Διαδικτυακά ή επιτόπου, εκπαιδευτικά μαθήματα ζωντανής μηχανικής μάθησης (ML) από εκπαιδευτές επιδεικνύουν μέσω πρακτικής πρακτικής πώς να εφαρμόζετε τεχνικές και εργαλεία μηχανικής μάθησης για την επίλυση πραγματικών προβλημάτων σε διάφορους κλάδους. Τα μαθήματα NobleProg ML καλύπτουν διαφορετικές γλώσσες προγραμματισμού και πλαίσια, όπως Python, γλώσσα R και Matlab. Τα μαθήματα Μηχανικής Μάθησης προσφέρονται για μια σειρά από εφαρμογές του κλάδου, συμπεριλαμβανομένων των Χρηματοοικονομικών, Τραπεζικών και Ασφαλίσεων και καλύπτουν τις βασικές αρχές της Μηχανικής Μάθησης καθώς και πιο προηγμένες προσεγγίσεις όπως το Deep Learning. Η εκπαίδευση Μηχανικής Μάθησης είναι διαθέσιμη ως "διαδικτυακή ζωντανή εκπαίδευση" ή "επί τόπου ζωντανή εκπαίδευση". Η διαδικτυακή ζωντανή εκπαίδευση (γνωστή και ως "απομακρυσμένη ζωντανή εκπαίδευση") πραγματοποιείται μέσω μιας διαδραστικής, απομακρυσμένης επιφάνειας εργασίας . Η ζωντανή εκπαίδευση επιτόπου μπορεί να πραγματοποιηθεί τοπικά στις εγκαταστάσεις των πελατών στο Ελλάδα ή στα εταιρικά εκπαιδευτικά κέντρα NobleProg στο Ελλάδα. NobleProg -- Ο τοπικός σας πάροχος εκπαίδευσης
Machine Translated
Testimonials
★★★★★
★★★★★
Τα παραδείγματα που μας έδωσε.
JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
τα πειράματα
JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
Οι ασκήσεις και τα παραδείγματα που παρουσιάζονται.
Marcos - JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
Θέματα μηχανικής μάθησης.
Víctor Edgar - JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
Η στάση του δασκάλου
Ivonne Guadalupe Avendaño Hernandez - JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
Οι έννοιες που διδάσκονταν ήταν σαφείς, πρακτικές και βοηθούσαν πολύ στο να αποκτήσετε μια ιδέα για το πώς να χρησιμοποιήσετε αυτό το θέμα AI & ML.
Miguel - JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
Η εμπειρία και οι γνώσεις του εκπαιδευτή.
SERGIO BRAVO - JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
Ίσως κάποια εξάσκηση.
Hilario García - JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
μία από τις πρακτικές
JONATHAN MARIANO, si
Course: Artificial Intelligence (AI) for Managers
Machine Translated
Η γνώση και η διαχείριση του θέματος από τον εκπαιδευτή
Το LightGBM είναι ένα δωρεάν και ανοιχτού κώδικα κατανεμημένο πλαίσιο ενίσχυσης κλίσης για μηχανική μάθηση, το οποίο αναπτύχθηκε αρχικά από τον Microsoft. Βασίζεται σε αλγόριθμους δέντρων αποφάσεων και χρησιμοποιείται για κατάταξη, ταξινόμηση και άλλες εργασίες μηχανικής μάθησης.Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών (διαδικτυακή ή επιτόπου) απευθύνεται σε αρχάριους έως μεσαίου επιπέδου προγραμματιστές και επιστήμονες δεδομένων που επιθυμούν να μάθουν τα βασικά του LightGBM και να εξερευνήσουν προηγμένες τεχνικές.Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Εγκαταστήστε και διαμορφώστε το LightGBM. Κατανοήστε τη θεωρία πίσω από τους αλγόριθμους ενίσχυσης κλίσης και δέντρων αποφάσεων Χρησιμοποιήστε το LightGBM για βασικές και προηγμένες εργασίες μηχανικής εκμάθησης. Εφαρμόστε προηγμένες τεχνικές όπως η μηχανική χαρακτηριστικών, ο συντονισμός υπερπαραμέτρων και η ερμηνεία μοντέλων. Ενσωματώστε το LightGBM με άλλα πλαίσια μηχανικής εκμάθησης. Αντιμετώπιση κοινών προβλημάτων στο LightGBM.
Μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και εξάσκηση. Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.
Επιλογές προσαρμογής μαθήματος
Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
Το Stable Diffusion είναι ένα ισχυρό μοντέλο βαθιάς εκμάθησης που μπορεί να δημιουργήσει λεπτομερείς εικόνες βασισμένες σε περιγραφές κειμένου.Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτή (διαδικτυακή ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων μεσαίου έως προχωρημένου επιπέδου, μηχανικούς μηχανικής μάθησης, ερευνητές βαθιάς μάθησης και ειδικούς στην όραση υπολογιστών που επιθυμούν να επεκτείνουν τις γνώσεις και τις δεξιότητές τους στη βαθιά μάθηση για αποστολή κειμένου σε - δημιουργία εικόνας.Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Κατανοήστε προηγμένες αρχιτεκτονικές βαθιάς εκμάθησης και τεχνικές για τη δημιουργία κειμένου σε εικόνα. Εφαρμόστε πολύπλοκα μοντέλα και βελτιστοποιήσεις για σύνθεση εικόνας υψηλής ποιότητας. Βελτιστοποιήστε την απόδοση και την επεκτασιμότητα για μεγάλα σύνολα δεδομένων και πολύπλοκα μοντέλα. Συντονίστε τις υπερπαραμέτρους για καλύτερη απόδοση και γενίκευση του μοντέλου. Ενσωματώστε το Stable Diffusion με άλλα πλαίσια και εργαλεία βαθιάς μάθησης.
Μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και εξάσκηση. Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.
Επιλογές προσαρμογής μαθήματος
Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
Το Vertex AI είναι ένα περιβάλλον Google Cloud για την ολοκλήρωση εργασιών μηχανικής εκμάθησης από τον πειραματισμό, την ανάπτυξη, τη διαχείριση και την παρακολούθηση μοντέλων. Είναι μια επεκτάσιμη υποδομή που παρέχει δυνατότητες διαχείρισης χρηστών και ελέγχους ασφαλείας σε έργα μηχανικής εκμάθησης.Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών (διαδικτυακή ή επιτόπου) απευθύνεται σε αρχάριους έως μεσαίου επιπέδου μηχανικούς λογισμικού ή σε οποιονδήποτε επιθυμεί να μάθει πώς να χρησιμοποιεί το Vertex AI για την εκτέλεση και την ολοκλήρωση δραστηριοτήτων μηχανικής εκμάθησης.Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Κατανοήστε πώς λειτουργεί το Vertex AI και χρησιμοποιήστε το ως πλατφόρμα μηχανικής εκμάθησης. Μάθετε για τις έννοιες της μηχανικής μάθησης και του NLP. Μάθετε πώς να εκπαιδεύετε και να αναπτύσσετε μοντέλα μηχανικής εκμάθησης χρησιμοποιώντας το Vertex AI.
Μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και εξάσκηση. Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.
Επιλογές προσαρμογής μαθήματος
Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
Οι Generative Pre-trained Transformers (GPT) είναι μοντέλα τελευταίας τεχνολογίας στην επεξεργασία φυσικής γλώσσας που έχουν φέρει επανάσταση σε διάφορες εφαρμογές, συμπεριλαμβανομένης της δημιουργίας γλώσσας, της συμπλήρωσης κειμένου και της αυτόματης μετάφρασης. Αυτό το μάθημα παρέχει μια εις βάθος εξερεύνηση των μοντέλων GPT, με έμφαση στο GPT-3 και τις τελευταίες εξελίξεις στο GPT-4. Οι συμμετέχοντες θα αποκτήσουν γνώσεις για την αρχιτεκτονική, τις τεχνικές εκπαίδευσης και τις εφαρμογές των μοντέλων GPT.Αυτή η ζωντανή εκπαίδευση (διαδικτυακή ή επιτόπου) από εκπαιδευτές απευθύνεται σε επιστήμονες δεδομένων, μηχανικούς μηχανικής μάθησης, ερευνητές NLP και λάτρεις της τεχνητής νοημοσύνης που επιθυμούν να κατανοήσουν την εσωτερική λειτουργία των μοντέλων GPT, να εξερευνήσουν τις δυνατότητες των GPT-3 και GPT-4 , και μάθετε πώς να αξιοποιείτε αυτά τα μοντέλα για τις εργασίες NLP τους.Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Κατανοήστε τις βασικές έννοιες και αρχές πίσω από τους Generative Pre-trained Transformers. Κατανοήστε την αρχιτεκτονική και τη διαδικασία εκπαίδευσης των μοντέλων GPT. Χρησιμοποιήστε το GPT-3 για εργασίες όπως η δημιουργία κειμένου, η ολοκλήρωση και η μετάφραση. Εξερευνήστε τις τελευταίες εξελίξεις στο GPT-4 και τις πιθανές εφαρμογές του. Εφαρμόστε μοντέλα GPT στα δικά τους έργα και εργασίες NLP.
Μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και εξάσκηση. Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.
Επιλογές προσαρμογής μαθήματος
Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
Το DeepSpeed είναι μια βιβλιοθήκη βελτιστοποίησης βαθιάς μάθησης που διευκολύνει την κλίμακα μοντέλων βαθιάς εκμάθησης σε κατανεμημένο υλικό. Αναπτύχθηκε από τον Microsoft, το DeepSpeed ενσωματώνεται με το PyTorch για να παρέχει καλύτερη κλιμάκωση, ταχύτερη εκπαίδευση και βελτιωμένη χρήση πόρων.Αυτή η ζωντανή εκπαίδευση (διαδικτυακή ή επιτόπου) καθοδηγούμενη από εκπαιδευτές απευθύνεται σε αρχάριους έως μεσαίου επιπέδου επιστήμονες δεδομένων και μηχανικούς μηχανικής μάθησης που επιθυμούν να βελτιώσουν την απόδοση των μοντέλων βαθιάς μάθησης.Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Κατανοήστε τις αρχές της κατανεμημένης βαθιάς μάθησης. Εγκαταστήστε και διαμορφώστε το DeepSpeed. Κλιμακώστε τα μοντέλα βαθιάς εκμάθησης σε κατανεμημένο υλικό χρησιμοποιώντας το DeepSpeed. Εφαρμόστε και πειραματιστείτε με λειτουργίες DeepSpeed για βελτιστοποίηση και απόδοση μνήμης.
Μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και εξάσκηση. Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.
Επιλογές προσαρμογής μαθήματος
Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
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.
Η μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
Το Stable Diffusion είναι ένα ισχυρό μοντέλο βαθιάς εκμάθησης που μπορεί να δημιουργήσει λεπτομερείς εικόνες βασισμένες σε περιγραφές κειμένου.Αυτή η ζωντανή εκπαίδευση (διαδικτυακή ή επιτόπου) από εκπαιδευτές απευθύνεται σε επιστήμονες δεδομένων, μηχανικούς μηχανικής μάθησης και ερευνητές όρασης υπολογιστών που επιθυμούν να αξιοποιήσουν το Stable Diffusion για να δημιουργήσουν εικόνες υψηλής ποιότητας για ποικίλες περιπτώσεις χρήσης.Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Κατανοήστε τις αρχές του Stable Diffusion και πώς λειτουργεί για τη δημιουργία εικόνων. Δημιουργήστε και εκπαιδεύστε Stable Diffusion μοντέλα για εργασίες δημιουργίας εικόνας. Εφαρμόστε το Stable Diffusion σε διάφορα σενάρια δημιουργίας εικόνας, όπως inpainting, outpainting και μετάφραση εικόνας σε εικόνα. Βελτιστοποιήστε την απόδοση και τη σταθερότητα των μοντέλων Stable Diffusion.
Μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και εξάσκηση. Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.
Επιλογές προσαρμογής μαθήματος
Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
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.
Η μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
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.
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.
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.
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.
Το Deep Reinforcement Learning αναφέρεται στην ικανότητα ενός «τεχνητού πράκτορα» να μαθαίνει με δοκιμή και σφάλμα και ανταμοιβές και τιμωρίες. Ένας τεχνητός παράγοντας στοχεύει να μιμηθεί την ικανότητα ενός ανθρώπου να αποκτά και να κατασκευάζει γνώση από μόνος του, απευθείας από ακατέργαστες εισροές όπως η όραση. Για την πραγματοποίηση της ενισχυτικής μάθησης, χρησιμοποιούνται βαθιά μάθηση και νευρωνικά δίκτυα. Η ενισχυτική μάθηση είναι διαφορετική από τη μηχανική μάθηση και δεν βασίζεται σε προσεγγίσεις μάθησης υπό επίβλεψη και χωρίς επίβλεψη.Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών (διαδικτυακή ή επιτόπου) απευθύνεται σε προγραμματιστές και επιστήμονες δεδομένων που επιθυμούν να μάθουν τις βασικές αρχές του Deep Reinforcement Learning καθώς προχωρούν στη δημιουργία ενός Deep Learning Agent.Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Κατανοήστε τις βασικές έννοιες πίσω από το Deep Reinforcement Learning και μπορείτε να το διακρίνετε από το Machine Learning. Εφαρμόστε προηγμένους Reinforcement Learning αλγόριθμους για την επίλυση προβλημάτων πραγματικού κόσμου. Δημιουργήστε έναν Deep Learning Πράκτορα.
Μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και εξάσκηση. Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.
Επιλογές προσαρμογής μαθήματος
Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
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.
Η μορφή του μαθήματος
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
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
Audience
Developers
Data scientists
Format of the course
Part lecture, part discussion, exercises and heavy hands-on practice
Αυτό το μάθημα έχει δημιουργηθεί για μάνατζερ, αρχιτέκτονες λύσεων, στελέχη καινοτομίας, CTO, αρχιτέκτονες λογισμικού και οποιονδήποτε ενδιαφέρεται για μια επισκόπηση της εφαρμοσμένης τεχνητής νοημοσύνης και την πλησιέστερη πρόβλεψη για την ανάπτυξή της.
Αυτό το εκπαιδευτικό μάθημα απευθύνεται σε άτομα που θα ήθελαν να εφαρμόσουν τις βασικές τεχνικές Machine Learning σε πρακτικές εφαρμογές. Κοινό Οι επιστήμονες δεδομένων και οι στατιστικολόγοι που έχουν κάποια εξοικείωση με τη μηχανική μάθηση και ξέρουν πώς να προγραμματίσουν το R. Η έμφαση σε αυτό το μάθημα αφορά στις πρακτικές πτυχές της προετοιμασίας δεδομένων / μοντέλων, της εκτέλεσης, της μετα-hoc ανάλυσης και της απεικόνισης. Ο σκοπός είναι να δοθεί μια πρακτική εισαγωγή στην μηχανική μάθηση σε συμμετέχοντες που ενδιαφέρονται να εφαρμόσουν τις μεθόδους στην εργασία Παραδείγματα συγκεκριμένων τομέων χρησιμοποιούνται για να κάνουν την εκπαίδευση σχετική με το κοινό.
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.
Ο στόχος αυτού του μαθήματος είναι να παρέχει μια βασική επάρκεια στην εφαρμογή μεθόδων Machine Learning στην πράξη. Μέσα από τη χρήση της πλατφόρμας προγραμματισμού R και των διαφόρων βιβλιοθηκών της, και με βάση ένα πλήθος πρακτικών παραδειγμάτων, αυτό το μάθημα διδάσκει πώς να χρησιμοποιήσει τα πιο σημαντικά δομικά στοιχεία της Machine Learning , πώς να κάνει τις αποφάσεις μοντελοποίησης δεδομένων, να ερμηνεύσει τις εξόδους των αλγορίθμων επικυρώστε τα αποτελέσματα. Στόχος μας είναι να σας προσφέρουμε τις δεξιότητες για να κατανοήσετε και να χρησιμοποιήσετε με βεβαιότητα τα πιο βασικά εργαλεία από το Toolbox Machine Learning Tool και να αποφύγετε τις συνήθεις παγίδες των εφαρμογών της Data Science .
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.
Αυτό το μάθημα εισάγει μεθόδους μηχανικής μάθησης σε εφαρμογές ρομποτικής. Πρόκειται για μια ευρεία επισκόπηση των υφιστάμενων μεθόδων, κινήτρων και βασικών ιδεών στο πλαίσιο της αναγνώρισης προτύπων. Μετά από ένα σύντομο θεωρητικό υπόβαθρο, οι συμμετέχοντες θα εκτελούν απλή άσκηση χρησιμοποιώντας ανοικτή πηγή (συνήθως R) ή οποιοδήποτε άλλο δημοφιλές λογισμικό.
Ο στόχος αυτού του μαθήματος είναι να παρέχει μια βασική επάρκεια στην εφαρμογή μεθόδων Machine Learning στην πράξη. Με τη χρήση της γλώσσας προγραμματισμού Scala και των διάφορων βιβλιοθηκών της και με βάση ένα πλήθος πρακτικών παραδειγμάτων, αυτό το μάθημα διδάσκει πώς να χρησιμοποιήσει τα πιο σημαντικά δομικά στοιχεία της Machine Learning , πώς να κάνει τις αποφάσεις μοντελοποίησης δεδομένων, να ερμηνεύσει τις εξόδους των αλγορίθμων επικυρώστε τα αποτελέσματα. Στόχος μας είναι να σας προσφέρουμε τις δεξιότητες για να κατανοήσετε και να χρησιμοποιήσετε με βεβαιότητα τα πιο βασικά εργαλεία από το Toolbox Machine Learning Tool και να αποφύγετε τις συνήθεις παγίδες των εφαρμογών της Data Science .
R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστική υπολογιστική, ανάλυση δεδομένων και γραφικά. Η έρευνα χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημίες. R έχει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.
Το ολοκληρωμένο περιβάλλον του Wolfram System καθιστά ένα αποτελεσματικό εργαλείο τόσο για την ανάλυση όσο και για την παρουσίαση δεδομένων. Αυτό το μάθημα καλύπτει πτυχές της γλώσσας Wolfram σχετίζονται με την ανάλυση, συμπεριλαμβανομένου του στατιστικού υπολογισμού, της απεικόνισης, της εισαγωγής και εξαγωγής δεδομένων και της αυτόματης δημιουργίας αναφορών.
Course is dedicated for those who would like to know an alternative program to the commercial MATLAB package. The three-day training provides comprehensive information on moving around the environment and performing the OCTAVE package for data analysis and engineering calculations. The training recipients are beginners but also those who know the program and would like to systematize their knowledge and improve their skills. Knowledge of other programming languages is not required, but it will greatly facilitate the learners' acquisition of knowledge. The course will show you how to use the program in many practical examples.
Αυτό το εκπαιδευτικό μάθημα απευθύνεται σε άτομα που θα ήθελαν να εφαρμόσουν την Machine Learning σε πρακτικές εφαρμογές για την ομάδα τους. Η εκπαίδευση δεν θα εξελιχθεί σε τεχνικές λεπτομέρειες και θα περιστρέφεται γύρω από τις βασικές έννοιες και τις επιχειρησιακές / επιχειρησιακές εφαρμογές της ίδιας. Στοχευμένο κοινό
Επενδυτές και επιχειρηματίες της ΑΠ
Διευθυντές και Μηχανικοί των οποίων η εταιρεία μπαίνει σε χώρο ΑΙ
Snorkel is a system for rapidly creating, modeling, and managing training data. It focuses on accelerating the development of structured or "dark" data extraction applications for domains in which large labeled training sets are not available or easy to obtain.
In this instructor-led, live training, participants will learn techniques for extracting value from unstructured data such as text, tables, figures, and images through modeling of training data with Snorkel.
By the end of this training, participants will be able to:
Programmatically create training sets to enable the labeling of massive training sets
Train high-quality end models by first modeling noisy training sets
Use Snorkel to implement weak supervision techniques and apply data programming to weakly-supervised machine learning systems
Audience
Developers
Data scientists
Format of the course
Part lecture, part discussion, exercises and heavy hands-on practice
Encog is an open-source machine learning framework for Java and .Net.
In this instructor-led, live training, participants will learn advanced machine learning techniques for building accurate neural network predictive models.
By the end of this training, participants will be able to:
Implement different neural networks optimization techniques to resolve underfitting and overfitting
Understand and choose from a number of neural network architectures
Implement supervised feed forward and feedback networks
Audience
Developers
Analysts
Data scientists
Format of the course
Part lecture, part discussion, exercises and heavy hands-on practice
Online Machine Learning (ML) courses, Weekend Machine Learning (ML) courses, Evening Machine Learning training, Machine Learning boot camp, Machine Learning instructor-led, Weekend Machine Learning training, Evening Machine Learning (ML) courses, ML (Machine Learning) coaching, ML (Machine Learning) instructor, Machine Learning (ML) trainer, ML (Machine Learning) training courses, Machine Learning (ML) classes, Machine Learning (ML) on-site, ML (Machine Learning) private courses, Machine Learning (ML) one on one training
Course Discounts
No course discounts for now.
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.
Some of our clients
is growing fast!
We are looking for a good mixture of IT and soft skills in Greece!
As a NobleProg Trainer you will be responsible for:
delivering training and consultancy Worldwide
preparing training materials
creating new courses outlines
delivering consultancy
quality management
At the moment we are focusing on the following areas:
Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
SOA, BPM, BPMN
Hibernate/Spring, Scala, Spark, jBPM, Drools
R, Python
Mobile Development (iOS, Android)
LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
You need to have patience and ability to explain to non-technical people
To apply, please create your trainer-profile by going to the link below: