Machine Learning Training Courses

Machine Learning Training Courses

Τα τοπικά μαθήματα κατάρτισης με μάθημα Machine Learning (ML), καθοδηγούμενα από εκπαιδευτές, καταδεικνύουν μέσω της πρακτικής άσκησης πώς να εφαρμόζουν τεχνικές μηχανικής μάθησης και εργαλεία για την επίλυση προβλημάτων πραγματικού κόσμου σε διάφορες βιομηχανίες. Τα μαθήματα NobleProg ML καλύπτουν διαφορετικές γλώσσες προγραμματισμού και πλαίσια, συμπεριλαμβανομένων των Python, R και Matlab. Μαθήματα μηχανικής μάθησης προσφέρονται για διάφορες βιομηχανικές εφαρμογές, όπως Χρηματοοικονομικές, Τραπεζικές και Ασφαλιστικές, και καλύπτουν τις βασικές αρχές της Μηχανικής Μάθησης καθώς και πιο προηγμένες προσεγγίσεις, όπως η Deep Learning. Η Εκπαίδευση Εκμάθησης Μηχανών είναι διαθέσιμη ως "ζωντανή εκπαίδευση στο χώρο" ή "μακρινή ζωντανή εκπαίδευση". 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

★★★★★
★★★★★

Machine Learning (ML) Course Outlines

Title
Duration
Overview
Title
Duration
Overview
7 hours
Overview
Το μάθημα αυτό έχει δημιουργηθεί για διευθυντές, αρχιτέκτονες λύσεων, αξιωματικούς καινοτομίας, ΚΟΤ, αρχιτέκτονες λογισμικού και όσους ενδιαφέρονται για μια επισκόπηση της εφαρμοσμένης τεχνητής νοημοσύνης και για την πλησιέστερη πρόβλεψη για την ανάπτυξή της.
14 hours
Overview
In Python Machine Learning, the Text Summarization feature is able to read the input text and produce a text summary. This capability is available from the command-line or as a Python API/Library. One exciting application is the rapid creation of executive summaries; this is particularly useful for organizations that need to review large bodies of text data before generating reports and presentations.

In this instructor-led, live training, participants will learn to use Python to create a simple application that auto-generates a summary of input text.

By the end of this training, participants will be able to:

- Use a command-line tool that summarizes text.
- Design and create Text Summarization code using Python libraries.
- Evaluate three Python summarization libraries: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17

Audience

- Developers
- Data Scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
28 hours
Overview
Cortana Intelligence Suite is a bundle of integrated products and services on the Microsoft Azure Cloud that enable entities to transform data into intelligent actions.

In this instructor-led, live training, participants will learn how to use the components that are part of the Cortana Intelligence Suite to build data-driven intelligent applications.

By the end of this training, participants will be able to:

- Learn how to use Cortana Intelligence Suite tools
- Acquire the latest knowledge of data management and analytics
- Use Cortana components to turn data into intelligent action
- Use Cortana to build applications from scratch and launch it on the cloud

Audience

- Data scientists
- Programmers
- Developers
- Managers
- Architects

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
28 hours
Overview
Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability.

In this instructor-led, live training, participants will learn how to implement deep learning models for finance using Python as they step through the creation of a deep learning stock price prediction model.

By the end of this training, participants will be able to:

- Understand the fundamental concepts of deep learning
- Learn the applications and uses of deep learning in finance
- Use Python, Keras, and TensorFlow to create deep learning models for finance
- Build their own deep learning stock price prediction model using Python

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
28 hours
Overview
Η μηχανική μάθηση είναι κλάδος της Τεχνητής Νοημοσύνης όπου οι υπολογιστές έχουν τη δυνατότητα να μάθουν χωρίς να έχουν προγραμματιστεί ρητά. Η βαθιά μάθηση είναι ένας υποτομέας μηχανικής μάθησης που χρησιμοποιεί μεθόδους που βασίζονται σε παραστάσεις και δομές δεδομένων μάθησης, όπως νευρωνικά δίκτυα. R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοπιστωτικό κλάδο. Χρησιμοποιείται σε χρηματοοικονομικές εφαρμογές που κυμαίνονται από βασικά προγράμματα διαπραγμάτευσης μέχρι συστήματα διαχείρισης κινδύνου.

Σε αυτήν την καθοδηγούμενη από εκπαιδευτή, ζωντανή εκπαίδευση, οι συμμετέχοντες θα μάθουν πώς να εφαρμόσουν μοντέλα βαθιάς μάθησης για τις τράπεζες που χρησιμοποιούν το R, καθώς περνούν μέσα από τη δημιουργία ενός μοντέλου βαθιάς μάθησης πιστωτικού κινδύνου.

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

- Κατανοήστε τις θεμελιώδεις έννοιες της βαθιάς μάθησης
- Μάθετε τις εφαρμογές και τις χρήσεις της βαθιάς μάθησης στον τραπεζικό τομέα
- Χρησιμοποιήστε το R για να δημιουργήσετε μοντέλα βαθιάς μάθησης για τις τράπεζες
- Δημιουργήστε το δικό τους μοντέλο βαθιάς μάθησης πιστωτικού κινδύνου χρησιμοποιώντας το R

Κοινό

- Προγραμματιστές
- Οι επιστήμονες των δεδομένων

Μορφή του μαθήματος

- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
28 hours
Overview
Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability.

In this instructor-led, live training, participants will learn how to implement deep learning models for banking using Python as they step through the creation of a deep learning credit risk model.

By the end of this training, participants will be able to:

- Understand the fundamental concepts of deep learning
- Learn the applications and uses of deep learning in banking
- Use Python, Keras, and TensorFlow to create deep learning models for banking
- Build their own deep learning credit risk model using Python

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
28 hours
Overview
Η μηχανική μάθηση είναι κλάδος της Τεχνητής Νοημοσύνης όπου οι υπολογιστές έχουν τη δυνατότητα να μάθουν χωρίς να έχουν προγραμματιστεί ρητά. Η βαθιά μάθηση είναι ένας υποτομέας μηχανικής μάθησης που χρησιμοποιεί μεθόδους που βασίζονται σε παραστάσεις και δομές δεδομένων μάθησης, όπως νευρωνικά δίκτυα. R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοπιστωτικό κλάδο. Χρησιμοποιείται σε χρηματοοικονομικές εφαρμογές που κυμαίνονται από βασικά προγράμματα διαπραγμάτευσης μέχρι συστήματα διαχείρισης κινδύνου.

Σε αυτήν την καθοδηγούμενη από τους εκπαιδευτές, ζωντανή εκπαίδευση, οι συμμετέχοντες θα μάθουν πώς να εφαρμόσουν μοντέλα βαθιάς μάθησης για τη χρηματοδότηση με τη χρήση R καθώς προχωρούν μέσω της δημιουργίας ενός προτύπου πρόβλεψης των τιμών των μετοχών.

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

- Κατανοήστε τις θεμελιώδεις έννοιες της βαθιάς μάθησης
- Μάθετε τις εφαρμογές και τις χρήσεις της βαθιάς μάθησης στη χρηματοδότηση
- Χρησιμοποιήστε το R για να δημιουργήσετε μοντέλα βαθιάς μάθησης για τη χρηματοδότηση
- Κατασκευάστε το δικό σας μοντέλο πρόβλεψης βασικών τιμών εκμάθησης χρησιμοποιώντας το R

Κοινό

- Προγραμματιστές
- Οι επιστήμονες των δεδομένων

Μορφή του μαθήματος

- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
28 hours
Overview
Η μηχανική μάθηση είναι κλάδος της Τεχνητής Νοημοσύνης όπου οι υπολογιστές έχουν τη δυνατότητα να μάθουν χωρίς να έχουν προγραμματιστεί ρητά. R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοπιστωτικό κλάδο. Χρησιμοποιείται σε χρηματοοικονομικές εφαρμογές που κυμαίνονται από βασικά προγράμματα διαπραγμάτευσης μέχρι συστήματα διαχείρισης κινδύνου.

Σε αυτή την καθοδηγούμενη από εκπαιδευτές, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να εφαρμόζουν τεχνικές μηχανικής μάθησης και εργαλεία για την επίλυση πραγματικών προβλημάτων στον χρηματοπιστωτικό κλάδο. R θα χρησιμοποιηθεί ως γλώσσα προγραμματισμού.

Οι συμμετέχοντες μαθαίνουν πρώτα τις βασικές αρχές και στη συνέχεια εφαρμόζουν τις γνώσεις τους δημιουργώντας τα δικά τους μοντέλα μηχανικής μάθησης και χρησιμοποιώντας τα για να ολοκληρώσουν μια σειρά ομαδικών έργων.

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

- Κατανοήστε τις θεμελιώδεις έννοιες της μηχανικής μάθησης
- Μάθετε τις εφαρμογές και τις χρήσεις της μηχανικής μάθησης στη χρηματοδότηση
- Αναπτύξτε τη δική τους στρατηγική αλγοριθμικών συναλλαγών χρησιμοποιώντας την εκμάθηση μηχανών με τον R

Κοινό

- Προγραμματιστές
- Οι επιστήμονες των δεδομένων

Μορφή του μαθήματος

- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
21 hours
Overview
Η μηχανική μάθηση είναι κλάδος της Τεχνητής Νοημοσύνης όπου οι υπολογιστές έχουν τη δυνατότητα να μάθουν χωρίς να έχουν προγραμματιστεί ρητά. Python είναι μια γλώσσα προγραμματισμού γνωστή για την σαφή σύνταξη και την αναγνωσιμότητα. Προσφέρει μια εξαιρετική συλλογή από καλά δοκιμασμένες βιβλιοθήκες και τεχνικές για την ανάπτυξη εφαρμογών μηχανικής μάθησης.

Σε αυτή την καθοδηγούμενη από εκπαιδευτές, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να εφαρμόζουν τεχνικές μηχανικής μάθησης και εργαλεία για την επίλυση πραγματικών προβλημάτων στον χρηματοπιστωτικό κλάδο.

Οι συμμετέχοντες μαθαίνουν πρώτα τις βασικές αρχές και στη συνέχεια εφαρμόζουν τις γνώσεις τους δημιουργώντας τα δικά τους μοντέλα μηχανικής μάθησης και χρησιμοποιώντας τα για να ολοκληρώσουν μια σειρά ομαδικών έργων.

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

- Κατανοήστε τις θεμελιώδεις έννοιες της μηχανικής μάθησης
- Μάθετε τις εφαρμογές και τις χρήσεις της μηχανικής μάθησης στη χρηματοδότηση
- Αναπτύξτε τη δική τους στρατηγική αλγοριθμικών συναλλαγών χρησιμοποιώντας μηχανική μάθηση με την Python

Κοινό

- Προγραμματιστές
- Οι επιστήμονες των δεδομένων

Μορφή του μαθήματος

- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
28 hours
Overview
DL (Deep Learning) is a subset of ML (Machine Learning).

Python is a popular programming language that contains libraries for Deep Learning for NLP.

Deep Learning for NLP (Natural Language Processing) allows a machine to learn simple to complex language processing. Among the tasks currently possible are language translation and caption generation for photos.

In this instructor-led, live training, participants will learn to use Python libraries for NLP as they create an application that processes a set of pictures and generates captions.

By the end of this training, participants will be able to:

- Design and code DL for NLP using Python libraries.
- Create Python code that reads a substantially huge collection of pictures and generates keywords.
- Create Python Code that generates captions from the detected keywords.

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
14 hours
Overview
Το AI είναι μια συλλογή τεχνολογιών για την κατασκευή έξυπνων συστημάτων ικανών να κατανοήσουν τα δεδομένα και τις δραστηριότητες που περιβάλλουν τα δεδομένα για να κάνουν "έξυπνες αποφάσεις". Για τους παρόχους τηλεπικοινωνιών, οι εφαρμογές κτιρίων και οι υπηρεσίες που χρησιμοποιούν το AI θα μπορούσαν να ανοίξουν την πόρτα για βελτιωμένες λειτουργίες και εξυπηρέτηση σε τομείς όπως η συντήρηση και η βελτιστοποίηση του δικτύου.

Σε αυτό το μάθημα εξετάζουμε τις διάφορες τεχνολογίες που απαρτίζουν το AI και τα σύνολα ικανοτήτων που απαιτούνται για να τα χρησιμοποιήσουμε. Σε όλη τη διάρκεια του μαθήματος, εξετάζουμε τις συγκεκριμένες εφαρμογές της AI στο πλαίσιο της βιομηχανίας τηλεπικοινωνιών.

Κοινό

- Μηχανικοί δικτύων
- Δυναμικό του δικτύου
- Τεχνικοί διευθυντές τηλεπικοινωνιών

Μορφή του μαθήματος

- Διάλεξη μέρους, συζήτηση, πρακτική ασκήσεις
14 hours
Overview
The Apache OpenNLP library is a machine learning based toolkit for processing natural language text. It supports the most common NLP tasks, such as language detection, tokenization, sentence segmentation, part-of-speech tagging, named entity extraction, chunking, parsing and coreference resolution.

In this instructor-led, live training, participants will learn how to create models for processing text based data using OpenNLP. Sample training data as well customized data sets will be used as the basis for the lab exercises.

By the end of this training, participants will be able to:

- Install and configure OpenNLP
- Download existing models as well as create their own
- Train the models on various sets of sample data
- Integrate OpenNLP with existing Java applications

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
21 hours
Overview
Machine Learning είναι κλάδος της Τεχνητής Νοημοσύνης όπου οι υπολογιστές έχουν τη δυνατότητα να μάθουν χωρίς να έχουν προγραμματιστεί ρητά. Python είναι μια γλώσσα προγραμματισμού γνωστή για την σαφή σύνταξη και την αναγνωσιμότητα. Προσφέρει μια εξαιρετική συλλογή από καλά δοκιμασμένες βιβλιοθήκες και τεχνικές για την ανάπτυξη εφαρμογών μηχανικής μάθησης.

Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή εκπαίδευση, οι συμμετέχοντες θα μάθουν πώς να εφαρμόζουν τεχνικές μηχανικής μάθησης και εργαλεία για την επίλυση πραγματικών προβλημάτων στον τραπεζικό κλάδο.

Οι συμμετέχοντες μαθαίνουν πρώτα τις βασικές αρχές και στη συνέχεια εφαρμόζουν τις γνώσεις τους δημιουργώντας τα δικά τους μοντέλα μηχανικής μάθησης και χρησιμοποιώντας τα για να ολοκληρώσουν μια σειρά ομαδικών έργων.

Κοινό

- Προγραμματιστές
- Οι επιστήμονες των δεδομένων

Μορφή του μαθήματος

- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
28 hours
Overview
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή εκπαίδευση, οι συμμετέχοντες θα μάθουν πώς να εφαρμόζουν τεχνικές μηχανικής μάθησης και εργαλεία για την επίλυση πραγματικών προβλημάτων στον τραπεζικό κλάδο. R θα χρησιμοποιηθεί ως γλώσσα προγραμματισμού.

Οι συμμετέχοντες μαθαίνουν πρώτα τις βασικές αρχές και στη συνέχεια εφαρμόζουν τις γνώσεις τους δημιουργώντας τα δικά τους μοντέλα μηχανικής μάθησης και χρησιμοποιώντας τα για να ολοκληρώσουν μια σειρά από ζωντανά έργα.

Κοινό

- Προγραμματιστές
- Οι επιστήμονες των δεδομένων
- Τραπεζικοί επαγγελματίες με τεχνικό υπόβαθρο

Μορφή του μαθήματος

- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
14 hours
Overview
,
7 hours
Overview
TensorFlow Serving is a system for serving machine learning (ML) models to production.

In this instructor-led, live training, participants will learn how to configure and use TensorFlow Serving to deploy and manage ML models in a production environment.

By the end of this training, participants will be able to:

- Train, export and serve various TensorFlow models
- Test and deploy algorithms using a single architecture and set of APIs
- Extend TensorFlow Serving to serve other types of models beyond TensorFlow models

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
14 hours
Overview
In this instructor-led, live training, participants will learn how to use the iOS Machine Learning (ML) technology stack as they step through the creation and deployment of an iOS mobile app.

By the end of this training, participants will be able to:

- Create a mobile app capable of image processing, text analysis and speech recognition
- Access pre-trained ML models for integration into iOS apps
- Create a custom ML model
- Add Siri Voice support to iOS apps
- Understand and use frameworks such as coreML, Vision, CoreGraphics, and GamePlayKit
- Use languages and tools such as Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda, and Spyder

Audience

- Developers

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
21 hours
Overview
In this instructor-led, live training, participants will learn how to use the right machine learning and NLP (Natural Language Processing) techniques to extract value from text-based data.

By the end of this training, participants will be able to:

- Solve text-based data science problems with high-quality, reusable code
- Apply different aspects of scikit-learn (classification, clustering, regression, dimensionality reduction) to solve problems
- Build effective machine learning models using text-based data
- Create a dataset and extract features from unstructured text
- Visualize data with Matplotlib
- Build and evaluate models to gain insight
- Troubleshoot text encoding errors

Audience

- Developers
- Data Scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
14 hours
Overview
Encog is an open-source machine learning framework for Java and .Net.

In this instructor-led, live training, participants will learn how to create various neural network components using ENCOG. Real-world case studies will be discussed and machine language based solutions to these problems will be explored.

By the end of this training, participants will be able to:

- Prepare data for neural networks using the normalization process
- Implement feed forward networks and propagation training methodologies
- Implement classification and regression tasks
- Model and train neural networks using Encog's GUI based workbench
- Integrate neural network support into real-world applications

Audience

- Developers
- Analysts
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
14 hours
Overview
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
21 hours
Overview
Βαθιά Ενίσχυση Η μάθηση αναφέρεται στην ικανότητα ενός «τεχνητού πράκτορα» να μάθει με δοκιμασία και λάθος και ανταμοιβές και τιμωρίες. Ένας τεχνητός παράγοντας στοχεύει να μιμηθεί την ικανότητα του ανθρώπου να αποκτά και να κατασκευάζει τη γνώση από μόνος του, απευθείας από ακατέργαστες εισροές όπως το όραμα. Για να υλοποιηθεί η μάθηση ενίσχυσης, χρησιμοποιείται βαθιά μάθηση και νευρωνικά δίκτυα. Η ενδυνάμωση της μάθησης είναι διαφορετική από τη μηχανική μάθηση και δεν βασίζεται σε εποπτευόμενες και ανεξέλεγκτες προσεγγίσεις μάθησης.

Σε αυτήν την καθοδηγούμενη από εκπαιδευτή, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν τα βασικά στοιχεία της Μάθησης βαθιάς ενίσχυσης, καθώς περνούν μέσα από τη δημιουργία ενός Deep Learning Agent.

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

- Κατανοήστε τις βασικές έννοιες πίσω από τη μάθηση βαθιάς ενίσχυσης και μπορείτε να το διακρίνετε από τη Machine Learning
- Εφαρμόστε τους προηγμένους αλγόριθμους ενίσχυσης της ενίσχυσης για την επίλυση προβλημάτων πραγματικού κόσμου
- Δημιουργήστε ένα Deep Learning Agent

Κοινό

- Προγραμματιστές
- Επιστήμονες δεδομένων

Μορφή του μαθήματος

- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
21 hours
Overview
In this instructor-led, live training, 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.

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
14 hours
Overview
το

aul είναι φιλικό προς το χρήστη λογισμικό εκμάθησης μηχανών που αυτοματοποιεί μεγάλο μέρος της εργασίας που απαιτείται για την επιλογή ενός ιδανικού αλγορίθμου εκμάθησης μηχανής, των ρυθμίσεων παραμέτρων και των μεθόδων προεπεξεργασίας.

αυτή η καθοδηγούμενη από εκπαιδευτικούς, ζωντανή εκπαίδευση (επιτόπου ή απομακρυσμένη) απευθύνεται σε τεχνικά πρόσωπα με φόντο τη μηχανική μάθηση που επιθυμούν να βελτιστοποιήσουν τα μοντέλα μηχανικής μάθησης που χρησιμοποιούνται για την ανίχνευση σύνθετων μοτίβων σε μεγάλα δεδομένα.

μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

- Install και να αξιολογήσει διάφορα αυτόματα εργαλεία ανοιχτού κώδικα.
- Train υψηλής ποιότητας μηχανή εκμάθησης μοντέλα.
- αποτελεσματικά την επίλυση διαφόρων τύπων προβλημάτων της εποπτευόμενης μηχανικής μάθησης.
- Γράψτε μόνο τον απαραίτητο κώδικα για την έναρξη της αυτοματοποιημένης διαδικασίας εκμάθησης μηχανών.

μορφή του μαθήματος

- διαδραστική διάλεξη και συζήτηση.
- πολλές ασκήσεις και εξάσκηση.
- εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.

επιλογές προσαρμογής μαθήματος

- για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να κανονίσετε.
- για να μάθετε περισσότερα για το αυτόματο, παρακαλούμε επισκεφθείτε: https://www.automl.org/
21 hours
Overview
Η μηχανική (γνωστή και ως μηχανική μηχανική) είναι ένας συνδυασμός μηχανικής, ηλεκτρονικής και πληροφορικής.

Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση (επιτόπια ή απομακρυσμένη) απευθύνεται σε μηχανικούς που επιθυμούν να μάθουν για την εφαρμοσιμότητα της τεχνητής νοημοσύνης στα μηχανικά συστήματα.

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

- Αποκτήστε μια επισκόπηση της τεχνητής νοημοσύνης, της μηχανικής μάθησης και της υπολογιστικής νοημοσύνης.
- Κατανοήστε τις έννοιες των νευρωνικών δικτύων και των διαφορετικών μεθόδων μάθησης.
- Επιλέξτε αποτελεσματικές προσεγγίσεις τεχνητής νοημοσύνης για προβλήματα στην πραγματική ζωή.
- Εφαρμογή εφαρμογών AI στη μηχατρονική μηχανική.

Μορφή του μαθήματος

- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.

Επιλογές προσαρμογής μαθημάτων

- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
21 hours
Overview
Keras είναι ένα υψηλού επιπέδου νευρωνικό δίκτυο API για γρήγορη ανάπτυξη και πειραματισμό. Τρέχει στην κορυφή της TensorFlow, CNTK, ή Theano.

αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση (επιτόπου ή απομακρυσμένη) απευθύνεται σε τεχνικά πρόσωπα που επιθυμούν να εφαρμόσουν μοντέλο βαθιάς μάθησης σε εφαρμογές αναγνώρισης εικόνας.

μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

- εγκατάσταση και ρύθμιση παραμέτρων του Keras.
- γρήγορα πρωτότυπα βαθιά μαθησιακά μοντέλα.
- εφαρμογή ενός convolutional δικτύου.
- εφαρμογή ενός επαναλαμβανόμενου δικτύου.
- εκτελέσει ένα μοντέλο βαθιάς μάθησης τόσο σε μια CPU και GPU.

μορφή του μαθήματος

- διαδραστική διάλεξη και συζήτηση.
- πολλές ασκήσεις και εξάσκηση.
- εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.

επιλογές προσαρμογής μαθήματος

- για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να κανονίσετε.
- για να μάθετε περισσότερα σχετικά με Keras, παρακαλούμε επισκεφθείτε: https://keras.io/
21 hours
Overview
,
14 hours
Overview
Η Μηχανική Χαρακτηριστικών είναι η διαδικασία επιλογής και μετατροπής δεδομένων για τη βελτίωση της ακρίβειας των αλγορίθμων μηχανικής μάθησης. Απαιτεί βαθιά εξοικείωση με τα δεδομένα από έναν εμπειρογνώμονα θέμα.

Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση (επιτόπια ή απομακρυσμένη) απευθύνεται σε άτομα που επιθυμούν να εφαρμόσουν τεχνικές μηχανικής χαρακτηριστικών για καλύτερη επεξεργασία δεδομένων και λήψη καλύτερων μοντέλων μηχανικής μάθησης.

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

- Δημιουργήστε ένα βέλτιστο περιβάλλον ανάπτυξης, συμπεριλαμβανομένων όλων των απαραίτητων πακέτων Python .
- Αποκτήστε σημαντικές ιδέες αναλύοντας τα χαρακτηριστικά ενός συνόλου δεδομένων.
- Βελτιστοποιήστε τα μοντέλα μηχανικής μάθησης μέσω της προσαρμογής των ίδιων των πρώτων δεδομένων.
- Καθαρίστε και μετασχηματίσετε σύνολα δεδομένων στο πλαίσιο προετοιμασίας για μηχανική μάθηση.

Μορφή του μαθήματος

- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.

Επιλογές προσαρμογής μαθημάτων

- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.

Upcoming Machine Learning (ML) Courses

Weekend Machine Learning (ML) courses, Evening Machine Learning (ML) training, Machine Learning boot camp, Machine Learning instructor-led, Weekend Machine Learning training, Evening Machine Learning courses, Machine Learning (ML) coaching, ML (Machine Learning) instructor, ML (Machine Learning) trainer, Machine Learning (ML) training courses, ML (Machine Learning) classes, Machine Learning (ML) on-site, Machine Learning (ML) private courses, ML (Machine Learning) one on one training

Course Discounts

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 to expand our presence in Greece!

As a Business Development Manager you will:

  • expand business in Greece
  • 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!