Deep Learning Schulungen

Deep Learning Schulungen

Lokale, instruktorierte Live-Deep-Learning (DL) -Trainings demonstrieren durch praktische Übungen die Grundlagen und Anwendungen von Deep Learning und decken Themen wie tiefes maschinelles Lernen, tiefgründiges strukturiertes Lernen und hierarchisches Lernen ab Deep Learning Training ist als "Live-Training vor Ort" oder "Remote-Live-Training" verfügbar Onsite Live Training kann vor Ort bei Kunden durchgeführt werden Österreich oder in NobleProg Corporate Trainingszentren in Österreich Remote-Live-Training wird über einen interaktiven Remote-Desktop durchgeführt NobleProg Ihr lokaler Trainingsanbieter.

Erfahrungsberichte

★★★★★
★★★★★

Deep Learning Unterkategorien

Deep Learning Kurspläne

CodeNameDauerÜbersicht
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 StundenDas künstliche neuronale Netzwerk ist ein computergestütztes Datenmodell, das bei der Entwicklung von Systemen für künstliche Intelligenz (KI) verwendet wird, die "intelligente" Aufgaben ausführen können. Neuronale Netze werden häufig in Machine Learning (ML) -Anwendungen verwendet, die selbst eine Implementierung von AI sind. Deep Learning ist eine Teilmenge von ML.
embeddingprojectorEmbedding Projector: Visualizing Your Training Data14 StundenEmbedding Projector ist eine Open-Source-Webanwendung zur Visualisierung der Daten, die zum Trainieren von maschinellen Lernsystemen verwendet werden Erstellt von Google, ist es ein Teil von TensorFlow Dieses instruierte Live-Training stellt die Konzepte hinter Embedding Projector vor und führt die Teilnehmer durch die Einrichtung eines Demo-Projekts Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Erfahren Sie, wie Daten von maschinellen Lernmodellen interpretiert werden Navigieren Sie durch 3D- und 2D-Ansichten von Daten, um zu verstehen, wie ein maschineller Lernalgorithmus sie interpretiert Verstehen Sie die Konzepte hinter Embedding und ihre Rolle bei der Darstellung mathematischer Vektoren für Bilder, Wörter und Zahlen Erkunden Sie die Eigenschaften einer bestimmten Einbettung, um das Verhalten eines Modells zu verstehen Wenden Sie Embedding Project auf reale Anwendungsfälle an, wie zum Beispiel das Erstellen eines Song-Empfehlungssystems für Musikliebhaber Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
OpenNNOpenNN: Implementing Neural Networks14 StundenOpenNN ist eine in C ++ geschriebene Open-Source-Klassenbibliothek, die neuronale Netzwerke für maschinelles Lernen implementiert.

In diesem Kurs gehen wir auf die Prinzipien neuronaler Netzwerke ein und verwenden OpenNN, um eine Beispielanwendung zu implementieren.

Publikum
Softwareentwickler und Programmierer, die Deep-Learning-Anwendungen erstellen möchten.

Format des Kurses
Vortrag und Diskussion, begleitet von praktischen Übungen.
opennmtOpenNMT: Setting Up a Neural Machine Translation System7 StundenOpenNMT ist ein Fullfeatured, Opensource (MIT) neuronales Maschinenübersetzungssystem, das das mathematische Toolkit Torch verwendet In diesem Training lernen die Teilnehmer, wie OpenNMT eingerichtet und verwendet wird, um verschiedene Beispieldatensätze zu übersetzen Der Kurs beginnt mit einem Überblick über neuronale Netze, wie sie für die maschinelle Übersetzung gelten Die Teilnehmer führen während des Kurses Live-Übungen durch, um ihr Verständnis der erlernten Konzepte zu demonstrieren und Feedback vom Kursleiter zu erhalten Am Ende dieser Schulung haben die Teilnehmer das Wissen und die Praxis, um eine Live-OpenNMT-Lösung zu implementieren Quell- und Zielsprachmuster werden entsprechend den Anforderungen der Zielgruppe vorbereitet Publikum Lokalisierungsspezialisten mit technischem Hintergrund Globale Content-Manager Lokalisierungsingenieure Softwareentwickler, die für die Implementierung globaler Content-Lösungen verantwortlich sind Format des Kurses Teilvorlesung, Teildiskussion, schwere Handson-Praxis .
openfaceOpenFace: Creating Facial Recognition Systems14 StundenOpenFace ist Python und Torch-basierte Echtzeit-Gesichtserkennungssoftware, die auf der FaceNet-Forschung von Google basiert In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe der OpenFace-Komponenten eine Musteranwendung für die Gesichtserkennung erstellen und bereitstellen können Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Arbeiten Sie mit OpenFace-Komponenten, einschließlich dlib, OpenVC, Torch und nn4, um Gesichtserkennung, Ausrichtung und Transformation zu implementieren Wenden Sie OpenFace auf Realworld-Anwendungen wie Überwachung, Identitätsüberprüfung, Virtual Reality, Spiele und Identifizierung von Stammkunden usw an Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
Nue_LBGNeural computing – Data science14 StundenDiese Schulungssitzung im Klassenzimmer enthält Präsentationen und computerbasierte Beispiele sowie Fallstudienübungen, die mit relevanten neuronalen und tiefen Netzwerkbibliotheken durchgeführt werden .
NeuralnettfNeural Networks Fundamentals using TensorFlow as Example28 StundenDieser Kurs vermittelt Ihnen Kenntnisse in neuronalen Netzen und allgemein im maschinellen Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen) Dieses Training konzentriert sich mehr auf die Grundlagen, hilft Ihnen aber bei der Auswahl der richtigen Technologie: TensorFlow, Caffe, Teano, DeepDrive, Keras usw Die Beispiele werden in TensorFlow erstellt .
mlentreMachine Learning Concepts for Entrepreneurs and Managers21 StundenDieser Kurs richtet sich an Personen, die Machine Learning in praktischen Anwendungen für ihr Team anwenden möchten Das Training wird nicht in technische Details eintauchen und sich um grundlegende Konzepte und geschäftliche / operative Anwendungen derselben drehen Zielgruppe Investoren und KI-Unternehmer Manager und Ingenieure, deren Unternehmen in den KI-Bereich vorstößt Business Analysten & Investoren .
mldtMachine Learning and Deep Learning21 StundenDieser Kurs umfasst KI (Schwerpunkt Maschinelles Lernen und Deep Learning) .
mlbankingpython_Machine Learning for Banking (with Python)21 StundenMaschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Python ist eine Programmiersprache, die für ihre klare Syntax und Lesbarkeit bekannt ist Es bietet eine hervorragende Sammlung von gut getesteten Bibliotheken und Techniken zur Entwicklung von maschinellen Lernanwendungen In diesem instruierten Live-Training werden die Teilnehmer lernen, Techniken und Werkzeuge des maschinellen Lernens anzuwenden, um reale Probleme in der Bankenbranche zu lösen Die Teilnehmer lernen zunächst die Schlüsselprinzipien kennen und setzen ihr Wissen dann in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen aufbauen und damit eine Reihe von Teamprojekten durchführen Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 StundenMicrosoft Cognitive Toolkit 2x (früher CNTK) ist ein Open Source-Toolkit für den kommerziellen Einsatz, das tiefgreifende Lernalgorithmen zum Lernen wie das menschliche Gehirn trainiert Laut Microsoft kann CNTK 510x schneller als TensorFlow in wiederkehrenden Netzwerken und 2- bis 3-mal schneller als TensorFlow für bildbezogene Tasks sein In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von Microsoft Cognitive Toolkit tiefgreifende Lernalgorithmen für kommerzielle AI-Anwendungen erstellen, trainieren und auswerten, die verschiedene Arten von Daten wie Daten, Sprache, Text und Bilder umfassen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Greifen Sie aus einem Python-, C # - oder C ++ - Programm heraus auf CNTK als Bibliothek zu Nutzen Sie CNTK als eigenständiges Machine Learning Tool durch eine eigene Modellbeschreibungssprache (BrainScript) Verwenden Sie die CNTK-Modellbewertungsfunktionalität aus einem Java-Programm Kombinieren von Feedforward-DNNs, Faltungsnetzwerken (CNNs) und wiederkehrenden Netzwerken (RNNs / LSTMs) Skalieren Sie die Rechenkapazität für CPUs, GPUs und mehrere Maschinen Greifen Sie auf riesige Datensätze mit vorhandenen Programmiersprachen und Algorithmen zu Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Wenn Sie einen Teil dieses Trainings anpassen möchten, einschließlich der Programmiersprache Ihrer Wahl, kontaktieren Sie uns bitte, um dies zu arrangieren .
matlabdlMatlab for Deep Learning14 StundenIn diesem instruierten Live-Training lernen die Teilnehmer, wie sie mit Matlab ein konvolutionelles neuronales Netzwerk für die Bilderkennung entwerfen, aufbauen und visualisieren können Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Erstellen Sie ein tiefes Lernmodell Automatisieren Sie die Datenbeschriftung Arbeiten Sie mit Modellen von Caffe und TensorFlowKeras Trainieren Sie Daten mit mehreren GPUs, der Cloud oder den Clustern Publikum Entwickler Ingenieure Domain-Experten Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
intrdplrngrsneuingIntroduction Deep Learning & Neural Networks for Engineers21 StundenTyp: Theoretische Ausbildung mit Bewerbungen, die mit den Studenten auf Lasagne oder Keras nach der pädagogischen Gruppe flussaufwärts entschieden wurden Lehrmethode: Präsentation, Austausch und Fallstudien Künstliche Intelligenz, nachdem sie viele wissenschaftliche Felder zerstört hatte, revolutionierte eine große Anzahl von Wirtschaftszweigen (Industrie, Medizin, Kommunikation usw) Dennoch ist seine Präsentation in den großen Medien oft eine Fantasie, sehr weit entfernt von den Bereichen, in denen maschinelles Lernen oder tiefes Lernen tatsächlich stattfindet Das Ziel dieser Schulung ist es, Ingenieuren, die bereits Computerwerkzeuge beherrschen (einschließlich einer Software-Programmierbasis), eine Einführung in Deep Learning und seine verschiedenen Spezialisierungsbereiche und damit zu den wichtigsten existierenden Netzwerkarchitekturen zu geben heute Wenn die mathematischen Grundlagen während des Kurses abgerufen werden, wird ein Niveau der Mathematik des Typs BAC + 2 für mehr Komfort empfohlen Es ist absolut möglich, die mathematische Achse zu überspringen, um nur eine "System" -Vision zu behalten, aber dieser Ansatz wird Ihr Verständnis des Themas enorm einschränken .
facebooknmtFacebook NMT: Setting up a Neural Machine Translation System7 StundenFairseq ist ein von Facebok entwickeltes OpenSource Sequenzsequenz-Lern-Toolkit für den Einsatz in Neural Machine Translation (NMT) In diesem Training lernen die Teilnehmer, wie man mit Fairseq den Sample-Inhalt übersetzt Am Ende dieser Schulung haben die Teilnehmer das Wissen und die Praxis, um eine Live-basierte maschinelle Übersetzungslösung auf Fairseq-Basis zu implementieren Publikum Lokalisierungsspezialisten mit technischem Hintergrund Globale Content-Manager Lokalisierungsingenieure Softwareentwickler, die für die Implementierung globaler Content-Lösungen verantwortlich sind Format des Kurses Teilvorlesung, Teildiskussion, schwere Handson-Praxis Hinweis Wenn Sie bestimmte Inhalte in der Ausgangs- und Zielsprache verwenden möchten, kontaktieren Sie uns bitte, um dies zu arrangieren .
dsstneAmazon DSSTNE: Build a Recommendation System7 StundenAmazon DSSTNE ist eine OpenSource-Bibliothek zum Trainieren und Implementieren von Empfehlungsmodellen Damit können Modelle mit Gewichtsmatrizen, die für eine einzelne GPU zu groß sind, auf einem einzelnen Host trainiert werden In diesem instruierten Live-Training lernen die Teilnehmer, wie DSSTNE zum Erstellen einer Empfehlungsanwendung verwendet werden kann Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Trainieren Sie ein Empfehlungsmodell mit sparse Datensätzen als Eingabe Skalieren Sie Trainings- und Vorhersagemodelle über mehrere GPUs Verteilen Sie Berechnung und Speicherung modellparallel Generieren Sie amazonike personalisierte Produktempfehlungen Stellen Sie eine produktionsbereite Anwendung bereit, die bei hohen Arbeitslasten skaliert werden kann Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
appaiApplied AI from Scratch28 StundenThis is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
drlpythonDeep Reinforcement Learning with Python21 StundenDeep Reinforcement Learning bezieht sich auf die Fähigkeit eines "künstlichen Agenten", durch Trialander- und Belohnungs- und Punishment-Techniken zu lernen Ein künstlicher Agent zielt darauf ab, die Fähigkeit eines Menschen zu simulieren, Wissen direkt aus rohen Inputs wie Vision zu gewinnen und zu konstruieren Um verstärktes Lernen zu realisieren, werden Deep Learning und neuronale Netze eingesetzt Verstärkungslernen unterscheidet sich vom maschinellen Lernen und beruht nicht auf überwachten und unüberwachten Lernansätzen In diesem instruierten Live-Training lernen die Teilnehmer die Grundlagen von Deep Reinforcement Learning kennen, während sie die Entwicklung eines Deep Learning Agents durchlaufen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die Schlüsselkonzepte von Deep Reinforcement Learning und können Sie diese von Machine Learning unterscheiden Wenden Sie fortschrittliche Reinforcement-Learning-Algorithmen an, um reale Probleme zu lösen Baue einen Deep Learning-Agenten Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlvDeep Learning for Vision21 StundenPublikum Dieser Kurs ist geeignet für Deep Learning-Forscher und Ingenieure, die daran interessiert sind, verfügbare Tools (meist Open Source) zur Analyse von Computerbildern zu nutzen Dieser Kurs bietet Arbeitsbeispiele .
dlfortelecomwithpythonDeep Learning for Telecom (with Python)28 StundenMachine 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 telecom 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 telecom
- Use Python, Keras, and TensorFlow to create deep learning models for telecom
- Build their own deep learning customer churn prediction model using Python

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
dlfornlpDeep Learning for NLP (Natural Language Processing)28 StundenDeep Learning für NLP ermöglicht es einer Maschine, einfache bis komplexe Sprachverarbeitung zu erlernen Zu den derzeit möglichen Aufgaben gehören die Übersetzung von Sprachen und die Erstellung von Bildunterschriften für Fotos DL (Deep Learning) ist eine Teilmenge von ML (Machine Learning) Python ist eine beliebte Programmiersprache, die Bibliotheken für Deep Learning für NLP enthält In diesem instruierten Live-Training lernen die Teilnehmer, Python-Bibliotheken für NLP (Natural Language Processing) zu verwenden, während sie eine Anwendung erstellen, die eine Reihe von Bildern verarbeitet und Untertitel generiert Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Entwerfen und kodieren Sie DL für NLP mit Python-Bibliotheken Erstellen Sie Python-Code, der eine im Wesentlichen große Sammlung von Bildern liest und Schlüsselwörter generiert Erstellen Sie Python-Code, der Untertitel aus den erkannten Keywords generiert Publikum Programmierer mit Interesse an Linguistik Programmierer, die ein Verständnis für NLP (Natural Language Processing) suchen Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlformedicineDeep Learning for Medicine14 StundenMaschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Deep Learning ist ein Teilgebiet des maschinellen Lernens, das versucht, die Funktionsweise des menschlichen Gehirns bei Entscheidungen zu imitieren Es wird mit Daten trainiert, um automatisch Lösungen für Probleme bereitzustellen Deep Learning bietet enorme Möglichkeiten für die medizinische Industrie, die auf einer Datengoldmine sitzt In diesem instruierten, Live-Training werden die Teilnehmer Nehmen Sie an einer Reihe von Diskussionen, Übungen und Fallstudien teil, um die Grundlagen des Deep Learning zu verstehen Die wichtigsten Deep-Learning-Tools und -Techniken werden evaluiert und Übungen durchgeführt, um die Teilnehmer auf die Durchführung ihrer eigenen Evaluation und Implementierung von Deep Learning-Lösungen in ihren Organisationen vorzubereiten Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die Grundlagen von Deep Learning Lernen Sie Deep Learning-Techniken und ihre Anwendungen in der Industrie Untersuchen Sie Probleme in der Medizin, die durch Deep Learning-Technologien gelöst werden können Erkunden Sie Fallstudien zum Thema Deep Learning in der Medizin Formulieren Sie eine Strategie für die Übernahme der neuesten Technologien im Deep Learning zur Lösung von Problemen in der Medizin Publikum Manager Mediziner in Führungsrollen Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um zu vereinbaren .
dlforfinancewithpythonDeep Learning for Finance (with Python)28 StundenMaschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren Python ist eine Programmiersprache auf hohem Niveau, die für ihre klare Syntax und Lesbarkeit des Codes bekannt ist In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von Python tiefe Lernmodelle für das Finanzwesen implementieren können, während sie ein Modell für eine tief gehende Aktienkursvorhersage entwickeln Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des Deep Learning Lernen Sie die Anwendungen und Anwendungen von Deep Learning im Finanzwesen Verwenden Sie Python, Keras und TensorFlow, um tiefgründige Lernmodelle für das Finanzwesen zu erstellen Erstellen Sie mit Python ein eigenes Deep Learning-Kursmodell Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlforbankingwithrDeep Learning for Banking (with R)28 StundenMaschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren R ist eine populäre Programmiersprache in der Finanzindustrie Es wird in Finanzanwendungen verwendet, die von Kernhandelsprogrammen bis zu Risikomanagementsystemen reichen In diesem instruierten Live-Training lernen die Teilnehmer, wie sie tiefe Lernmodelle für das Banking mit R implementieren können, während sie ein kreatives Kreditrisiko-Modell entwickeln Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des Deep Learning Lernen Sie die Anwendungen und Anwendungen von Deep Learning im Banking kennen Verwenden Sie R, um Deep-Learning-Modelle für das Banking zu erstellen Erstellen Sie ein eigenes Deep-Learning-Kreditrisikomodell mit R Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlforbankingwithpythonDeep Learning for Banking (with Python)28 StundenMaschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren Python ist eine Programmiersprache auf hohem Niveau, die für ihre klare Syntax und Lesbarkeit des Codes bekannt ist In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von Python tiefe Lernmodelle für das Bankwesen implementieren, während sie ein kreatives Kreditrisiko-Modell entwickeln Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des Deep Learning Lernen Sie die Anwendungen und Anwendungen von Deep Learning im Banking kennen Verwenden Sie Python, Keras und TensorFlow, um Deep-Learning-Modelle für das Banking zu erstellen Erstellen Sie mit Python ein eigenes Deep-Learning-Kreditrisikomodell Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
dlfinancewithrDeep Learning for Finance (with R)28 StundenMaschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren R ist eine populäre Programmiersprache in der Finanzindustrie Es wird in Finanzanwendungen verwendet, die von Kernhandelsprogrammen bis zu Risikomanagementsystemen reichen In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von R Deep Learning-Modelle für das Finanzwesen implementieren können, während sie die Erstellung eines Deep Learning-Kursmodells für die Kursentwicklung durchlaufen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die grundlegenden Konzepte des Deep Learning Lernen Sie die Anwendungen und Anwendungen von Deep Learning im Finanzwesen Verwenden Sie R, um Deep Learning-Modelle für das Finanzwesen zu erstellen Erstellen Sie ein eigenes Deep-Learning-Kurs-Vorhersage-Modell mit R Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21 StundenEinführung : Deep Learning wird zu einer Hauptkomponente zukünftiger Produktdesigns, die künstliche Intelligenz in das Herz ihrer Modelle integrieren wollen Innerhalb der nächsten 5 bis 10 Jahre werden Deep Learning- Entwicklungstools, Bibliotheken und Sprachen zu Standardkomponenten jedes Softwareentwicklungs-Toolkits Bisher haben Google, Sales Force, Facebook, Amazon erfolgreich tiefgehende KI eingesetzt, um ihr Geschäft zu verbessern Die Anwendungen reichten von automatischer Maschinenübersetzung, Bildanalyse, Videoanalyse, Bewegungsanalyse, Generierung gezielter Werbung und vielem mehr Diese Kursarbeit richtet sich an Organisationen, die Deep Learning als einen sehr wichtigen Teil ihrer Produkt- oder Servicestrategie einbeziehen möchten Im Folgenden finden Sie einen Überblick über den Deep Learning-Kurs, den wir für verschiedene Ebenen von Mitarbeitern / Stakeholdern in einer Organisation anpassen können Zielgruppe: (Abhängig von der Zielgruppe werden Kursmaterialien angepasst) Führungskräfte Ein allgemeiner Überblick über KI und wie sie in die Unternehmensstrategie passt, mit Breakout-Sitzungen zu strategischer Planung, Technologie-Roadmaps und Ressourcenzuweisung, um maximalen Wert zu gewährleisten Projektmanager Wie man ein AI-Projekt plant, einschließlich Datensammlung und -auswertung, Datenbereinigung und -verifizierung, Entwicklung eines Proof of Concept-Modells, Integration in Geschäftsprozesse und Lieferung im gesamten Unternehmen Entwickler Indepth technical trainings, mit Fokus auf neuronale Netzwerke und Deep Learning, Bild- und Videoanalyse (CNN), Sound- und Textanalyse (NLP), und KI in bestehende Anwendungen bringen Verkäufer Ein allgemeiner Überblick über KI und wie sie Kundenbedürfnisse befriedigen kann, Wertvorschläge für verschiedene Produkte und Dienstleistungen und wie man Ängste lindert und die Vorteile von KI fördert .
dladvAdvanced Deep Learning28 StundenMaschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Methoden verwendet, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren .
deeplearning1Introduction to Deep Learning21 StundenDieser Kurs bietet einen allgemeinen Überblick über Deep Learning, ohne dabei auf bestimmte Methoden einzugehen. Es eignet sich für Personen, die Deep Learning nutzen möchten, um ihre Vorhersagegenauigkeit zu verbessern.
caffeDeep Learning for Vision with Caffe21 StundenCaffe ist ein tiefgründiger Lernrahmen, der Ausdruck, Schnelligkeit und Modularität bietet Dieser Kurs untersucht die Anwendung von Caffe als Deep-Learning-Framework für die Bilderkennung am Beispiel von MNIST Publikum Dieser Kurs eignet sich für Deep Learning-Forscher und Ingenieure, die Caffe als Framework nutzen möchten Nach Abschluss dieses Kurses können die Delegierten: verstehe Caffes Struktur und Einsatzmechanismen Ausführen von Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen bewerten Sie die Codequalität, führen Sie Debugging durch, überwachen Sie Implementierung fortgeschrittener Produktion wie Trainingsmodelle, Implementierung von Layern und Protokollierung .
PaddlePaddlePaddlePaddle21 StundenPaddlePaddle (PArallel Distributed Deep LEarning) ist eine von Baidu entwickelte skalierbare Deep-Learning-Plattform In diesem instruierten Live-Training lernen die Teilnehmer, PaddlePaddle zu verwenden, um tiefes Lernen in ihren Produkt- und Serviceanwendungen zu ermöglichen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Richten Sie PaddlePaddle ein und konfigurieren Sie es Richten Sie ein Convolutional Neural Network (CNN) für die Bilderkennung und Objekterkennung ein Richten Sie ein Recurrent Neural Network (RNN) für die Stimmungsanalyse ein Richten Sie Deep Learning auf Empfehlungssystemen ein, damit Benutzer Antworten finden können Klickraten (Click-through-Rate - CTR) vorhersagen, großformatige Bildsätze klassifizieren, optische Zeichenerkennung (OCR) durchführen, Suchanfragen einordnen, Computerviren erkennen und ein Empfehlungssystem implementieren Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Zukünftige Deep Learning Kurse

CourseSchulungsdatumKurspreis (Fernkurs / Schulungsraum)
Deep Learning for Medicine - GrazMi, 2018-11-28 09:303500EUR / 4000EUR
Deep Learning for Medicine - WienMi, 2018-12-05 09:303500EUR / 4000EUR
Deep Learning for Medicine - InnsbruckMo, 2018-12-10 09:303500EUR / 4000EUR
Deep Learning for Medicine - SalzburgMi, 2018-12-19 09:303500EUR / 4000EUR
Deep Learning for Medicine - LinzDo, 2019-01-03 09:303500EUR / 4000EUR
Deep Learning Schulung, Deep Learning boot camp, Deep Learning Abendkurse, Deep Learning Wochenendkurse, Deep Learning Kurs, Deep Learning Training, Deep Learning Seminar, Deep Learning Seminare, Deep Learning Privatkurs, Deep Learning Coaching, Deep Learning Lehrer

Sonderangebote

CourseOrtSchulungsdatumKurspreis (Fernkurs / Schulungsraum)
System Engineering using SysML and UML 2Frankfurt am MainMo, 2018-11-19 09:305198EUR / 5998EUR
Managing Configuration with AnsibleFrankfurt am MainMi, 2018-11-21 09:304455EUR / 5255EUR
Git for UsersBernDo, 2018-11-22 09:301350EUR / 1700EUR
IoT ( Internet of Things) for Entrepreneurs, Managers and InvestorsGrazMo, 2018-12-03 09:30N/A / 5375EUR
Python Programming for FinanceBerlin Mo, 2018-12-03 09:307875EUR / 9075EUR
Hadoop AdministrationLinzDi, 2018-12-04 09:304050EUR / 4700EUR
OCEB2 OMG Certified Expert in BPM - Fundamental Exam PreparationErfurtMi, 2018-12-19 09:306300EUR / 7300EUR
Advanced RSalzburgDo, 2019-01-31 09:301575EUR / 1925EUR
IoT: Build an IoT Application with ThingWorxBernMi, 2019-03-06 09:302700EUR / 3200EUR
Ripple for Financial ManagersLeipzigFr, 2019-03-15 09:301350EUR / 1750EUR
Matlab for Prescriptive AnalyticsGrazDo, 2019-04-25 09:303150EUR / 3650EUR
Comprehensive BPMN 2 - From Analysis to ExecutionBernMo, 2019-04-29 09:307875EUR / 8825EUR
NLP: Natural Language Processing with RBernMo, 2019-05-20 09:304725EUR / 5375EUR

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.

EINIGE UNSERER KUNDEN

is growing fast!

We are looking to expand our presence in Germany!

As a Business Development Manager you will:

  • expand business in Germany
  • 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.

contact us right away!