Online ou no local, os cursos de treinamento Deep Learning (DL) ao vivo conduzidos por instrutores demonstram por meio da prática prática os fundamentos e aplicações do Deep Learning e abrangem assuntos como aprendizado de máquina profundo, aprendizado estruturado profundo e aprendizado hierárquico. O treinamento Deep Learning está disponível como "treinamento ao vivo online" ou "treinamento ao vivo no local". O treinamento on-line ao vivo (também conhecido como "treinamento remoto ao vivo") é realizado por meio de uma área de trabalho remota e interativa. O treinamento ao vivo no local pode ser realizado localmente nas instalações do cliente em Évora ou nos centros de treinamento corporativo da NobleProg em Évora. NobleProg -- Seu provedor de treinamento local
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a profissionais de nível avançado que desejam se especializar em técnicas de aprendizado profundo de ponta para NLU.
Ao final deste treinamento, os participantes serão capazes de:
Compreender as principais diferenças entre os modelos NLU e NLP.
Aplique técnicas avançadas de aprendizado profundo às tarefas da NLU.
Explore arquiteturas profundas, como transformadores e mecanismos de atenção.
Aproveite as tendências futuras da NLU para criar sistemas sofisticados de IA.
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a cientistas de dados de nível intermediário a avançado, engenheiros de aprendizado de máquina, pesquisadores de aprendizado profundo e especialistas em visão computacional que desejam expandir seus conhecimentos e habilidades em aprendizado profundo para geração de texto para imagem.
No final deste treinamento, os participantes serão capazes de:
Compreender arquiteturas e técnicas avançadas de aprendizado profundo para geração de texto para imagem.
Implementar modelos complexos e otimizações para síntese de imagens de alta qualidade.
Otimize o desempenho e a escalabilidade para grandes conjuntos de dados e modelos complexos.
Ajustar hiperparâmetros para melhor desempenho e generalização do modelo.
Integrar Stable Diffusion com outras estruturas e ferramentas de aprendizagem profunda
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a profissionais de nível avançado que desejam aproveitar as técnicas de IA para revolucionar os processos de descoberta e desenvolvimento de medicamentos.
Ao final deste treinamento, os participantes serão capazes de:
Compreender o papel da IA na descoberta e desenvolvimento de medicamentos.
Aplicar técnicas de aprendizado de máquina para prever propriedades e interações moleculares.
Use modelos de aprendizado profundo para triagem virtual e otimização de leads.
Integrar abordagens orientadas por IA no processo de ensaio clínico.
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a cientistas de dados de nível iniciante a intermediário e engenheiros de aprendizado de máquina que desejam melhorar o desempenho de seus modelos de aprendizado profundo.
Ao final deste treinamento, os participantes serão capazes de:
Entenda os princípios do aprendizado profundo distribuído.
Instale e configure o DeepSpeed.
Escale modelos de aprendizado profundo em hardware distribuído usando DeepSpeed.
Implemente e experimente os recursos do DeepSpeed para otimização e eficiência de memória.
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a desenvolvedores de nível iniciante a intermediário que desejam usar modelos de linguagem grande para várias tarefas de linguagem natural.
No final deste treinamento, os participantes serão capazes de:
Configurar um ambiente de desenvolvimento que inclua um LLM popular.
Criar um LLM básico e ajustá-lo em um conjunto de dados personalizado.
Usar LLMs para diferentes tarefas de linguagem natural, como resumo de texto, resposta a perguntas, geração de texto e muito mais.
Depurar e avaliar LLMs usando ferramentas como TensorBoard, PyTorch Lightning e Hugging Face Datasets.
Neste treinamento ao vivo conduzido por instrutor em Évora, os participantes aprenderão as técnicas de aprendizado de máquina mais relevantes e de ponta em Python à medida que constroem uma série de aplicativos de demonstração envolvendo dados de imagem, música, texto e financeiros.
No final deste treinamento, os participantes serão capazes de:
Implementar algoritmos e técnicas de aprendizado de máquina para resolver problemas complexos.
Aplique o aprendizado profundo e o aprendizado semi-supervisionado a aplicativos que envolvam dados de imagem, música, texto e financeiros.
Utilizar o potencial máximo dos algoritmos Python.
Utilizar bibliotecas e pacotes como NumPy e Theano.
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam aprender os fundamentos do Deep Reinforcement Learning à medida que avançam na criação de um Deep Learning Agent.
No final desta formação, os participantes serão capazes de
Compreender os principais conceitos por trás do Deep Reinforcement Learning e ser capaz de distingui-lo do Machine Learning.
Aplicar algoritmos avançados de Reinforcement Learning para resolver problemas do mundo real.
Neste treinamento ao vivo conduzido por instrutor em Évora, os participantes aprenderão como implementar modelos de aprendizado profundo para telecomunicações usando Python à medida que avançam na criação de um modelo de risco de crédito de aprendizado profundo.
Ao final deste treinamento, os participantes serão capazes de:
Compreender os conceitos fundamentais de aprendizagem profunda.
Aprenda os aplicativos e usos do aprendizado profundo em telecomunicações.
Use Python, Keras e TensorFlow para criar modelos de aprendizado profundo para telecomunicações.
Crie seu próprio modelo de previsão de churn de cliente de aprendizado profundo usando Python.
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.
This instructor-led, live training in Évora (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.
By the end of this training, participants will be able to:
Understand and implement various Machine Learning algorithms.
Prepare data and models for machine learning applications.
Conduct post hoc analyses and visualize results effectively.
Apply machine learning techniques to real-world, sector-specific scenarios.
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.
Caffe é uma estrutura de aprendizagem profunda feita com expressão, velocidade e modularidade em mente. Este curso explora a aplicação do Caffe como uma estrutura de aprendizagem profunda para o reconhecimento de imagens usando o MNIST como um exemplo Público Este curso é adequado para pesquisadores e engenheiros do Deep Learning interessados em utilizar o Caffe como um framework. Depois de concluir este curso, os delegados poderão:
entender a estrutura e os mecanismos de implantação do Caffe
realizar tarefas de instalação / ambiente de produção / arquitetura e configuração
avaliar a qualidade do código, executar a depuração, monitoramento
implementar produção avançada como modelos de treinamento, implementação de camadas e registro
This instructor-led, live training in Évora (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.
By the end of this training, participants will be able to:
Apply core statistical methods to pattern recognition.
Use key models like neural networks and kernel methods for data analysis.
Implement advanced techniques for complex problem-solving.
Improve prediction accuracy by combining different models.
Este curso é uma visão geral para Deep Learning sem aprofundar demasiado quaisquer métodos específicos. É adequado para pessoas que querem começar a utilizar a aprendizagem profunda para melhorar a sua precisão de previsão.
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a pesquisadores e desenvolvedores que desejam instalar, configurar, personalizar e usar a plataforma DeepMind Lab para desenvolver sistemas gerais de inteligência artificial e aprendizado de máquina.
No final deste treinamento, os participantes serão capazes de:
Personalizar DeepMind Lab para construir e executar um ambiente que atenda às necessidades de aprendizado e treinamento.
Utilizar o ambiente de simulação 3D da DeepMind Lab para treinar agentes de aprendizagem num ponto de vista de primeira pessoa.
Facilitar a avaliação de agentes para desenvolver a inteligência num mundo 3D semelhante a um jogo.
A aprendizagem automática é um ramo da Inteligência Artificial em que os computadores têm a capacidade de aprender sem serem explicitamente programados. A aprendizagem profunda é um subcampo da aprendizagem automática que utiliza métodos baseados na aprendizagem de representações e estruturas de dados, como as redes neuronais.
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a analistas de negócios, cientistas de dados e desenvolvedores que desejam criar e implementar modelos de aprendizado profundo para acelerar o crescimento da receita e resolver problemas no mundo dos negócios.
No final deste treinamento, os participantes serão capazes de:
Entenda os principais conceitos de aprendizado de máquina e aprendizado profundo.
Obtenha insights sobre o futuro dos negócios e da indústria com ML e DL.
Defina estratégias e soluções de negócios com aprendizado profundo.
Aprender a aplicar a ciência de dados e a aprendizagem profunda na resolução de problemas empresariais.
Construir modelos de aprendizagem profunda utilizando Python, Pandas, TensorFlow, CNTK, Torch, Keras, etc.
A aprendizagem automática é um ramo da Inteligência Artificial em que os computadores têm a capacidade de aprender sem serem explicitamente programados. A aprendizagem profunda é um subcampo da aprendizagem automática que utiliza métodos baseados na aprendizagem de representações e estruturas de dados, como as redes neuronais. A linguagem de programação de alto nível Python é famosa pela sua sintaxe clara e legibilidade do código.
Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como implementar modelos de aprendizado profundo para bancos usando Python à medida que avançam na criação de um modelo de risco de crédito de aprendizado profundo.
Ao final deste treinamento, os participantes serão capazes de:
Compreender os conceitos fundamentais de aprendizagem profunda
Aprenda os aplicativos e usos do aprendizado profundo no setor bancário
Use Python, Keras e TensorFlow para criar modelos de aprendizado profundo para o setor bancário
Crie seu próprio modelo de risco de crédito de aprendizado profundo usando Python
Público
Programadores
Cientistas de dados
Formato do curso
Palestra parcial, discussão parcial, exercícios e prática prática pesada
Público Este curso é adequado para pesquisadores e engenheiros do Deep Learning interessados em utilizar ferramentas disponíveis (principalmente código aberto) para analisar imagens de computador Este curso fornece exemplos de trabalho.
Tipo: Formação teórica com aplicações decididas previamente com os alunos sobre Lasanha ou Keras consoante o grupo de ensino.
Método de ensino: apresentação, discussão e estudo de casos
A inteligência artificial revolucionou vários domínios científicos e começa agora a revolucionar um grande número de sectores económicos (indústria, medicina, comunicação, etc.). No entanto, a forma como é apresentada nos grandes meios de comunicação social é muitas vezes uma fantasia, muito distante das realidades dos domínios Machine Learning e Deep Learning. O objetivo deste curso é fornecer aos engenheiros que já dominam as ferramentas informáticas (incluindo um conhecimento básico de programação de software) uma introdução ao Deep Learning e às suas várias áreas especializadas e, portanto, às principais arquitecturas de rede existentes atualmente. Embora os fundamentos matemáticos sejam relembrados durante o curso, recomenda-se um nível de matemática como o BAC+2 para maior conforto. É absolutamente possível prescindir da matemática para reter apenas uma visão "sistémica", mas esta abordagem limitará muito a compreensão do tema.
Neste treinamento ao vivo, ministrado por instrutor, os participantes aprenderão como usar o Matlab para projetar, construir e visualizar uma rede neural convolucional para reconhecimento de imagem.
Ao final deste treinamento, os participantes serão capazes de:
Construa um modelo de aprendizado profundo
Automatize a rotulagem de dados
Trabalhar com modelos da Caffe e TensorFlow - Keras
Treine dados usando várias GPU , a nuvem ou clusters
Público
Desenvolvedores
Engenheiros
Especialistas em domínio
Formato do curso
Parte palestra, parte discussão, exercícios e prática prática pesada
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a profissionais de nível iniciante a intermediário que desejam desenvolver sua compreensão dos algoritmos de aprendizado de máquina, técnicas de aprendizado profundo e tomada de decisão orientada por IA. O curso fornece experiência prática com conceitos de aprendizado de máquina, modelos de aprendizado profundo e implementações práticas usando R.No final deste treinamento, os participantes serão capazes de:
Entenda os fundamentos do aprendizado de máquina e do aprendizado profundo.
Aplique vários algoritmos de aprendizado de máquina para regressão, classificação, clustering e deteção de anomalias.
Use arquiteturas de aprendizado profundo, como redes neurais artificiais (RNAs).
Implementar modelos de aprendizagem supervisionados e não supervisionados.
Avaliar o desempenho do modelo e otimizar os hiperparâmetros.
Utilizar o R para análise de dados, visualização e aplicações de aprendizagem automática.
Esta sessão de treinamento 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.
Este treinamento ao vivo conduzido por instrutor em Évora (no local ou remoto) é destinado a engenheiros de software que desejam programar em Python com OpenCV 4 para aprendizado profundo.
Ao final deste treinamento, os participantes serão capazes de:
Visualizar, carregar e classificar imagens e vídeos usando OpenCV 4.
Implementar o aprendizado profundo em OpenCV 4 com TensorFlow e Keras.
Execute modelos de aprendizado profundo e gere relatórios impactantes a partir de imagens e vídeos.
O OpenFace é um software de reconhecimento facial em tempo real, de código aberto, baseado na pesquisa FaceNet da Google.
Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como usar os componentes do OpenFace para criar e implantar um aplicativo de reconhecimento facial de amostra.
No final deste treinamento, os participantes serão capazes de:
Trabalhar com os componentes do OpenFace, incluindo dlib, OpenVC, Torch e nn4 para implementar a deteção, o alinhamento e a transformação de faces
Aplicar o OpenFace a aplicativos do mundo real, como vigilância, verificação de identidade, realidade virtual, jogos e identificação de clientes repetidos, etc.
Público-alvo
Programadores
Cientistas de dados
Formato do curso
Parte palestra, parte discussão, exercícios e prática prática pesada
Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como configurar e usar o OpenNMT para realizar a tradução de vários conjuntos de dados de amostra. O curso começa com uma visão geral das redes neurais como elas se aplicam à tradução automática. Os participantes realizarão exercícios ao vivo durante o curso para demonstrar sua compreensão dos conceitos aprendidos e obter feedback do instrutor.
No final deste treinamento, os participantes terão o conhecimento e a prática necessários para implementar uma solução OpenNMT ao vivo.
Amostras de idioma de origem e de destino serão pré-organizadas de acordo com os requisitos do público.
Formato do Curso
Palestra parcial, parte discussão, prática prática
Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão técnicas avançadas para Machine Learning com R à medida que avançam na criação de um aplicativo do mundo real.
No final desta formação, os participantes serão capazes de
Compreender e implementar técnicas de aprendizagem não supervisionada
Aplicar clustering e classificação para fazer previsões com base em dados do mundo real.
Visualizar dados para obter rapidamente insights, tomar decisões e refinar ainda mais a análise.
Melhorar o desempenho de um modelo de aprendizado de máquina usando o ajuste de hiperparâmetros.
Colocar um modelo em produção para uso em um aplicativo maior.
Aplicar técnicas avançadas de aprendizado de máquina para responder a perguntas envolvendo dados de redes sociais, big data e muito mais.
Leia mais...
Última Atualização:
Declaração de Clientes (15)
O Hunter é fabuloso, muito cativante, extremamente conhecedor e pessoal. Muito bem feito.
Rick Johnson - Laramie County Community College
Curso - Artificial Intelligence (AI) Overview
Máquina Traduzida
A clareza com que foi apresentado
John McLemore - Motorola Solutions
Curso - Deep Learning for Telecom (with Python)
Máquina Traduzida
O instrutor explicou o conteúdo bem e foi envolvente durante todo o tempo. Ele parava para fazer perguntas e nos deixava chegar às nossas próprias soluções em algumas sessões práticas. Ele também adaptou o curso bem aos nossos necessidades.
Robert Baker
Curso - Deep Learning with TensorFlow 2.0
Máquina Traduzida
Tomasz realmente conhece bem as informações e o curso foi bem ritmado.
Raju Krishnamurthy - Google
Curso - TensorFlow Extended (TFX)
Máquina Traduzida
Organização, seguindo a agenda proposta, o amplo conhecimento do treinador sobre este assunto
Ali Kattan - TWPI
Curso - Natural Language Processing with TensorFlow
Máquina Traduzida
O instrutor era um profissional no campo do assunto e relacionou teoria com aplicação excelentemente.
Fahad Malalla - Tatweer Petroleum
Curso - Applied AI from Scratch in Python
Máquina Traduzida
In-depth coverage of machine learning topics, particularly neural networks. Demystified a lot of the topic.
Sacha Nandlall
Curso - Python for Advanced Machine Learning
Máquina Traduzida
Very flexible.
Frank Ueltzhoffer
Curso - Artificial Neural Networks, Machine Learning and Deep Thinking
Máquina Traduzida
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
Paul Lee
Curso - TensorFlow for Image Recognition
Máquina Traduzida
I liked the new insights in deep machine learning.
Josip Arneric
Curso - Neural Network in R
Máquina Traduzida
We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.
Sebastiaan Holman
Curso - Machine Learning and Deep Learning
Máquina Traduzida
The global overview of deep learning.
Bruno Charbonnier
Curso - Advanced Deep Learning
Máquina Traduzida
The topic is very interesting.
Wojciech Baranowski
Curso - Introduction to Deep Learning
Máquina Traduzida
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.
Gudrun Bickelq
Curso - Introduction to the use of neural networks
Máquina Traduzida
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Cursos de treinamento de Deep Learning (DL) em Évora, Cursos de fim de semana de DL (Deep Learning) em Évora, Treinamento tardiurno de Deep Learning (DL) em Évora, Aprendizagem Profunda (Deep learning) guiado por instrutor em Évora, DL (Deep Learning) no local do cliente em Évora, Treinador de Aprendizagem Profunda (Deep learning) em Évora, Treinamento individual de DL (Deep Learning) em Évora, Cursos tardiurnos de DL (Deep Learning) em Évora,Coaching de Deep Learning (DL) em Évora, DL (Deep Learning) guiado por instrutor em Évora, !Instrutor de Deep Learning (DL) em Évora, Cursos privados de DL (Deep Learning) em Évora, treinamento em grupo de Aprendizagem Profunda (Deep learning) em Évora, Treinamendo de Deep Learning (DL) de fim de semana em Évora, Aulas de Deep Learning (DL) em ÉvoraCursos de treinamento de Deep Learning (DL) em Évora, Cursos de fim de semana de DL (Deep Learning) em Évora, Treinamento tardiurno de Deep Learning (DL) em Évora, Deep Learning guiado por instrutor em Évora, Aulas de DL (Deep Learning) em Évora, Cursos privados de Deep Learning (DL) em Évora, Treinamento individual de DL (Deep Learning) em Évora, !Instrutor de DL (Deep Learning) em Évora, Deep Learning no local do cliente em Évora, treinamento em grupo de Deep Learning (DL) em Évora, DL (Deep Learning) guiado por instrutor em Évora, Treinador de DL (Deep Learning) em Évora, Treinamendo de Deep Learning (DL) de fim de semana em Évora, Cursos tardiurnos de Deep Learning em Évora,Coaching de DL (Deep Learning) em Évora