Cursos de Aprendizaje Automático | Cursos de Machine Learning
Los cursos de capacitación locales, dirigidos por un instructor en vivo (ML), demuestran a través de la práctica cómo aplicar técnicas de aprendizaje de máquinas y herramientas para resolver problemas del mundo real en diversas industrias. Los cursos de NobleProg ML cubren diferentes lenguajes y frameworks de programación, incluyendo Python, R Language y MATLAB. Se ofrecen cursos de aprendizaje de máquinas para varias aplicaciones de la industria, incluyendo finanzas, banca y seguros y cubren los fundamentos del aprendizaje de máquinas, así como enfoques más avanzados como el aprendizaje profundo.
El entrenamiento de aprendizaje en máquina está disponible como "entrenamiento en vivo en el sitio" o "entrenamiento en vivo remoto". El entrenamiento en vivo se puede realizar localmente en las instalaciones del cliente en Guatemala o en los centros de entrenamiento corporativos de NobleProg en Guatemala. El entrenamiento remoto en vivo se lleva a cabo por medio de un escritorio remoto interactivo.
NobleProg--su proveedor de capacitación local
Machine Translated
Testimonios
★★★★★
★★★★★
El material de referencia para usar más tarde fue muy bueno.
PAUL BEALES- Seagate Technology.
Curso: Aprendizaje Automático Aplicado
Machine Translated
¿Qué es lo que más te gustó de la capacitación ?: Me brindó una buena práctica con el uso de R para construir sistemas de aprendizaje automático para situaciones reales. Puedo usar esto en mi trabajo de inmediato. Este fue un excelente curso. Uno de los mejores que he tenido.
Matthew Thomas - British Telecom
Curso: Aprendizaje Automático Aplicado
Machine Translated
Fue muy interactivo y más relajado e informal de lo esperado. Cubrimos muchos temas en el tiempo y el capacitador siempre estuvo receptivo a hablar más en detalle o, más en general, sobre los temas y cómo se relacionaban. Siento que la capacitación me ha dado las herramientas para seguir aprendiendo en lugar de que sea una sola sesión donde el aprendizaje se detiene una vez que has terminado, lo cual es muy importante dada la escala y la complejidad del tema.
Jonathan Blease
Curso: Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo
Machine Translated
El capacitador estaba tan bien informado e incluyó áreas en las que estaba interesado.
Mohamed Salama
Curso: Minería de Datos y Aprendizaje Automático con R
Machine Translated
El tema es muy interesante.
Wojciech Baranowski
Curso: Introducción al Aprendizaje Profundo
Machine Translated
Los formadores teóricos del conocimiento y la voluntad de resolver los problemas con los participantes después de la capacitación.
Grzegorz Mianowski
Curso: Introducción al Aprendizaje Profundo
Machine Translated
Tema. ¡Muy interesante!.
Piotr
Curso: Introducción al Aprendizaje Profundo
Machine Translated
Los ejercicios después de cada tema fueron realmente útiles, a pesar de que al final eran demasiado complicados. ¡En general, el material presentado fue muy interesante y envolvente! Los ejercicios con reconocimiento de imágenes fueron geniales.
Dolby Poland Sp. z o.o.
Curso: Introducción al Aprendizaje Profundo
Machine Translated
Creo que si el entrenamiento se hiciera en polaco, le permitiría al formador compartir su conocimiento de manera más eficiente.
El tema. Parecía interesante, pero me fui sabiendo no mucho más que antes.
Radoslaw Labedzki
Curso: Introducción al Aprendizaje Profundo
Machine Translated
Me gustó que este curso tuviera un tema muy interesante.
Wojciech Wilk
Curso: Introducción al Aprendizaje Profundo
Machine Translated
Realmente aprecié las respuestas claras y claras de Chris a nuestras preguntas.
Léo Dubus
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Machine Translated
En general, disfruté el entrenador experto.
Sridhar Voorakkara
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Machine Translated
Me sorprendió el estándar de esta clase, diría que era el estándar de la universidad.
David Relihan
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Machine Translated
Muy buena visión general. Go fondo desde Tensorflow por qué funciona como lo hace.
Kieran Conboy
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Machine Translated
Me gustaron las oportunidades de hacer preguntas y obtener explicaciones más profundas de la teoría.
Sharon Ruane
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Machine Translated
Hemos obtenido mucha más información sobre el tema. Se hicieron algunas buenas discusiones con algunos temas reales dentro de nuestra compañía.
Sebastiaan Holman
Curso: Aprendizaje Automático y Aprendizaje Profundo
Machine Translated
La capacitación proporcionó la base correcta que nos permite ampliar aún más, al mostrar cómo la teoría y la práctica van de la mano. De hecho, me interesó más en el tema que antes.
Jean-Paul van Tillo
Curso: Aprendizaje Automático y Aprendizaje Profundo
Machine Translated
Realmente disfruté de la cobertura y la profundidad de los temas.
Anirban Basu
Curso: Aprendizaje Automático y Aprendizaje Profundo
Machine Translated
El profundo conocimiento del entrenador sobre el tema.
Sebastian Görg
Curso: Introducción al Aprendizaje Profundo
Machine Translated
Enfoque muy actualizado o CPI (tensor flow, era, learn) para hacer aprendizaje automático.
Paul Lee
Curso: TensorFlow para Reconocimiento de Imágenes
Machine Translated
Muy flexible.
Frank Ueltzhöffer
Curso: Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático
Machine Translated
En general, disfruté de la flexibilidad.
Werner Philipp
Curso: Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático
Machine Translated
Dada la perspectiva de la tecnología: qué tecnología / proceso podría ser más importante en el futuro; mira, para qué se puede usar la tecnología.
Commerzbank AG
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Machine Translated
Me beneficié de la selección del tema. Estilo de entrenamiento Practica la orientación.
Commerzbank AG
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Machine Translated
Cobertura en profundidad de temas de aprendizaje automático, particularmente redes neuronales. Desmitificaron mucho el tema.
Sacha Nandlall
Curso: Python para el Aprendizaje Automático Avanzado
Machine Translated
Ejercicios
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
los ejercicios de laboratorio
Marcell Lorant - L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
El cuaderno de Jupyter, en el que está disponible el material de entrenamiento
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
Hubo muchos ejercicios y temas interesantes.
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
algunos grandes ejercicios de laboratorio analizados y explicados por el capacitador en profundidad (p. ej., covariantes en regresión lineal, que coinciden con la función real)
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
Es genial que todo el material, incluidos los ejercicios, esté en la misma página y luego se actualice al vuelo. La solución se revela al final. ¡Guay! Además, aprecio que Krzysztof se esforzó más por comprender nuestros problemas y nos sugirió posibles técnicas.
Attila Nagy - L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
Me beneficié de la pasión por enseñar y centrarme en hacer que las cosas sean sensatas.
Curso: Aprendizaje profundo para NLP (procesamiento de lenguaje natural)
Machine Translated
Los intercambios informales que tuvimos durante las conferencias realmente me ayudaron a profundizar mi comprensión del tema
Explore
Curso: Aprendizaje de refuerzo profundo con Python
Machine Translated
Está mostrando muchos métodos con scripts preparados, materiales muy bien preparados y fáciles de rastrear
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Curso: Aprendizaje Automático - Ciencia de Datos
Machine Translated
Me gusta que la capacitación se centre en ejemplos y codificación. Pensé que es imposible empaquetar tanto contenido en tres días de entrenamiento, pero me equivoqué. La capacitación cubrió muchos temas y todo se hizo de una manera muy detallada (especialmente el ajuste de los parámetros del modelo: no esperaba que hubiera un momento para esto y me sorprendió gratamente).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Curso: Aprendizaje Automático - Ciencia de Datos
Machine Translated
Me gusta que se centre más en los procedimientos de los diferentes métodos de resumen de texto.
Curso: Resumen de texto con Python
Machine Translated
mucha información, todas las preguntas contestadas, ejemplos interesantes
A1 Telekom Austria AG
Curso: Deep Learning for Telecom (with Python)
Machine Translated
Me gusta que se centre más en los procedimientos de los diferentes métodos de resumen de texto.
Este curso cubre AI (enfatizando Aprendizaje Automático y Aprendizaje Profundo) en la Industria Automotriz. Ayuda a determinar qué tecnología puede (potencialmente) utilizarse en situaciones múltiples en un automóvil: desde la simple automatización, el reconocimiento de imágenes hasta la toma de decisiones autónoma.
Esta sesión de capacitación basada en el aula explorará técnicas de aprendizaje automático, con ejemplos basados en computadora y ejercicios de resolución de casos de estudio utilizando un programa relevante.
La biblioteca OpenNLP de Apache es un kit de herramientas basado en el aprendizaje automático para procesar texto en lenguaje natural. Es compatible con las tareas NLP más comunes, como detección de lenguaje, tokenización, segmentación de oraciones, etiquetado de voz parcial, extracción de entidad nombrada, fragmentación, análisis sintáctico y resolución de correferencia.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo crear modelos para procesar datos basados en texto usando OpenNLP. Los datos de entrenamiento de muestra y los conjuntos de datos personalizados se usarán como base para los ejercicios de laboratorio.
Al final de esta capacitación, los participantes podrán:
- Instalar y configurar OpenNLP - Descargue modelos existentes y cree sus propios - Entrene a los modelos en varios conjuntos de datos de muestra - Integra OpenNLP con aplicaciones Java existentes
Audiencia
- Desarrolladores - Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
OpenFace es un software de reconocimiento facial en tiempo real basado en Python y Torch basado en la investigación FaceNet de Google.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar los componentes de OpenFace para crear y desplegar una aplicación de reconocimiento facial de muestra.
Al final de esta capacitación, los participantes podrán:
Trabaje con los componentes de OpenFace, incluidos dlib, OpenVC, Torch y nn4 para implementar la detección de rostros, la alineación y la transformación. Aplique OpenFace a aplicaciones del mundo real tales como vigilancia, verificación de identidad, realidad virtual, juegos e identificación de clientes habituales, etc.
Audiencia
- Desarrolladores - Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
El curso está dedicado a aquellos que deseen conocer un programa alternativo al paquete comercial de MATLAB. La capacitación de tres días proporciona información completa sobre cómo moverse por el entorno y cómo realizar el paquete OCTAVE para el análisis de datos y cálculos de ingeniería. Los destinatarios de la capacitación son principiantes, pero también aquellos que conocen el programa y desean sistematizar su conocimiento y mejorar sus habilidades. No se requiere conocimiento de otros lenguajes de programación, pero facilitará en gran medida la adquisición de conocimiento por parte de los estudiantes. El curso le mostrará cómo usar el programa en muchos ejemplos prácticos.
Esta sesión de capacitación basada en el aula contendrá presentaciones y ejemplos basados en computadora y ejercicios de estudio de caso para emprender con bibliotecas de redes neurales y profundas relevantes
Este curso le proporcionará conocimientos en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).
Este entrenamiento se enfoca más en los fundamentos, pero lo ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Los ejemplos están hechos en TensorFlow.
Esta sesión de capacitación basada en el aula explorará las herramientas de aprendizaje automático con (sugerido) Python. Los delegados tendrán ejemplos basados en computadora y ejercicios de estudio de caso para emprender.
Este curso introduce métodos de aprendizaje automático en aplicaciones de robótica.
Es un amplio panorama de los métodos existentes, motivaciones e ideas principales en el contexto del reconocimiento de patrones.
Después de un breve trasfondo teórico, los participantes realizarán ejercicios sencillos usando código abierto (normalmente R) o cualquier otro software popular.
el objetivo de este curso es proporcionar una competencia general en la aplicación de métodos de aprendizaje automático en la práctica. Mediante el uso del lenguaje de programación Python y sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo utilizar los bloques de construcción más importantes del aprendizaje automático, cómo tomar decisiones de modelado de datos, interpretar el las salidas de los algoritmos y validar los resultados.
nuestro objetivo es darle las habilidades para entender y utilizar las herramientas más fundamentales de la caja de herramientas machine learning con confianza y evitar las trampas comunes de las aplicaciones de Ciencias de la información.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar la pila de tecnología de iOS Machine Learning (ML) mientras avanzan en la creación e implementación de una aplicación móvil iOS.
Al final de esta capacitación, los participantes podrán:
- Cree una aplicación móvil capaz de procesar imágenes, análisis de texto y reconocimiento de voz - Acceda a modelos de ML pre-entrenados para la integración en aplicaciones de iOS - Crea un modelo ML personalizado - Agregue soporte de Siri Voice a las aplicaciones de iOS - Comprender y usar frameworks como coreML, Vision, CoreGraphics y GamePlayKit - Utilice idiomas y herramientas como Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda y Spyder
Audiencia
- Desarrolladores
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
Este curso de capacitación es para personas que deseen aplicar técnicas básicas de Aprendizaje de Máquinas en aplicaciones prácticas.
Científicos de datos y estadísticos que tienen cierta familiaridad con el aprendizaje de máquinas y saben cómo programar R. El énfasis de este curso está en los aspectos prácticos de la preparación de datos / modelos, la ejecución, el análisis post hoc y la visualización. El propósito es dar una introducción práctica al aprendizaje automático a los participantes interesados en aplicar los métodos en el trabajo
Se utilizan ejemplos específicos del sector para hacer que la formación sea relevante para el público.
El objetivo de este curso es proporcionar una competencia básica en la aplicación de los métodos de aprendizaje automático en la práctica. A través del uso de la plataforma de programación R y sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo usar los bloques de construcción más importantes de Aprendizaje de Máquinas, cómo tomar decisiones de modelado de datos, interpretar los resultados de los algoritmos y Validar los resultados.
Nuestro objetivo es darle las habilidades para entender y usar las herramientas más fundamentales de la caja de herramientas de Aprendizaje de Máquinas con confianza y evitar las trampas comunes de las aplicaciones de Data Sciences.
El objetivo de este curso es proporcionar una competencia básica en la aplicación de los métodos de aprendizaje automático en la práctica. A través del uso del lenguaje de programación Python y sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo usar los bloques de construcción más importantes de Aprendizaje de Máquinas, cómo tomar decisiones de modelado de datos, interpretar las salidas de los algoritmos y Validar los resultados.
Nuestro objetivo es darle las habilidades para entender y usar las herramientas más fundamentales de la caja de herramientas de Aprendizaje de Máquinas con confianza y evitar las trampas comunes de las aplicaciones de Data Sciences.
El objetivo de este curso es proporcionar una competencia básica en la aplicación de métodos de aprendizaje automático en la práctica. A través del uso del lenguaje de programación Scala y de sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo usar los bloques de construcción más importantes de Aprendizaje de Máquinas, cómo tomar decisiones de modelado de datos, interpretar las salidas de los algoritmos y validar los resultados.
Nuestro objetivo es darle las habilidades para entender y usar las herramientas más fundamentales de la caja de herramientas de Aprendizaje de Máquinas con confianza y evitar las trampas comunes de las aplicaciones de Data Sciences.
El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. R es un lenguaje de programación popular en la industria financiera. Se utiliza en aplicaciones financieras que van desde los principales programas comerciales hasta los sistemas de gestión de riesgos.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo aplicar técnicas y herramientas de aprendizaje automático para resolver problemas del mundo real en la industria financiera. R se usará como el lenguaje de programación.
Los participantes primero aprenden los principios clave, luego ponen su conocimiento en práctica al construir sus propios modelos de aprendizaje automático y usarlos para completar una serie de proyectos en equipo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales en el aprendizaje automático - Aprenda las aplicaciones y usos del aprendizaje automático en finanzas - Desarrolle su propia estrategia de negociación algorítmica utilizando el aprendizaje automático con R
Audiencia
- Desarrolladores - Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo aplicar técnicas y herramientas de aprendizaje automático para resolver problemas del mundo real en la industria financiera. Python se usará como el lenguaje de programación.
Los participantes primero aprenden los principios clave, luego ponen su conocimiento en práctica al construir sus propios modelos de aprendizaje automático y usarlos para completar una serie de proyectos en equipo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales en el aprendizaje automático - Aprenda las aplicaciones y usos del aprendizaje automático en finanzas - Desarrolle su propia estrategia de negociación algorítmica utilizando el aprendizaje automático con Python
Audiencia
- Desarrolladores - Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
Este curso de capacitación es para personas que desean aplicar Machine Learning en aplicaciones prácticas para su equipo. La capacitación no se sumergirá en tecnicismos y girará en torno a conceptos básicos y aplicaciones comerciales / operativas de la misma.
Público objetivo
- Inversores y empresarios de IA - Gerentes e ingenieros cuya compañía se está aventurando en el espacio de IA - Analistas e inversores Business
This instructor-led, live training (onsite or remote) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning. - Know how machine learning is being used across different industries. - Become familiar with the tools, skills and services available to implement machine learning within an organization. - Understand how machine learning can be used to enhance data mining and analysis. - Learn what a data middle backend is, and how it is being used by businesses. - Understand the role that big data and intelligent applications are playing across industries.
Format of the Course
- Interactive lecture and discussion. - Lots of exercises and practice. - Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
OpenNMT es un sistema de traducción de máquina neural completo, de código abierto (MIT) que utiliza el juego de herramientas matemático de la Antorcha.
En esta capacitación, los participantes aprenderán cómo configurar y utilizar OpenNMT para llevar a cabo la traducción de varios conjuntos de datos de muestra. El curso comienza con una visión general de las redes neuronales que se aplican a la traducción automática. Los participantes realizarán ejercicios en vivo para demostrar su comprensión de los conceptos aprendidos y obtener retroalimentación del instructor. Al final de este entrenamiento, los participantes tendrán los conocimientos y la práctica necesarios para implementar una solución OpenNMT en vivo.
Las muestras de idioma fuente y de destino pueden pre-arreglarse según los requisitos del cliente.
Audiencia Ingenieros de traducción y localización
Formato del curso
Parte conferencia, discusión de parte, práctica práctica pesada
PaddlePaddle (PArallel Distributed Deep LEarning) es una plataforma de aprendizaje profundo escalable desarrollada por Baidu.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar PaddlePaddle para permitir el aprendizaje profundo en sus aplicaciones de productos y servicios.
Al final de esta capacitación, los participantes podrán:
- Configurar y configurar PaddlePaddle - Configure una red neuronal convolucional (CNN) para el reconocimiento de imágenes y la detección de objetos - Configurar una Red Neuronal Recurrente (RNN) para el análisis de sentimientos - Establecer un aprendizaje profundo sobre los sistemas de recomendación para ayudar a los usuarios a encontrar respuestas - Predecir porcentajes de clics (CTR), clasificar conjuntos de imágenes a gran escala, realizar reconocimiento óptico de caracteres (OCR), buscar rangos, detectar virus informáticos e implementar un sistema de recomendaciones.
Audiencia
- Desarrolladores - Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo aplicar técnicas y herramientas de aprendizaje automático para resolver problemas del mundo real en la industria bancaria. Python se usará como el lenguaje de programación.
Los participantes primero aprenden los principios clave, luego ponen su conocimiento en práctica al construir sus propios modelos de aprendizaje automático y usarlos para completar una serie de proyectos en equipo.
Audiencia
- Desarrolladores - Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
TensorFlow es una biblioteca popular y de aprendizaje automático desarrollada por Go ogle para aprendizaje profundo, computación numérica y aprendizaje automático a gran escala. TensorFlow 2.0, lanzado en enero de 2019, es la versión más nueva de TensorFlow e incluye mejoras en la ejecución entusiasta, la compatibilidad y la coherencia de la API.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a desarrolladores y científicos de datos que desean usar Tensorflow 2.0 para construir predictores, clasificadores, modelos generativos, redes neuronales, etc.
Al final de esta capacitación, los participantes podrán:
- Instale y configure TensorFlow 2.0. - Comprenda los beneficios de TensorFlow 2.0 sobre las versiones anteriores. - Construir modelos de aprendizaje profundo. - Implemente un clasificador de imagen avanzado. - Implemente un modelo de aprendizaje profundo en la nube, dispositivos móviles e IoT.
Formato del curso
- Conferencia interactiva y discusión. - Muchos ejercicios y práctica. - Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo. - Para obtener más información sobre TensorFlow , visite: https://www.tensorflow.org/
Deeplearning4j es una biblioteca de código abierto y de aprendizaje profundo escrita para Java y Scala. Integrado con Hadoop y Spark, DL4J está diseñado para ser utilizado en entornos empresariales en GPUs y CPU distribuidas.
Word2Vec es un método de computación de representaciones vectoriales de palabras introducidas por un equipo de investigadores de Google liderado por Tomas Mikolov.
Audiencia
Este curso está dirigido a investigadores, ingenieros y desarrolladores que buscan utilizar Deeplearning4J para construir modelos Word2Vec.
Este curso comienza con la entrega de conocimientos conceptuales en redes neuronales y, en general, en el algoritmo de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).
Parte-1 (40%) de esta capacitación se centra más en los fundamentos, pero te ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.
La Parte 2 (20%) de esta capacitación presenta Theano, una biblioteca de Python que hace que escribir modelos de aprendizaje profundo sea fácil.
Parte-3 (40%) de la capacitación estaría ampliamente basada en Tensorflow - 2nd Generation API de la biblioteca de software de código abierto de Google para Deep Learning. Los ejemplos y handson se harían todos en TensorFlow.
Audiencia
Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para sus proyectos de aprendizaje profundo.
Después de completar este curso, los delegados:
- tener una buena comprensión de las redes neuronales profundas (DNN), CNN y RNN - comprender la estructura y los mecanismos de despliegue de TensorFlow - ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura - ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo - ser capaz de implementar producción avanzada como modelos de entrenamiento, construcción de gráficos y registro
No todos los temas se cubrirán en un salón de clases público con 35 horas de duración debido a la inmensidad del tema.
La duración del curso completo será de alrededor de 70 horas y no de 35 horas.
TensorFlow ™ es una biblioteca de software de código abierto para computación numérica utilizando gráficos de flujo de datos.
SyntaxNet es una estructura de procesamiento de lenguaje natural de la red neuronal para TensorFlow.
Word2Vec se utiliza para el aprendizaje de representaciones vectoriales de palabras, llamadas "embeddings palabra". Word2vec es un modelo predictivo particularmente computacionalmente eficiente para aprender las incorporaciones de palabras a partir de texto en bruto. Viene en dos sabores, el modelo continuo de la bolsa-de-palabras (CBOW) y el modelo de Skip-Gram (capítulo 3.1 y 3.2 en Mikolov y otros).
Utilizado en tándem, SyntaxNet y Word2Vec permite a los usuarios generar modelos de incorporación aprendida de entrada de lenguaje natural.
Audiencia
Este curso está dirigido a desarrolladores e ingenieros que tienen la intención de trabajar con los modelos SyntaxNet y Word2Vec en sus gráficos TensorFlow.
Después de completar este curso, los delegados:
Entender la estructura y los mecanismos de despliegue de TensorFlow
- ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración - ser capaz de evaluar la calidad del código, realizar depuración, - ser capaz de implementar la producción avanzada como modelos de entrenamiento, términos de inclusión, gráficos de construcción y registro
La Unidad de Procesamiento de Tensor (TPU) es la arquitectura que Google ha utilizado internamente durante varios años y ahora está disponible para el público en general. Incluye varias optimizaciones específicamente para su uso en redes neuronales, incluida la multiplicación simplificada de matrices, y enteros de 8 bits en lugar de 16 bits para devolver niveles adecuados de precisión.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo aprovechar las innovaciones en los procesadores de TPU para maximizar el rendimiento de sus propias aplicaciones de inteligencia artificial.
Al final de la capacitación, los participantes podrán:
- Entrenar varios tipos de redes neuronales en grandes cantidades de datos - Use TPU para acelerar el proceso de inferencia hasta en dos órdenes de magnitud - Utilice TPU para procesar aplicaciones intensivas, como búsqueda de imágenes, visión en la nube y fotos
Audiencia
- Desarrolladores - Investigadores - Ingenieros - Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
Torch es una biblioteca de aprendizaje de máquina de código abierto y un marco informático científico basado en el lenguaje de programación Lua. Proporciona un entorno de desarrollo para numéricos, aprendizaje automático y visión por computadora, con un énfasis particular en aprendizaje profundo y redes convolucionales. Es uno de los marcos más rápidos y flexibles para Machine and Deep Learning y lo utilizan compañías como Facebook, Google, Twitter, NVIDIA, AMD, Intel y muchas otras.
En este curso, cubrimos los principios de Torch, sus características únicas y cómo se puede aplicar en aplicaciones del mundo real. Pasamos por numerosos ejercicios prácticos en todas partes, demostrando y practicando los conceptos aprendidos.
Al final del curso, los participantes comprenderán a fondo las características y capacidades subyacentes de Torch, así como su rol y contribución dentro del espacio de IA en comparación con otros marcos y bibliotecas. Los participantes también habrán recibido la práctica necesaria para implementar Torch en sus propios proyectos.
Audiencia
Desarrolladores de software y programadores que deseen habilitar Machine and Deep Learning dentro de sus aplicaciones
Formato del curso
Descripción general de Machine and Deep Learning Ejercicios de integración y codificación en clase Preguntas de prueba salpicadas en el camino para verificar la comprensión
Cursos de Fin de Semana de Aprendizaje Automático, Capacitación por la Tarde de ML (Machine Learning), Machine Learning (ML) boot camp, Clases de ML (Machine Learning), Capacitación de Fin de Semana de Aprendizaje Automático, Cursos por la Tarde de ML (Machine Learning), Machine Learning (ML) coaching, Instructor de Aprendizaje Automático, Capacitador de ML (Machine Learning), ML (Machine Learning) con instructor, Cursos de Formación de Aprendizaje Automático, Aprendizaje Automático en sitio, Cursos Privados de ML (Machine Learning), Clases Particulares de Aprendizaje Automático, Capacitación empresarial de ML (Machine Learning), Talleres para empresas de ML (Machine Learning), Cursos en linea de ML (Machine Learning), Programas de capacitación de Machine Learning (ML), Clases de Machine Learning (ML)Cursos de Fin de Semana de ML (Machine Learning), Capacitación por la Tarde de Machine Learning (ML), Machine Learning boot camp, Clases de ML (Machine Learning), Capacitación de Fin de Semana de Machine Learning (ML), Cursos por la Tarde de Machine Learning (ML), Machine Learning (ML) coaching, Instructor de Machine Learning, Capacitador de Machine Learning (ML), Machine Learning con instructor, Cursos de Formación de Machine Learning (ML), ML (Machine Learning) en sitio, Cursos Privados de Machine Learning, Clases Particulares de Machine Learning, Capacitación empresarial de ML (Machine Learning), Talleres para empresas de Machine Learning (ML), Cursos en linea de ML (Machine Learning), Programas de capacitación de Machine Learning, Clases de ML (Machine Learning)
.png "aeronautical radio, incorporated (arinc)")
_ireland.gif "environmental protection agency (epa) ireland")
