Διαδικτυακά ή επιτόπια, τα ζωντανά εκπαιδευτικά σεμινάρια Αναγνώρισης Προτύπων με εισηγητή παρουσιάζουν μέσω διαδραστικής συζήτησης και πρακτικής εξάσκησης τις θεμελιώδεις και προχωρημένες έννοιες της Αναγνώρισης Προτύπων.
Η εκπαίδευση στην Αναγνώριση Προτύπων διατίθεται ως «ζωντανή διαδικτυακή εκπαίδευση» ή «ζωντανή εκπαίδευση στις εγκαταστάσεις σας». Η ζωντανή διαδικτυακή εκπαίδευση (γνωστή και ως «απομακρυσμένη ζωντανή εκπαίδευση») πραγματοποιείται μέσω ενός διαδραστικού, απομακρυσμένου επιτραπέζιου υπολογιστή. Η ζωντανή εκπαίδευση στις εγκαταστάσεις σας μπορεί να πραγματοποιηθεί τοπικά στους χώρους του πελάτη στην Αθήνα ή στα εταιρικά εκπαιδευτικά κέντρα της NobleProg στην Αθήνα.
Πάρτε τη Γραμμή 3 του Μετρό (Μ3) από το Αεροδρόμιο με κατεύθυνση προς Δημοτικό Θέατρο.
Κατεβείτε στον σταθμό Ευαγγελισμός.
Η διεύθυνση βρίσκεται στη Λεωφόρο Βασιλίσσης Σοφίας, πολύ κοντά στον σταθμό. Ο σταθμός Ευαγγελισμός βρίσκεται ακριβώς πάνω στη λεωφόρο.
Υπολογίστε περίπου 40–50 λεπτά συνολικά, ανάλογα με τον χρόνο αναμονής και το περπάτημα.
Από τον Κεντρικό Σιδηροδρομικό Σταθμό Αθηνών (Σταθμός Λαρίσης)
Πάρτε το μετρό προς Σύνταγμα και αλλάξτε στη Γραμμή 3 με κατεύθυνση προς Δουκίσσης Πλακεντίας/Αεροδρόμιο.
Κατεβείτε στον σταθμό Ευαγγελισμός.
Περπατήστε μέχρι τον αριθμό 46.
Με λεωφορείο
Υπάρχουν αρκετά λεωφορεία που κινούνται κατά μήκος της Λεωφόρου Βασιλίσσης Σοφίας. Κοντινές στάσεις είναι η Ρηγίλλης και το Σύνταγμα, ενώ η περιοχή του Ευαγγελισμού εξυπηρετείται από πολλές λεωφορειακές γραμμές.
Το μετρό είναι γενικά η πιο απλή επιλογή, ειδικά αν ταξιδεύετε με αποσκευές.
Αυτή η εκπαίδευση με εισηγητή, ζωντανά σε Αθήνα (διαδικτυακά ή δια ζώσης) παρέχει μια εισαγωγή στον τομέα της αναγνώρισης προτύπων και της μηχανικής μάθησης. Αγγίζει πρακτικές εφαρμογές στη στατιστική, την επιστήμη υπολογιστών, την επεξεργασία σήματος, την υπολογιστική όραση, την εξόρυξη δεδομένων και τη βιοπληροφορική.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
Να εφαρμόζουν βασικές στατιστικές μεθόδους στην αναγνώριση προτύπων.
Να χρησιμοποιούν βασικά μοντέλα όπως νευρωνικά δίκτυα και μεθόδους πυρήνα για ανάλυση δεδομένων.
Να υλοποιούν προηγμένες τεχνικές για επίλυση σύνθετων προβλημάτων.
Να βελτιώνουν την ακρίβεια πρόβλεψης συνδυάζοντας διαφορετικά μοντέλα.
