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

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
Dieser Kurs behandelt KI (Schwerpunkt Maschinelles Lernen und Deep Learning) in der Automobilindustrie Es hilft zu bestimmen, welche Technologie (potenziell) in mehreren Situationen in einem Auto verwendet werden kann: von einfacher Automatisierung, Bilderkennung bis hin zu autonomer Entscheidungsfindung .
21 hours
Overview
In diesem instruierten Live-Training erlernen die Teilnehmer fortgeschrittene Techniken für Maschinelles Lernen mit R, während sie eine Realworld-Anwendung erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verwenden Sie Techniken wie Hyperparameter-Tuning und Deep Learning Unüberwachte Lerntechniken verstehen und implementieren Erstellen Sie ein Modell für die Verwendung in einer größeren Anwendung Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
21 hours
Overview
Dieser Kurs umfasst KI (Schwerpunkt Maschinelles Lernen und Deep Learning) .
28 hours
Overview
Dieser 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 .
14 hours
Overview
Diese Schulungssitzung im Klassenzimmer enthält Präsentationen und computerbasierte Beispiele sowie Fallstudienübungen, die mit relevanten neuronalen und tiefen Netzwerkbibliotheken durchgeführt werden .
14 hours
Overview
OpenFace 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 .
7 hours
Overview
In diesem von Ausbildern geleiteten Live-Training lernen die Teilnehmer, wie man OpenNMT aufbaut und nutzt, um die Übersetzung verschiedener Beispieldatensätze durchzuführen. Der Kurs beginnt mit einem Überblick über neuronale Netzwerke, wie sie für maschinelle Übersetzungen gelten. Die Teilnehmer werden während des gesamten Kurses Live-Übungen durchführen, um ihr Verständnis der erlernten Konzepte zu demonstrieren und Feedback vom Lehrer zu erhalten.

Am Ende dieses Trainings werden die Teilnehmer über das nötige Wissen und die Praxis verfügen, um eine Live-OpenNMT-Lösung

umzusetzen.

Quell-und Zielsprachproben werden nach den

Anforderungen des Publikums & #39;.

Format der

- Teil-Vortrag, Teilbesprechung, schwere Hands-on-Praxis
14 hours
Overview
OpenNN 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.
21 hours
Overview
PaddlePaddle (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 .
21 hours
Overview
In diesem instruierten Live-Training lernen die Teilnehmer die relevantesten und fortschrittlichsten maschinellen Lerntechniken in Python kennen, während sie eine Reihe von Demo-Anwendungen mit Bild-, Musik-, Text- und Finanzdaten erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Implementieren Sie maschinelle Lernalgorithmen und Techniken zur Lösung komplexer Probleme Wenden Sie intensives Lernen und halbüberwachtes Lernen auf Anwendungen mit Bild-, Musik-, Text- und Finanzdaten an Push Python-Algorithmen auf ihr maximales Potenzial Verwenden Sie Bibliotheken und Pakete wie NumPy und Theano Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
21 hours
Overview
SINGA ist eine allgemein verbreitete Deep-Learning-Plattform zum Training großer Deep-Learning-Modelle über große Datensätze Es basiert auf einem intuitiven Programmiermodell, das auf der Ebenenabstraktion basiert Eine Vielzahl von populären Deep-Learning-Modellen wird unterstützt, und zwar Feedforward-Modelle einschließlich Convolutional Neural Networks (CNN), Energiemodelle wie Restricted Boltzmann Machine (RBM) und Recurrent Neural Networks (RNN) Viele eingebaute Schichten werden für Benutzer bereitgestellt Die SINGA-Architektur ist ausreichend flexibel, um synchrone, asynchrone und hybride Trainings-Frameworks zu betreiben SINGA unterstützt auch verschiedene neuronale Netzpartitionierungsschemata, um das Training großer Modelle zu parallelisieren, nämlich Partitionierung auf Batch-Dimension, Feature-Dimension oder Hybrid-Partitionierung Publikum Dieser Kurs richtet sich an Forscher, Ingenieure und Entwickler, die Apache SINGA als tiefgehenden Lernrahmen nutzen möchten Nach Abschluss dieses Kurses werden die Delegierten: SINGAs Struktur und Einsatzmechanismen verstehen in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen, zu überwachen in der Lage sein, fortgeschrittene Produktion wie Trainingsmodelle zu implementieren, Begriffe einzubetten, Diagramme zu erstellen und zu loggen .
14 hours
Overview
In 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 .
7 hours
Overview
Tensor2Tensor (T2T) ist eine modulare, erweiterbare Bibliothek zum Trainieren von KI-Modellen in verschiedenen Aufgaben, wobei verschiedene Arten von Trainingsdaten verwendet werden, z B: Bilderkennung, Übersetzung, Parsing, Bildunterschrift und Spracherkennung Es wird vom Google Brain-Team verwaltet In diesem instruierten Live-Training lernen die Teilnehmer, wie sie ein Deeplearning-Modell vorbereiten können, um mehrere Aufgaben zu lösen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Installieren Sie tensor2tensor, wählen Sie einen Datensatz aus und trainieren und bewerten Sie ein AI-Modell Passen Sie eine Entwicklungsumgebung mit den Tools und Komponenten von Tensor2Tensor an Erstellen und verwenden Sie ein einzelnes Modell, um gleichzeitig eine Reihe von Aufgaben aus mehreren Domänen zu lernen Verwenden Sie das Modell, um aus Aufgaben mit einer großen Menge an Trainingsdaten zu lernen, und wenden Sie dieses Wissen auf Aufgaben an, bei denen Daten begrenzt sind Erzielen Sie zufriedenstellende Verarbeitungsergebnisse mit einer einzelnen GPU Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
7 hours
Overview
TensorFlow Serving ist ein System, mit dem Machine-Learning-Modelle (ML) in der Produktion eingesetzt werden können In diesem instruierten Live-Training lernen die Teilnehmer, wie sie TensorFlow Serving konfigurieren und einsetzen, um ML-Modelle in einer Produktionsumgebung bereitzustellen und zu verwalten Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Trainieren, exportieren und bedienen Sie verschiedene TensorFlow-Modelle Testen und implementieren Sie Algorithmen mithilfe einer einzigen Architektur und einer Reihe von APIs Erweitern Sie TensorFlow Serving, um andere Arten von Modellen als TensorFlow-Modelle zu bedienen Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
21 hours
Overview
TensorFlow ist eine 2nd Generation API von Googles Open Source Software Library für Deep Learning Das System wurde entwickelt, um die maschinelle Lernforschung zu erleichtern und den Übergang vom Forschungsprototyp zum Produktionssystem schnell und einfach zu gestalten Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning-Projekte einsetzen möchten Nach Abschluss dieses Kurses werden die Delegierten: verstehen TensorFlows Struktur und Einsatzmechanismen in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen, zu überwachen in der Lage sein, fortgeschrittene Produktion wie Trainingsmodelle, Erstellung von Graphen und Protokollierung zu implementieren .
28 hours
Overview
Dieser Kurs untersucht anhand konkreter Beispiele die Anwendung von Tensor Flow für die Zwecke der Bilderkennung Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für die Bilderkennung einsetzen möchten Nach Abschluss dieses Kurses können die Delegierten: verstehen TensorFlows Struktur und Einsatzmechanismen Ausführen von Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen bewerten Sie die Codequalität, führen Sie Debugging durch, überwachen Sie implementieren fortschrittliche Produktion wie Trainingsmodelle, Erstellen von Grafiken und Protokollierung .
21 hours
Overview
Torch ist eine Open-Source-Bibliothek zum maschinellen Lernen und ein Framework für wissenschaftliches Rechnen, das auf der Lua-Programmiersprache basiert Es bietet eine Entwicklungsumgebung für Numerik, maschinelles Lernen und Computer Vision, mit besonderem Schwerpunkt auf Deep Learning und Convolutional Networks Es ist eines der schnellsten und flexibelsten Frameworks für Machine and Deep Learning und wird von Unternehmen wie Facebook, Google, Twitter, NVIDIA, AMD, Intel und vielen anderen genutzt In diesem Kurs behandeln wir die Prinzipien von Torch, seine einzigartigen Eigenschaften und wie es in realen Anwendungen angewendet werden kann Wir durchlaufen durchgehend zahlreiche Hands-on-Übungen, demonstrieren und üben die erlernten Konzepte Am Ende des Kurses werden die Teilnehmer ein tiefgehendes Verständnis der zugrunde liegenden Features und Fähigkeiten von Torch sowie seiner Rolle und seines Beitrags innerhalb des KI-Bereichs im Vergleich zu anderen Frameworks und Bibliotheken haben Die Teilnehmer haben auch die notwendige Praxis erhalten, um Torch in ihren eigenen Projekten zu implementieren Publikum Softwareentwickler und Programmierer, die Machine and Deep Learning innerhalb ihrer Anwendungen ermöglichen wollen Format des Kurses Überblick über Maschinen- und Deep Learning Inclass Codierungs- und Integrationsübungen Testfragen, die auf dem Weg verteilt wurden, um das Verständnis zu überprüfen .
7 hours
Overview
Die Tensor Processing Unit (TPU) ist die Architektur, die Google seit einigen Jahren intern nutzt und nun für die breite Öffentlichkeit verfügbar ist Es enthält mehrere Optimierungen speziell für die Verwendung in neuronalen Netzen, einschließlich einer gestrafften Matrixmultiplikation und 8-Bit-Ganzzahlen anstelle von 16-Bit, um geeignete Genauigkeitsniveaus zu erhalten In diesem instruierten Live-Training lernen die Teilnehmer, wie sie die Vorteile von TPU-Prozessoren nutzen können, um die Leistung ihrer eigenen KI-Anwendungen zu maximieren Am Ende des Trainings werden die Teilnehmer in der Lage sein: Trainieren Sie verschiedene Arten von neuronalen Netzwerken auf großen Datenmengen Verwenden Sie TPUs, um den Inferenzprozess um bis zu zwei Größenordnungen zu beschleunigen Verwenden Sie TPUs, um intensive Anwendungen wie Bildsuche, Cloud Vision und Fotos zu verarbeiten Publikum Entwickler Forscher Ingenieure Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
35 hours
Overview
TensorFlow ™ ist eine Open-Source-Softwarebibliothek für numerische Berechnungen mit Datenflussdiagrammen SyntaxNet ist ein NeuralNetwork Natural Language Processing Framework für TensorFlow Word2Vec wird zum Lernen von Vektordarstellungen von Wörtern verwendet, die "Worteinbettungen" genannt werden Word2vec ist ein besonders recheneffizientes Vorhersagemodell für das Einlernen von Worteinbettungen aus Rohtext Es gibt zwei Varianten, das Continuous BagofWords-Modell (CBOW) und das SkipGram-Modell (Kapitel 31 und 32 in Mikolov et al) In Verbindung mit SyntaxNet und Word2Vec können Benutzer Learned Embedding-Modelle aus Natural Language-Eingaben generieren Publikum Dieser Kurs richtet sich an Entwickler und Ingenieure, die mit SyntaxNet- und Word2Vec-Modellen in ihren TensorFlow-Diagrammen arbeiten möchten Nach Abschluss dieses Kurses werden die Delegierten: verstehen TensorFlows Struktur und Einsatzmechanismen in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen, zu überwachen in der Lage sein, fortgeschrittene Produktion wie Trainingsmodelle zu implementieren, Begriffe einzubetten, Diagramme zu erstellen und zu loggen .
35 hours
Overview
Dieser Kurs beginnt mit konzeptuellem Wissen in neuronalen Netzen und allgemein im maschinellen Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen) Teil 1 (40%) dieses Trainings konzentriert sich mehr auf die Grundlagen, hilft Ihnen aber bei der Auswahl der richtigen Technologie: TensorFlow, Caffe, Theano, DeepDrive, Keras usw Teil 2 (20%) dieser Schulung stellt Theano eine Python-Bibliothek vor, die das Schreiben von Deep-Learning-Modellen erleichtert Teil 3 (40%) des Trainings würde weitgehend auf der Tensorflow 2nd Generation API der Open-Source-Software-Bibliothek von Google für Deep Learning basieren Die Beispiele und Handsons würden alle in TensorFlow gemacht werden Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning-Projekte einsetzen möchten Nach Abschluss dieses Kurses werden die Delegierten: habe ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN verstehen TensorFlows Struktur und Einsatzmechanismen in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen, zu überwachen in der Lage sein, fortgeschrittene Produktion wie Trainingsmodelle, Erstellung von Graphen und Protokollierung zu implementieren Aufgrund der Weite des Themas würden nicht alle Themen in einem öffentlichen Klassenzimmer mit einer Dauer von 35 Stunden behandelt Die Dauer des gesamten Kurses beträgt ca 70 Stunden und nicht 35 Stunden .
21 hours
Overview
Microsoft 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 .
21 hours
Overview
Typ: 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 .
21 hours
Overview
Das 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.
28 hours
Overview
Maschinelles 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 .
28 hours
Overview
This 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.
21 hours
Overview
Das 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.
21 hours
Overview
Caffe 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 .
21 hours
Overview
Dieser 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.
21 hours
Overview
Deeplearning4j ist die erste kommerzielle Open Source-Bibliothek für Java und Scala In Verbindung mit Hadoop und Spark wurde DL4J für den Einsatz in Geschäftsumgebungen mit verteilten GPUs und CPUs entwickelt Publikum Dieser Kurs richtet sich an Ingenieure und Entwickler, die Deeplearning4j in ihren Projekten einsetzen möchten Nach diesem Kurs werden die Delegierten in der Lage sein: .
21 hours
Overview
Deeplearning4j ist eine OpenSource DeepLearning Software für Java und Scala auf Hadoop und Spark Publikum Dieser Kurs richtet sich an Ingenieure und Entwickler, die DeepLearning4J für ihre Bilderkennungsprojekte einsetzen möchten .

Zukünftige Deep Learning Kurse

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

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 Austria!

As a Business Development Manager you will:

  • expand business in Austria
  • 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!