Cursos de PLN em Portugal

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a desenvolvedores de software de nível iniciante a intermediário e cientistas de dados que desejam implementar LLMs em sistemas de reconhecimento e síntese de fala.No final deste treinamento, os participantes serão capazes de:

• Compreender o papel dos LLMs nas tecnologias da fala.
• Implementar LLMs para reconhecimento de fala preciso e síntese de fala com som natural.
• Integrar LLMs com motores de reconhecimento de fala e sintetizadores de fala.
• Avaliar e melhorar o desempenho de sistemas de fala usando LLMs.
• Manter-se informado sobre as tendências actuais e as direcções futuras das tecnologias da fala.

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a profissionais de dados e marketing de nível intermediário que desejam aplicar LLMs para analisar e interpretar o sentimento público de várias fontes de texto, como postagens de mídia social, análises de produtos e feedback do cliente.No final deste treinamento, os participantes serão capazes de:

• Compreender os princípios da análise de sentimentos e sua aplicação usando LLMs.
• Pré-processar e preparar conjuntos de dados para análise de sentimentos.
• Treinar e ajustar LLMs para refletir com precisão o sentimento no texto.
• Analisar o sentimento em tempo real a partir de redes sociais e outras fontes de texto.
• Integrar os resultados da análise de sentimentos nas estratégias empresariais e nos processos de tomada de decisões.

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a cientistas de dados de nível intermediário, desenvolvedores de IA e entusiastas de IA que desejam usar LLMs para executar várias tarefas de PNL e criar conteúdo novo e diversificado para diferentes fins.No final deste treinamento, os participantes serão capazes de:

• Estabelecer um ambiente de desenvolvimento com LLMs e ferramentas essenciais.
• Executar habilmente tarefas de NLU e NLI com LLMs.
• Extrair, inferir e utilizar gráficos de conhecimento de forma eficaz.
• Gerar e gerir diálogos utilizando LLMs para aplicações de conversação.
• Avaliar a qualidade e a diversidade dos conteúdos gerados pelos LLM e pela IA generativa.
• Aplicar princípios éticos, garantindo a equidade e a utilização responsável de LLMs.

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a cientistas de dados, engenheiros de aprendizado de máquina, pesquisadores de PNL e entusiastas de IA que desejam entender o funcionamento interno dos modelos GPT, explorar os recursos do GPT-3 e GPT-4 e aprender como aproveitar esses modelos para suas tarefas de PNL.No final deste treinamento, os participantes serão capazes de:

• Compreender os principais conceitos e princípios por trás dos Transformadores Gerativos Pré-treinados.
• Compreender a arquitetura e o processo de treinamento dos modelos GPT.
• Utilizar o GPT-3 para tarefas como geração de texto, conclusão e tradução.
• Explorar os últimos avanços do GPT-4 e suas possíveis aplicações.
• Aplicar os modelos GPT aos seus próprios projectos e tarefas de PNL.

Este treinamento ao vivo conduzido por instrutor em Portugal (online ou no local) é destinado a cientistas de dados, praticantes de aprendizado de máquina e pesquisadores e entusiastas de PNL que desejam utilizar efetivamente o Hugging Face para tarefas de PNL.No final desta formação, os participantes serão capazes de:

Utilize um modelo Hugging Face Transformer e ajuste-o em um conjunto de dados específico. Ganhe a capacidade de abordar de forma independente os desafios comuns da PNL. Crie e compartilhe suas demonstrações de modelo de forma eficaz. Simplifique a otimização de seus modelos para produção. Empregue Hugging Face Transformers para resolver uma ampla gama de problemas de aprendizado de máquina.

Estima-se que os dados não estruturados representem mais de 90 por cento de todos os dados, muitos dos quais sob a forma de texto. Publicações em blogues, tweets, redes sociais e outras publicações digitais contribuem continuamente para este conjunto crescente de dados.Este curso ao vivo, ministrado por um instrutor, centra-se na extração de informações e significado destes dados. Utilizando as bibliotecas R Language e Natural Language Processing (NLP), combinamos conceitos e técnicas da ciência da computação, inteligência artificial e linguística computacional para entender algoritmicamente o significado por trás dos dados de texto. As amostras de dados estão disponíveis em vários idiomas, de acordo com os requisitos do cliente.No final desta formação, os participantes serão capazes de preparar conjuntos de dados (grandes e pequenos) a partir de fontes díspares e, em seguida, aplicar os algoritmos correctos para analisar e comunicar o seu significado.

Formato do curso

• Parte palestra, parte discussão, prática prática pesada, testes ocasionais para avaliar a compreensão

Este curso apresenta linguistas ou programadores para PNL em Python . Durante este curso usaremos principalmente o nltk.org (Natural Language Tool Kit), mas também usaremos outras bibliotecas relevantes e úteis para a PNL. No momento, podemos realizar este curso no Python 2.x ou no Python 3.x. Exemplos são em inglês ou mandarim (普通话). Outras línguas também podem ser disponibilizadas se acordadas antes da reserva.

Este curso foi criado para gestores, arquitetos de soluções, executivos de inovação, CTOs, arquitetos de software e qualquer pessoa interessada em uma visão geral da inteligência artificial aplicada e a previsão mais próxima para o seu desenvolvimento.

TensorFlow™ é uma biblioteca de software de código aberto para computação numérica usando gráficos de fluxo de dados. SyntaxNet é um framework de processamento de línguas naturais de rede neural para TensorFlow. Word2Vec é usado para a aprendizagem de representações vector de palavras, chamado "word embeddings". Word2vec é um modelo preditivo particularmente computacional-eficaz para a aprendizagem de palavras de texto cru. Ele vem em dois sabores, o modelo Continuous Bag-of-Words (CBOW) e o modelo Skip-Gram (Capítulos 3.1 e 3.2 em Mikolov et al.) Usados em tandem, o SyntaxNet e Word2Vec permitem que os usuários gerem modelos de aprendizagem integrada a partir da entrada de língua natural. Auditoria Este curso é voltado para desenvolvedores e engenheiros que pretendem trabalhar com os modelos SyntaxNet e Word2Vec em seus gráficos TensorFlow. Após a conclusão deste curso, os delegados serão:

• compreender TensorFlow’s estrutura e mecanismos de implantação
• Ser capaz de realizar tarefas de instalação / ambiente de produção / arquitetura e configuração
• ser capaz de avaliar a qualidade do código, realizar o desligamento, monitoramento
• Ser capaz de implementar produção avançada como modelos de treinamento, termos de inserção, gráficos de construção e logging

Deeplearning4j é uma biblioteca de aprendizagem profunda distribuída e de código aberto, escrita para Java e Scala . Integrado com o Hadoop e o Spark, o DL4J foi projetado para ser usado em ambientes de negócios em GPU e CPUs distribuídas. Word 2Vec é um método de computação de representações vetoriais de palavras introduzidas por uma equipe de pesquisadores da Go ogle liderada por Tomas Mikolov. Público Este curso é dirigido a pesquisadores, engenheiros e desenvolvedores que procuram utilizar o Deeplearning4J para construir modelos do Word 2Vec.

Este curso destina-se a programadores e cientistas de dados que pretendam compreender e implementar a IA nas suas aplicações. É dada especial atenção à análise de dados, à IA distribuída e ao processamento de linguagem natural.

Geração de linguagem natural (NLG) refere-se à produção de texto em linguagem natural ou fala por um computador Neste treinamento ao vivo com instrutores, os participantes aprenderão como usar o Python para produzir texto em linguagem natural de alta qualidade construindo seu próprio sistema NLG do zero Estudos de caso também serão examinados e os conceitos relevantes serão aplicados a projetos de laboratório para geração de conteúdo No final deste treinamento, os participantes serão capazes de: Use o NLG para gerar automaticamente conteúdo para vários setores, desde jornalismo a imóveis, a climas e reportagens esportivas Selecione e organize conteúdo de origem, planeje frases e prepare um sistema para geração automática de conteúdo original Entenda o pipeline de NLG e aplique as técnicas corretas em cada estágio Entenda a arquitetura de um sistema de geração de linguagem natural (NLG) Implementar os algoritmos e modelos mais adequados para análise e ordenação Extrair dados de fontes de dados disponíveis publicamente, bem como bancos de dados com curadoria para usar como material para texto gerado Substituir processos de escrita manuais e trabalhosos por criação de conteúdo automatizada e gerada por computador Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

No final do treinamento, espera-se que os delegados estejam suficientemente equipados com os conceitos essenciais da python e devem ser capazes de usar suficientemente o NLTK para implementar a maioria das operações baseadas na PNL e no ML O treinamento destina-se a fornecer não apenas um conhecimento de execução, mas também o conhecimento lógico e operacional da tecnologia nele contida .

A biblioteca Apache OpenNLP é um conjunto de ferramentas baseado na aprendizagem automática para o processamento de texto em linguagem natural. Suporta as tarefas mais comuns de PNL, como deteção de linguagem, tokenização, segmentação de frases, marcação de parte da fala, extração de entidades nomeadas, chunking, análise e resolução de coreferência.Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como criar modelos para processar dados baseados em texto usando o OpenNLP. Os dados de treinamento de amostra, bem como os conjuntos de dados personalizados, serão usados como base para os exercícios de laboratório.No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o OpenNLP
• Descarregar modelos existentes, bem como criar os seus próprios modelos
• Treinar os modelos em vários conjuntos de dados de amostra
• Integrar o OpenNLP com aplicativos Java existentes

Público-alvo

• Programadores
• Cientistas de dados

Formato do curso

• Parte palestra, parte discussão, exercícios e prática prática pesada

Em Python Machine Learning, o recurso Sumarização de texto é capaz de ler o texto de entrada e produzir um resumo de texto. Esse recurso está disponível na linha de comando ou como uma API/Biblioteca Python. Uma aplicação interessante é a criação rápida de resumos executivos; isso é particularmente útil para organizações que precisam analisar grandes volumes de dados de texto antes de gerar relatórios e apresentações.Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão a usar Python para criar um aplicativo simples que gera automaticamente um resumo do texto de entrada.Ao final deste treinamento, os participantes serão capazes de:

• Usar uma ferramenta de linha de comando que resume o texto.
• Projetar e criar código de Sumarização de Texto usando bibliotecas Python.
• Avaliar três bibliotecas de sumarização Python: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17

Público

• Programadores
• Cientistas de dados

Formato do curso

• Parte palestra, parte discussão, exercícios e prática prática pesada

Neste treinamento ao vivo conduzido por instrutor em Portugal, os participantes aprenderão a usar Python bibliotecas para PNL enquanto criam um aplicativo que processa um conjunto de imagens e gera legendas.  No final desta formação, os participantes serão capazes de

• Desenhar e codificar DL para NLP usando Python bibliotecas.
• Criar Python código que lê uma coleção substancialmente enorme de imagens e gera palavras-chave.
• Criar Python Código que gera legendas a partir das palavras-chave detectadas.

A IA é um conjunto de tecnologias para a criação de sistemas inteligentes capazes de compreender os dados e as actividades que os rodeiam para tomar "decisões inteligentes". Para os fornecedores Telecom, a criação de aplicações e serviços que utilizem a IA pode abrir a porta a melhores operações e serviços em áreas como a manutenção e a otimização da rede.Neste curso, examinamos as várias tecnologias que compõem a IA e os conjuntos de competências necessários para as utilizar. Ao longo do curso, examinamos as aplicações específicas da IA no sector Telecom.Público

• Engenheiros de rede
• Pessoal de operações de rede
• Gerentes técnicos Telecom

Formato do curso

• Parte palestra, parte discussão, exercícios práticos

Esta sessão de treinamento baseada em sala de aula irá explorar as técnicas de PNL em conjunto com a aplicação de IA e Robótica nos negócios Os delegados irão realizar exemplos baseados em computador e exercícios de resolução de estudos de caso usando Python .

ChatBots são programas de computador que simulam automaticamente respostas humanas por meio de interfaces de bate-papo Os ChatBots ajudam as organizações a maximizar a eficiência de suas operações, oferecendo opções mais fáceis e rápidas para as interações dos usuários Neste treinamento presencial instruído, os participantes aprenderão como construir chatbots em Python No final deste treinamento, os participantes serão capazes de: Entenda os fundamentos da construção de chatbots Construa, teste, implemente e solucione vários chatbots usando o Python Público Desenvolvedores Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada Nota Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar .

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam usar o spaCy para processar grandes volumes de texto para encontrar padrões e obter insights. No final deste treinamento, os participantes serão capazes de:

• Instale e configure o spaCy.
• Entenda a abordagem do spa para o Natural Language Processing (NLP) .
• Extraia padrões e obtenha insights de negócios a partir de fontes de dados em larga escala.
• Integre a biblioteca spa com aplicativos da Web e legados existentes.
• Implemente a spa para viver ambientes de produção para prever o comportamento humano.
• Use o spaCy para pré-processar o texto do Deep Learning

Formato do Curso

• Palestra interativa e discussão.
• Muitos exercícios e prática.
• Implementação prática em um ambiente de laboratório ao vivo.

Opções de personalização de curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.
• Para saber mais sobre o spa, por favor visite: https://spacy.io/

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a desenvolvedores da Web que desejam criar modelos de aprendizado de máquina com o Core ML para o desenvolvimento do iOS 11 e do macOS High Sierra.No final deste treinamento, os participantes serão capazes de:

• Crie aplicativos orientados por IA que usam aprendizado de máquina.
• Implementar modelos de aprendizado de máquina que classificam imagens.
• Use a API Core ML para suportar fluxos de trabalho personalizados e casos de uso avançados
• Analise o texto em linguagem natural com modelos de aprendizado de máquina.

Esta formação em direto orientada por instrutor em Portugal (online ou no local) destina-se a cientistas de dados e programadores que pretendam utilizar TextBlob para implementar e simplificar tarefas de PNL, tais como análise de sentimentos, correcções ortográficas, modelação de classificação de texto, etc. No final desta formação, os participantes serão capazes de

• Configurar o ambiente de desenvolvimento necessário para começar a implementar tarefas de PNL com TextBlob.
• Compreender os recursos, a arquitetura e as vantagens do TextBlob.
• Aprenda como criar sistemas de classificação de texto usando o TextBlob.
• Realizar tarefas comuns de NLP (Tokenização, WordNet, Análise de sentimento, Correção ortográfica, etc.)
• Executar implementações avançadas com APIs simples e algumas linhas de códigos.

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a cientistas de dados e desenvolvedores que desejam usar Spark NLP, construído sobre o Apache Spark, para desenvolver, implementar e dimensionar modelos e pipelines de processamento de texto em linguagem natural. No final desta formação, os participantes serão capazes de

• Configurar o ambiente de desenvolvimento necessário para começar a criar pipelines de NLP com Spark NLP.
• Compreender os recursos, a arquitetura e os benefícios de usar Spark NLP.
• Utilizar os modelos pré-treinados disponíveis em Spark NLP para implementar o processamento de texto.
• Aprender a construir, treinar e dimensionar modelos de Spark NLP para projetos de nível de produção.
• Aplicar classificação, inferência e análise de sentimentos em casos de uso do mundo real (dados clínicos, insights de comportamento do cliente, etc.).

Este curso foi desenvolvido para pessoas interessadas em extrair significado do texto escrito em inglês, embora o conhecimento também possa ser aplicado a outras linguagens humanas. O curso abordará como fazer uso de textos escritos por humanos, como posts em blogs, tweets, etc ... Por exemplo, um analista pode configurar um algoritmo que chegará automaticamente a uma conclusão com base em uma extensa fonte de dados.