Cursos de Redes Neurais (Neural Networks), uma rede inspirada por redes neurais biológicas, demonstram através de discussões interativas e prática prática como construir Redes Neurais usando um grande número de kits de ferramentas e bibliotecas de código aberto, bem como utilizar o poder de hardware avançado (GPUs) e técnicas de otimização envolvendo computação distribuída e big data. Nossos cursos de Rede Neural são baseados em linguagens de programação populares, como Python, Java, linguagem R e bibliotecas poderosas, incluindo TensorFlow, Torch, Caffe, Theano e muito mais Nossos cursos de Redes Neurais abrangem tanto a teoria quanto a implementação usando diversas implementações de redes neurais, como Redes Neurais Profundas (DNN), Redes Neurais Convolucionais (CNN) e Redes Neurais Recorrentes (RNN). O treinamento da Rede Neural está disponível em vários formatos, incluindo treinamento ao vivo no local e treinamento online ao vivo e interativo. O treinamento ao vivo no local pode ser realizado nas instalações do cliente no Portugal ou nos centros de treinamento locais NobleProg no Portugal. O treinamento ao vivo remoto é realizado por meio de uma área de trabalho remota e interativa.
NobleProg -- Seu Provedor de Treinamento Local
Declaração de Clientes
Foi muito interativo e mais descontraído e informal do que o esperado. Nós cobrimos muitos tópicos no tempo e o treinador sempre foi receptivo a falar mais detalhadamente ou mais geralmente sobre os tópicos e como eles estavam relacionados. Eu sinto que o treinamento me deu as ferramentas para continuar aprendendo, em vez de ser uma sessão única em que o aprendizado para quando você terminar, o que é muito importante, dada a escala e a complexidade do tópico.
Jonathan Blease
Curso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Ann criou um ótimo ambiente para fazer perguntas e aprender. Nós nos divertimos muito e também aprendemos muito ao mesmo tempo.
Gudrun Bickelq
Curso: Introduction to the use of neural networks
Machine Translated
A parte interativa, adaptada às nossas necessidades específicas.
Thomas Stocker
Curso: Introduction to the use of neural networks
Machine Translated
Eu realmente apreciei as respostas cristalinas de Chris às nossas perguntas.
Léo Dubus
Curso: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Eu geralmente gostava do treinador experiente.
Sridhar Voorakkara
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Fiquei espantado com o padrão desta classe - eu diria que era padrão universitário.
David Relihan
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Muito boa visão geral. Go fundo od em porque Tensorflow opera como ele faz.
Kieran Conboy
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Gostei das oportunidades de fazer perguntas e obter explicações mais aprofundadas da teoria.
Sharon Ruane
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
O treinador explicou muito facilmente tópicos difíceis e avançados.
Leszek K
Curso: Artificial Intelligence Overview
Machine Translated
Eu gostei dos novos insights em deep machine learning.
Josip Arneric
Curso: Neural Network in R
Machine Translated
Ganhamos algum conhecimento sobre o NN em geral, e o que foi mais interessante para mim foram os novos tipos de NN que são populares hoje em dia.
Tea Poklepovic
Curso: Neural Network in R
Machine Translated
Eu gostei principalmente dos gráficos em R :))).
Faculty of Economics and Business Zagreb
Curso: Neural Network in R
Machine Translated
Muito flexível.
Frank Ueltzhöffer
Curso: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Eu geralmente gostei da flexibilidade.
Werner Philipp
Curso: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Dada perspectiva da tecnologia: qual tecnologia / processo pode se tornar mais importante no futuro; veja, para que a tecnologia pode ser usada.
Commerzbank AG
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Eu estava beneficiado com a seleção de tópicos. Estilo de treinamento Orientação prática.
Commerzbank AG
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Comunicação com palestrantes
文欣 张
Curso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Gostei
lisa xie
Curso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
muitos exercícios que posso usar diretamente no meu trabalho.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
Exemplos de dados reais.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
neuralnet, pROC em um loop.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
Uma ampla gama de tópicos abrangidos e conhecimento substancial dos líderes.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Understanding Deep Neural Networks
Machine Translated
falta
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Understanding Deep Neural Networks
Machine Translated
Grande conhecimento teórico e prático dos docentes. Comunicatividade dos treinadores. Durante o curso, você poderia fazer perguntas e obter respostas satisfatórias.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Understanding Deep Neural Networks
Machine Translated
Parte prática, onde implementamos algoritmos. Isso permitiu uma melhor compreensão do tópico.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Understanding Deep Neural Networks
Machine Translated
exercícios e exemplos implementados neles
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Understanding Deep Neural Networks
Machine Translated
Exemplos e questões discutidas.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Understanding Deep Neural Networks
Machine Translated
Conhecimento substantivo, compromisso, uma maneira apaixonada de transferir conhecimento. Exemplos práticos após uma aula teórica.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Understanding Deep Neural Networks
Machine Translated
Exercícios práticos preparados pelo Sr. Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Understanding Deep Neural Networks
Machine Translated
As trocas informais que tivemos durante as palestras realmente me ajudaram a aprofundar minha compreensão do assunto
Explore
Curso: Deep Reinforcement Learning with Python
Machine Translated
O instrutor era um profissional no campo e na teoria relacionada, com aplicação excelente
Fahad Malalla - Tatweer Petroleum
Curso: Applied AI from Scratch in Python
Machine Translated
temas, atitude amigável do apresentador
Fujitsu Technology Solutions Sp. z o.o.
Curso: Artificial Intelligence Overview
Machine Translated
Subcategorias Redes Neurais
Programa de curso Redes Neurais
Nome do Curso
Duração
Visão geral
Nome do Curso
Duração
Visão geral
28 horas
Este é um curso de 4 dias introduzindo AI e sua aplicação usando o Python linguagem de programação. Há uma opção para ter um dia adicional para realizar um projeto de IA na conclusão deste curso.
21 horas
Profundamente Reinforcement Learning refere-se à capacidade de um agente artífico " para aprender por processos e erros e recompensas. Um agente artificial tem como objetivo emular um humano ' capacidade de obter e construir conhecimentos por sua própria, directamente a partir de entradas cruas como visão. Para perceber a aprendizagem de reforço, são utilizadas redes de aprendizagem profunda e neural. A aprendizagem de reforçamento é diferente do aprendizagem de máquinas e não depende em abordagens de aprendizagem supervisão e não supervisadas.Neste instrutor, treinamento vivo, os participantes aprenderão os fundamentais do Profundo Reinforcement Learning, ao passar através da criação de um agente Deep Learning.Até ao fim deste treinamento, os participantes poderão:
- Compreende os conceitos fundamentais por trás da Profunda Reinforcement Learning e poder distinguir-o de Machine Learning Aplicar algoritmos avançados Reinforcement Learning para resolver problemas do mundo real Construir um Deep Learning Agente
- Desenvolvedores Científicos de Dados
- Lecção da parte, discussão parcial, exercícios e prática pesada de mãos
7 horas
This course has been created for managers, solutions architects, innovation officers, CTOs, software architects and anyone who is interested in an overview of applied artificial intelligence and the nearest forecast for its development.
7 horas
O treinamento é destinado a pessoas que querem aprender o básico das redes neurais e suas aplicações.
14 horas
Este curso é uma introdução à aplicação de redes neurais em problemas reais usando o software R-project.
14 horas
Este curso de treinamento é para pessoas que gostariam de aplicar o Machine Learning de forma pratica, o objetivo do treinamento é fornecer as ferramentas essenciais para a aplicaçao pratica e cotidiana dos conhecimentos em Machine Learning.
É um curso que vai dirigido à cientístas de dados e estatísticos que tem alguma familiarização com estatísticas e como programar em R (ou Python ou outra linguagem a sua escolha). A enfase deste curso é em aspectos práticos da preparação do modelo de dadosm execução, análise post hoc e visualização.
21 horas
Rede Neural Artificial é um modelo computacional de dados utilizado no desenvolvimento de sistemas de Inteligência Artificial (IA) capazes de realizar tarefas "inteligentes". Redes neurais são comumente usadas em aplicações de Aprendizado de Máquina (ML), que são elas mesmas uma implementação de IA. Deep Learning é um subconjunto do ML.
21 horas
Rede Neural Artificial é um modelo de dados computacional utilizado no desenvolvimento de sistemas de Artificial Intelligence (AI) capazes de realizar tarefas "inteligentes". Neural Networks são comumente usadas em aplicações de Machine Learning (ML), que são elas mesmas uma implementação da IA. Deep Learning é um subconjunto do ML.
35 horas
Este curso é criado para pessoas que nao tem nenhuma experiência com probabilidade e estatística, e o objetivo é proporcionar todas as ferramentas sumamente necessárias para que os participates tenham as capacidades e conhecimentos iniciais estatísticos e probabilísticos para enfrentar os problemas organizacionais.
14 horas
Este curso cobre AI (emphasizing Machine Learning e Deep Learning) em Automotive Indústria. Ajuda a determinar que tecnologia pode ser (potencialmente) usada em múltiplas situações em um carro: da simples automação, reconhecimento de imagem para tomada de decisão autónoma.
28 horas
Este curso fornecerá conhecimento em redes neurais e, geralmente, em algoritmo de aprendizado de máquina, aprendizado profundo (algoritmos e aplicativos). Este treinamento é mais focado nos fundamentos, mas ajudará você a escolher a tecnologia certa: TensorFlow , Caffe , Teano, DeepDrive, Keras , etc. Os exemplos são feitos no TensorFlow .
21 horas
Este curso ao vivo ministrado por instrutor fornece uma introdução ao campo de reconhecimento de padrões e aprendizado de máquina. Ele aborda aplicações práticas em estatística, ciência da computação, processamento de sinais, visão computacional, mineração de dados e bioinformática. O curso é interativo e inclui muitos exercícios práticos, feedback de instrutores e testes de conhecimento e habilidades adquiridas.
21 horas
Tipo: Formação teórica com candidaturas decididas a montante com os alunos em Lasagne ou Keras acordo com o grupo pedagógico Método de ensino: apresentação, trocas e estudos de caso A inteligência artificial, depois de ter interrompido muitos campos científicos, começou a revolucionar um grande número de setores econômicos (indústria, medicina, comunicação, etc.). No entanto, sua apresentação na grande mídia é muitas vezes fantasiosa, muito distante daquelas que são realmente as áreas de Machine Learning ou Deep Learning . O objetivo deste treinamento é fornecer aos engenheiros que já possuem um domínio de ferramentas de informática (incluindo uma base de programação de software) uma introdução ao Deep Learning e suas diversas áreas de especialização e, portanto, às principais arquiteturas de rede existentes. hoje. Se as bases matemáticas forem recuperadas durante o curso, um nível de matemática do tipo BAC + 2 é recomendado para maior conforto. É absolutamente possível pular o eixo matemático para manter apenas uma visão de "sistema", mas essa abordagem limitará enormemente sua compreensão do assunto.
7 horas
A Unidade de Processamento Tensor (TPU) é a arquitetura que o Google usa internamente há vários anos, e só agora está se tornando disponível para uso pelo público em geral Ele inclui várias otimizações especificamente para uso em redes neurais, incluindo multiplicação de matriz simplificada e inteiros de 8 bits em vez de 16 bits para retornar níveis de precisão apropriados Neste treinamento presencial instruído, os participantes aprenderão como aproveitar as inovações dos processadores TPU para maximizar o desempenho de seus próprios aplicativos de inteligência artificial No final do treinamento, os participantes serão capazes de: Treinar vários tipos de redes neurais em grandes quantidades de dados Use TPUs para acelerar o processo de inferência em até duas ordens de magnitude Utilize TPUs para processar aplicativos intensivos, como pesquisa de imagens, visão em nuvem e fotos Público Desenvolvedores Pesquisadores Engenheiros Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
21 horas
O Microsoft Cognitive Toolkit 2x (anteriormente CNTK) é um kit de ferramentas de versão comercial de código aberto que treina algoritmos de aprendizado profundo para aprender como o cérebro humano Segundo a Microsoft, o CNTK pode ser 510x mais rápido que o TensorFlow em redes recorrentes, e 2 a 3 vezes mais rápido que o TensorFlow para tarefas relacionadas a imagens Neste treinamento presencial instruído, os participantes aprenderão a usar o Microsoft Cognitive Toolkit para criar, treinar e avaliar algoritmos de aprendizado profundo para uso em aplicativos de IA de grau comercial envolvendo vários tipos de dados, como dados, fala, texto e imagens No final deste treinamento, os participantes serão capazes de: Acesse o CNTK como uma biblioteca dentro de um programa em Python, C # ou C ++ Use o CNTK como uma ferramenta de aprendizado de máquina autônoma por meio de sua própria linguagem de descrição de modelo (BrainScript) Use a funcionalidade de avaliação do modelo CNTK de um programa Java Combinar DNNs feedforward, redes convolucionais (CNNs) e redes recorrentes (RNNs / LSTMs) Capacidade de computação de escala em CPUs, GPUs e várias máquinas Acessar conjuntos de dados enormes usando linguagens de programação e algoritmos existentes Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada Nota Se você deseja personalizar qualquer parte deste treinamento, incluindo a linguagem de programação escolhida, entre em contato conosco para agendar .
21 horas
PaddlePaddle (PArallel Distributed Deep LEarning) é uma plataforma de aprendizagem profunda escalável desenvolvida pela Baidu Neste treinamento ao vivo com instrutores, os participantes aprenderão como usar o PaddlePaddle para permitir o aprendizado profundo em seus aplicativos de produtos e serviços No final deste treinamento, os participantes serão capazes de: Configurar e configurar o PaddlePaddle Configurar uma rede neural por convolução (CNN) para reconhecimento de imagem e detecção de objetos Configurar uma Rede Neural Recorrente (RNN) para análise de sentimento Configure o aprendizado profundo em sistemas de recomendação para ajudar os usuários a encontrar respostas Prever taxas de cliques (CTR), classificar conjuntos de imagens em larga escala, realizar reconhecimento óptico de caracteres (OCR), classificar pesquisas, detectar vírus de computador e implementar um sistema de recomendação Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
7 horas
Snorkel é um sistema para criar, modelar e gerenciar rapidamente dados de treinamento Ele se concentra na aceleração do desenvolvimento de aplicativos de extração de dados estruturados ou "escuros" para domínios nos quais grandes conjuntos de treinamento rotulados não estão disponíveis ou são fáceis de obter Neste treinamento presencial instruído, os participantes aprenderão técnicas para extrair valor de dados não estruturados, como texto, tabelas, figuras e imagens, através da modelagem de dados de treinamento com o Snorkel No final deste treinamento, os participantes serão capazes de: Criar programaticamente conjuntos de treinamento para permitir a rotulagem de conjuntos de treinamento massivos Treinar modelos de alta qualidade final modelando primeiro conjuntos de treinamento barulhentos Use o Snorkel para implementar técnicas de supervisão fracas e aplicar a programação de dados a sistemas de aprendizado de máquina supervisionados de forma fraca Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
14 horas
Encog é uma estrutura de aprendizado de máquina de código aberto para Java eNet Neste treinamento presencial instruído, os participantes aprenderão técnicas avançadas de aprendizado de máquina para a construção de modelos preditivos precisos de redes neurais No final deste treinamento, os participantes serão capazes de: Implementar diferentes técnicas de otimização de redes neurais para resolver o mau ajuste e o superajuste Entenda e escolha entre várias arquiteturas de redes neurais Implementar redes supervisionadas de feed forward e feedback Público Desenvolvedores Analistas Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
14 horas
Encog é uma estrutura de aprendizado de máquina de código aberto para Java eNet Neste treinamento ao vivo instrutor, os participantes aprenderão como criar vários componentes de rede neural usando o ENCOG Os estudos de caso do Realworld serão discutidos e as soluções baseadas em linguagem de máquina para esses problemas serão exploradas No final deste treinamento, os participantes serão capazes de: Prepare dados para redes neurais usando o processo de normalização Implementar redes de feed forward e metodologias de treinamento de propagação Implementar tarefas de classificação e regressão Modelar e treinar redes neurais usando a bancada de trabalho baseada em GUI do Encog Integre o suporte a redes neurais em aplicativos do mundo real Público Desenvolvedores Analistas Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
14 horas
In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition.
By the end of this training, participants will be able to:
- Build a deep learning model
- Automate data labeling
- Work with models from Caffe and TensorFlow-Keras
- Train data using multiple GPUs, the cloud, or clusters
- Developers
- Engineers
- Domain experts
- Part lecture, part discussion, exercises and heavy hands-on practice
35 horas
Este curso começa com o fornecimento de conhecimento conceitual em redes neurais e, geralmente, em algoritmo de aprendizado de máquina, aprendizado profundo (algoritmos e aplicativos). A parte 1 (40%) deste treinamento é mais focada nos fundamentos, mas ajudará você a escolher a tecnologia certa: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc. A parte 2 (20%) deste treinamento apresenta o Theano - uma biblioteca python que facilita a escrita de modelos de aprendizado profundo. Parte 3 (40%) do treinamento seria extensivamente baseada no Tensorflow - API de 2ª geração da biblioteca de software de código aberto da Go ogle para Deep Learning . Os exemplos e handson seriam todos feitos no TensorFlow . Público Este curso é destinado a engenheiros que procuram usar o TensorFlow em seus projetos de Deep Learning Após a conclusão deste curso, os delegados:
- ter um bom entendimento sobre redes neurais profundas (DNN), CNN e RNN
- entender a estrutura e os mecanismos de implantação do TensorFlow
- ser capaz de executar tarefas de instalação / ambiente de produção / arquitetura e configuração
- ser capaz de avaliar a qualidade do código, executar depuração, monitoramento
- ser capaz de implementar produção avançada, como modelos de treinamento, construção de gráficos e registro
14 horas
Esta sessão de treinamento baseada em sala de aula conterá apresentações e exemplos baseados em computador e exercícios de estudo de caso para realizar com bibliotecas de redes neurais e profundas relevantes
28 horas
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 horas
Mecatrônica (também conhecida como engenharia mecatrônica) é uma combinação de mecânica, eletrônica e ciência da computação. Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a engenheiros que desejam aprender sobre a aplicabilidade da inteligência artificial em sistemas mecatrônicos. No final deste treinamento, os participantes serão capazes de:
- Obtenha uma visão geral da inteligência artificial, aprendizado de máquina e inteligência computacional.
- Compreender os conceitos de redes neurais e diferentes métodos de aprendizagem.
- Escolha abordagens de inteligência artificial de forma eficaz para problemas da vida real.
- Implementar aplicativos de IA em engenharia mecatrônica.
- Palestra interativa e discussão.
- Muitos exercícios e prática.
- Implementação prática em um ambiente de laboratório ao vivo.
- Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.
14 horas
Um sistema de recomendação é um processo de filtragem de informações que prevê as preferências do usuário. Python pode ser usado para programar aprendizagem profunda, aprendizagem de máquina e sistemas de recompensa de rede neural para ajudar os usuários a descobrir novos produtos e conteúdo.
Este treinamento guiado por instrutores, ao vivo (online ou on-site) é dirigido a cientistas de dados que desejam usar Python para construir sistemas de recomendação.
No final do curso, os participantes poderão:
-
Criar sistemas de recomendação em escala.
Aplique filtragem colaborativa para construir sistemas de recomendação.
Use Apache Spark para computar sistemas de recomendação em clusters.
Construa um quadro para testar algoritmos de recomendação com Python.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
14 horas
This instructor-led, live training in Portugal (online or onsite) is aimed at researchers and developers who wish to use Chainer to build and train neural networks in Python while making the code easy to debug.
By the end of this training, participants will be able to:
- Set up the necessary development environment to start developing neural network models.
- Define and implement neural network models using a comprehensible source code.
- Execute examples and modify existing algorithms to optimize deep learning training models while leveraging GPUs for high performance.
14 horas
Neste treinamento ao vivo conduzido por instrutor, examinamos os princípios das redes neurais e usamos OpenNN para implementar um aplicativo de amostra.Formato do curso
- Palestra e discussão juntamente com exercícios práticos.
Last Updated:
Outras Regiōes
Consultoria
Cursos de fim de semana de Redes Neurais, Treinamento tardiurno de Redes Neurais, Treinamento em grupo de Redes Neurais, Redes Neurais guiado por instrutor, Treinamento de Redes Neurais de fim de semana, Cursos de Redes Neurais tardiurnos, coaching de Redes Neurais, Instrutor de Redes Neurais, Treinador de Redes Neurais, Cursos de treinamento de Redes Neurais, Aulas de Redes Neurais, Redes Neurais no local do cliente, Cursos privados de Redes Neurais, Treinamento individual de Redes Neurais
