμών.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (επιτόπου ή απομακρυσμένη) απευθύνεται σε δοκιμαστές λογισμικού που επιθυμούν να έχουν ένα περιβάλλον ελέγχου λογισμικού AI που καθοδηγείται.
Μέχρι το τέλος αυτής της κατάρτισης, οι συμμετέχοντες θα είναι σε θέση να:
- Αυτοματοποιήστε την παραγωγή δοκιμής μονάδων και την παραμετρογράφηση με AI.
- Εφαρμόστε μηχανική μάθηση σε μια πραγματική χρήση-Case.
- Αυτοματοποιήστε τη γενιά και τη συντήρηση των εξετάσεων API με την τεχνητή νοημοσύνη.
- Χρησιμοποιήστε μεθόδους εκμάθησης μηχανών για να θεραπεύσετε την εκτέλεση των δοκιμών Selenium.
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και εξάσκηση.
- Πρακτική εφαρμογή σε περιβάλλον ζωντανών εργαστηρίων.
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να κανονίσετε.
7 hours
Η τεχνητή νοημοσύνη (AI) είναι η νοημοσύνη για τις μηχανές που εκτελούν συγκεκριμένα καθήκοντα αναγνωρίζοντας πρότυπα στα δεδομένα. Η AI επιτρέπει στους χρήστες να χάσουν την επιτυχία των ψηφιακών εκστρατειών μάρκετινγκ.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε μάρκετινγκ που επιθυμούν να χρησιμοποιήσουν AI για να βελτιώσουν τις στρατηγικές ψηφιακής μάρκετινγκ μέσω πολύτιμων γνώσεων πελατών.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Ενεργοποίηση λογισμικού AI για τη βελτίωση του τρόπου με τον οποίο τα εμπορικά σήματα συνδέονται με τους χρήστες.
Χρησιμοποιήστε chatbots για να βελτιστοποιήσετε την εμπειρία του χρήστη.
Αύξηση της παραγωγικότητας και των εσόδων μέσω της αυτοματοποίησης των εργασιών.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
21 hours
Robotics είναι ένας τομέας στην τεχνητή νοημοσύνη (AI) που ασχολείται με το προγραμματισμό και το σχεδιασμό έξυπνων και αποτελεσματικών μηχανών.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε μηχανικούς που επιθυμούν να προγραμματίσουν και να δημιουργήσουν ρομπότ μέσω βασικών μεθόδων AI.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εφαρμογή φίλτρων (Kalman και σωματίδια) για να επιτρέψει στο ρομπότ να εντοπίσει κινούμενα αντικείμενα στο περιβάλλον του.
Εφαρμογή αλγόριθμων αναζήτησης και προγραμματισμού κινήσεων.
Εφαρμογή PID ελέγχους για να ρυθμίσει την κίνηση ενός ρομπότ μέσα σε ένα περιβάλλον.
Εφαρμογή αλγόριθμων SLAM για να επιτρέψει σε ένα ρομπότ να χαρτογραφήσει ένα άγνωστο περιβάλλον.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
7 hours
Artificial Intelligence (AI) είναι η προσομοίωση της ανθρώπινης νοημοσύνης σε μηχανές που είναι προγραμματισμένες για να σκέφτονται και να ενεργούν όπως οι άνθρωποι. Καλύπτει μια ποικιλία τεχνολογιών, όπως η μηχανική μάθηση και η βαθιά μάθηση, και χρησιμοποιείται για διάφορες επιχειρηματικές και εταιρικές εφαρμογές για την επίλυση οργανωτικών προκλήσεων και αναγκών.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή online) απευθύνεται σε διαχειριστές και επιχειρηματικούς ηγέτες που θέλουν να μάθουν για τα θεμέλια της τεχνητής νοημοσύνης και να διαχειρίζονται έργα AI για την οργάνωση τους.
Μετά το τέλος αυτής της κατάρτισης, οι συμμετέχοντες θα είναι σε θέση να κατανοήσουν AI σε τεχνικό επίπεδο και να στρατηγικοποιήσουν χρησιμοποιώντας τα δεδομένα και τους πόρους της οργάνωσης τους για να διαχειριστούν επιτυχώς έργα AI.
Η μορφή του μαθήματος
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
80 hours
Robotics και Artificial Intelligence (AI) είναι ισχυρά εργαλεία για την ανάπτυξη συστημάτων ασφαλείας σε πυρηνικές εγκαταστάσεις.
Σε αυτή την εκπαιδευτική, ζωντανή εκπαίδευση (online ή online), οι συμμετέχοντες θα μάθουν τις διαφορετικές τεχνολογίες, τα πλαίσια και τις τεχνικές προγραμματισμού διαφορετικών τύπων ρομπότ που θα χρησιμοποιηθούν στον τομέα της πυρηνικής τεχνολογίας και των περιβαλλοντικών συστημάτων.
Η πορεία 4 εβδομάδων πραγματοποιείται 5 ημέρες την εβδομάδα. Κάθε μέρα είναι 4 ώρες και αποτελείται από διαλέξεις, συζητήσεις και πρακτική ανάπτυξη ρομπότ σε ένα ζωντανό εργαστηριακό περιβάλλον. Οι συμμετέχοντες θα ολοκληρώσουν διάφορα έργα στον πραγματικό κόσμο που εφαρμόζονται στην εργασία τους, προκειμένου να ασκήσουν τις αποκτηθείσες γνώσεις τους.
Το στοχευμένο υλικό για αυτό το μάθημα θα προσομοιωθεί σε 3D μέσω του λογισμικού προσομοίωσης. Ο κωδικός θα φορτωθεί στη συνέχεια στο φυσικό υλικό (Arduino ή άλλο) για την τελική δοκιμή εκτέλεσης. Το ROS (Robot Operating System) πλαίσιο ανοικτού κώδικα, C++ και Python θα χρησιμοποιηθεί για την προγραμματισμό των ρομπότ.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
Οι συμμετέχοντες θα πρέπει να παρέχουν το δικό τους υλικό.
Επιλογές προσαρμογής μαθημάτων
-
Κατανοήστε τις βασικές έννοιες που χρησιμοποιούνται στις ρομποτικές τεχνολογίες.
Κατανοήστε και διαχειριστείτε την αλληλεπίδραση μεταξύ λογισμικού και υλικού σε ένα ρομποτικό σύστημα.
Κατανοήστε και εφαρμόστε τα συστατικά λογισμικού που υποστηρίζουν τη ρομποτική.
Δημιουργήστε και λειτουργήστε ένα προσομοιωμένο μηχανικό ρομπότ που μπορεί να δει, να αισθάνεται, να επεξεργάζεται, να πλοηγεί και να αλληλεπιδρά με τους ανθρώπους μέσω της φωνής.
Κατανοήστε τα απαραίτητα στοιχεία της τεχνητής νοημοσύνης (μάθηση μηχανής, βαθιά μάθηση κλπ.) Χρησιμοποιείται για την κατασκευή ενός έξυπνου ρομπότ.
Οι φίλτρα εφαρμογής (Kalman και Particle) επιτρέπουν στο ρομπότ να εντοπίζει κινούμενα αντικείμενα στο περιβάλλον του.
Εφαρμογή αλγόριθμων αναζήτησης και προγραμματισμού κινήσεων.
Εφαρμογή PID ελέγχους για να ρυθμίσει την κίνηση ενός ρομπότ μέσα σε ένα περιβάλλον.
Εφαρμογή αλγόριθμων SLAM για να επιτρέψει σε ένα ρομπότ να χαρτογραφήσει ένα άγνωστο περιβάλλον.
Δοκιμάστε και επιλύστε ένα ρομπότ σε ρεαλιστικά σενάρια.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Οι συσκευές υλικού θα επιβεβαιωθούν από τον εκπαιδευτή πριν από την προπόνηση. Τα κιτ θα περιέχουν περισσότερα ή λιγότερα από τα ακόλουθα συστατικά:
[ 4 ] Οδηγός
Ελέγχου κινητήρα
Ο αισθητήρας απόστασης
Bluetooth σκλάβος
Πρωτότυπος πίνακας και καλώδια
USB καλώδιο
Αυτοκίνητο Κίτ
-
Για να προσαρμόσετε οποιοδήποτε μέρος αυτού του μαθήματος (γλώσσα προγραμματισμού, ρομπότ μοντέλο, microcontroller, κλπ.) Παρακαλούμε επικοινωνήστε μαζί μας για να διορθώσετε.
120 hours
Robotics και Artificial Intelligence (AI) είναι ισχυρά εργαλεία για την ανάπτυξη συστημάτων ασφαλείας σε πυρηνικές εγκαταστάσεις.
Σε αυτή την εκπαιδευτική, ζωντανή εκπαίδευση (online ή online), οι συμμετέχοντες θα μάθουν τις διαφορετικές τεχνολογίες, τα πλαίσια και τις τεχνικές προγραμματισμού διαφορετικών τύπων ρομπότ που θα χρησιμοποιηθούν στον τομέα της πυρηνικής τεχνολογίας και των περιβαλλοντικών συστημάτων.
Το μάθημα 6 εβδομάδων πραγματοποιείται 5 ημέρες την εβδομάδα. Κάθε μέρα είναι 4 ώρες και αποτελείται από διαλέξεις, συζητήσεις και πρακτική ανάπτυξη ρομπότ σε ένα ζωντανό εργαστηριακό περιβάλλον. Οι συμμετέχοντες θα ολοκληρώσουν διάφορα έργα στον πραγματικό κόσμο που εφαρμόζονται στην εργασία τους, προκειμένου να ασκήσουν τις αποκτηθείσες γνώσεις τους.
Το στοχευμένο υλικό για αυτό το μάθημα θα προσομοιωθεί σε 3D μέσω του λογισμικού προσομοίωσης. Το ROS (Robot Operating System) πλαίσιο ανοικτού κώδικα, C++ και Python θα χρησιμοποιηθεί για την προγραμματισμό των ρομπότ.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Κατανοήστε τις βασικές έννοιες που χρησιμοποιούνται στις ρομποτικές τεχνολογίες.
Κατανοήστε και διαχειριστείτε την αλληλεπίδραση μεταξύ λογισμικού και υλικού σε ένα ρομποτικό σύστημα.
Κατανοήστε και εφαρμόστε τα συστατικά λογισμικού που υποστηρίζουν τη ρομποτική.
Δημιουργήστε και λειτουργήστε ένα προσομοιωμένο μηχανικό ρομπότ που μπορεί να δει, να αισθάνεται, να επεξεργάζεται, να πλοηγεί και να αλληλεπιδρά με τους ανθρώπους μέσω της φωνής.
Κατανοήστε τα απαραίτητα στοιχεία της τεχνητής νοημοσύνης (μάθηση μηχανής, βαθιά μάθηση κλπ.) Χρησιμοποιείται για την κατασκευή ενός έξυπνου ρομπότ.
Οι φίλτρα εφαρμογής (Kalman και Particle) επιτρέπουν στο ρομπότ να εντοπίζει κινούμενα αντικείμενα στο περιβάλλον του.
Εφαρμογή αλγόριθμων αναζήτησης και προγραμματισμού κινήσεων.
Εφαρμογή PID ελέγχους για να ρυθμίσει την κίνηση ενός ρομπότ μέσα σε ένα περιβάλλον.
Εφαρμογή αλγόριθμων SLAM για να επιτρέψει σε ένα ρομπότ να χαρτογραφήσει ένα άγνωστο περιβάλλον.
Επέκταση της ικανότητας ενός ρομπότ να εκτελεί πολύπλοκα καθήκοντα μέσω Deep Learning.
Δοκιμάστε και επιλύστε ένα ρομπότ σε ρεαλιστικά σενάρια.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να προσαρμόσετε οποιοδήποτε μέρος αυτού του μαθήματος (γλώσσα προγραμματισμού, ρομπότ μοντέλο, κλπ.) Παρακαλούμε επικοινωνήστε μαζί μας για να διορθώσετε.
7 hours
Η εκπαίδευση απευθύνεται σε άτομα που θέλουν να μάθουν τα βασικά των νευρωνικών δικτύων και τις εφαρμογές τους.
14 hours
Αυτό το μάθημα είναι μια εισαγωγή στην εφαρμογή νευρωνικών δικτύων σε πραγματικά προβλήματα με το λογισμικό R-project.
14 hours
Αυτό το εκπαιδευτικό μάθημα απευθύνεται σε άτομα που θα ήθελαν να εφαρμόσουν Machine Learning σε πρακτικές εφαρμογές. Κοινό Αυτό το μάθημα απευθύνεται σε επιστήμονες και στατιστικολόγους που έχουν κάποια εξοικείωση με στατιστικά στοιχεία και γνωρίζουν πώς να προγραμματίσουν R (ή Python ή άλλη επιλεγμένη γλώσσα). Η έμφαση δίνεται στις πρακτικές πτυχές της προετοιμασίας δεδομένων / μοντέλων, της εκτέλεσης, της μετα-hoc ανάλυσης και της απεικόνισης. Ο σκοπός είναι να δοθούν πρακτικές εφαρμογές στη Machine Learning σε συμμετέχοντες που ενδιαφέρονται να εφαρμόσουν τις μεθόδους στην εργασία. Παραδείγματα συγκεκριμένων τομέων χρησιμοποιούνται για να κάνουν την εκπαίδευση σχετική με το κοινό.
21 hours
Το τεχνητό νευρωνικό δίκτυο είναι ένα υπολογιστικό μοντέλο δεδομένων που χρησιμοποιείται στην ανάπτυξη συστημάτων Artificial Intelligence (AI) ικανών να εκτελούν "ευφυή" καθήκοντα. Neural Networks χρησιμοποιούνται συνήθως στις εφαρμογές Machine Learning (ML), οι οποίες είναι οι ίδιες μια υλοποίηση του AI. Deep Learning είναι ένα υποσύνολο του ML.
21 hours
Το τεχνητό νευρωνικό δίκτυο είναι ένα υπολογιστικό μοντέλο δεδομένων που χρησιμοποιείται στην ανάπτυξη συστημάτων Artificial Intelligence (AI) ικανών να εκτελούν "ευφυή" καθήκοντα. Neural Networks χρησιμοποιούνται συνήθως στις εφαρμογές Machine Learning (ML), οι οποίες είναι οι ίδιες μια υλοποίηση του AI. Deep Learning είναι ένα υποσύνολο του ML.
Last Updated:
Upcoming AI (Artificial Intelligence) Courses
Text Summarization with Python
2022-09-06 09:30
14 hours
Machine Learning for Finance (with Python)
2022-09-14 09:30
21 hours
Machine Learning for Banking (with Python)
2022-09-19 09:30
21 hours
OpenNLP for Text Based Machine Learning
2022-10-04 09:30
14 hours
Machine Learning for Finance (with R)
2022-10-24 09:30
28 hours
Other countries
Consulting
Online AI (Artificial Intelligence) courses, Weekend Artificial Intelligence courses, Evening Artificial Intelligence training, Artificial Intelligence boot camp, AI instructor-led, Weekend AI (Artificial Intelligence) training, Evening AI (Artificial Intelligence) courses, AI coaching, AI (Artificial Intelligence) instructor, Artificial Intelligence trainer, Artificial Intelligence training courses, Artificial Intelligence classes, AI (Artificial Intelligence) on-site, AI private courses, AI (Artificial Intelligence) one on one training
