Os cursos de treinamento de Aprendizado por Máquina (ML) ao vivo, ministrados por instrutor, demonstram, por meio de práticas práticas, como aplicar técnicas e ferramentas de aprendizado de máquina para resolver problemas do mundo real em vários setores. Os cursos NobleProg ML abrangem diferentes linguagens de programação e frameworks, incluindo Python, linguagem R e Matlab. Os cursos Machine Learning são oferecidos para diversas aplicações do setor, incluindo finanças, bancos e seguros, e abrangem os fundamentos do Machine Learning, bem como abordagens mais avançadas, como o Deep Learning. O treinamento Machine Learning está disponível como "treinamento ao vivo no local" ou "treinamento remoto ao vivo". Treinamento ao vivo no local pode ser realizado localmente nas instalações do cliente em Brasil ou nos centros de treinamento corporativo da NobleProg em Brasil . O treinamento ao vivo remoto é realizado por meio de uma área de trabalho remota e interativa. NobleProg - seu provedor de treinamento local
Machine Translated
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
O treinador foi tão experiente e áreas incluídas eu estava interessado em.
Mohamed Salama
Curso: Data Mining & Machine Learning with R
Machine Translated
O assunto é muito interessante.
Wojciech Baranowski
Curso: Introduction to Deep Learning
Machine Translated
Formadores de conhecimentos teóricos e vontade de resolver os problemas com os participantes após o treinamento.
Grzegorz Mianowski
Curso: Introduction to Deep Learning
Machine Translated
Tema. Muito interessante!.
Piotr
Curso: Introduction to Deep Learning
Machine Translated
Exercícios após cada tópico foram realmente úteis, apesar de terem sido muito complicados no final. Em geral, o material apresentado foi muito interessante e envolvente! Exercícios com reconhecimento de imagem foram ótimos.
Dolby Poland Sp. z o.o.
Curso: Introduction to Deep Learning
Machine Translated
Eu acho que se o treinamento fosse feito em polonês, isso permitiria ao treinador compartilhar seus conhecimentos de forma mais eficiente.
Radek
Curso: Introduction to Deep Learning
Machine Translated
A visão global da aprendizagem profunda.
Bruno Charbonnier
Curso: Advanced Deep Learning
Machine Translated
Os exercícios são suficientemente práticos e não precisam de um alto conhecimento em Python para ser feito.
Alexandre GIRARD
Curso: Advanced Deep Learning
Machine Translated
Fazendo exercícios em exemplos reais usando Eras. A Itália entendeu totalmente as nossas expectativas sobre esse treinamento.
Paul Kassis
Curso: Advanced Deep Learning
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
Nós obtivemos muito mais informações sobre o assunto. Alguma discussão agradável foi feita com alguns assuntos reais dentro da nossa empresa.
Sebastiaan Holman
Curso: Machine Learning and Deep Learning
Machine Translated
O treinamento forneceu a base correta que nos permite expandir ainda mais, mostrando como a teoria e a prática andam de mãos dadas. Isso realmente me deixou mais interessado no assunto do que eu era antes.
Jean-Paul van Tillo
Curso: Machine Learning and Deep Learning
Machine Translated
Eu realmente gostei da cobertura e profundidade dos tópicos.
Anirban Basu
Curso: Machine Learning and Deep Learning
Machine Translated
O treinador explicou muito facilmente tópicos difíceis e avançados.
Leszek K
Curso: Artificial Intelligence Overview
Machine Translated
O profundo conhecimento do treinador sobre o tema.
Sebastian Görg
Curso: Introduction to Deep Learning
Machine Translated
Abordagem muito atualizada ou CPI (tensor flow, era, learn) para fazer aprendizado de máquina.
Paul Lee
Curso: TensorFlow for Image Recognition
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
Todos gostam
蒙 李
Curso: Machine Learning Fundamentals with Python
Machine Translated
forma de condução e exemplo dado pelo treinador
ORANGE POLSKA S.A.
Curso: Machine Learning and Deep Learning
Machine Translated
Possibilidade de discutir os problemas propostos você mesmo
ORANGE POLSKA S.A.
Curso: Machine Learning and Deep Learning
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
Abrangente cobertura de tópicos de aprendizado de máquina, particularmente redes neurais. Desmistificou muito do tópico.
Sacha Nandlall
Curso: Python for Advanced Machine Learning
Machine Translated
Eu realmente gostei de exercícios
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
os exercícios de laboratório
Marcell Lorant - L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
A forma de caderno Jupyter, na qual o material de treinamento está disponível
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
Houve muitos exercícios e tópicos interessantes.
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
alguns grandes exercícios de laboratório analisados e explicados pelo formador em profundidade (por exemplo, covariantes em regressão linear, combinando com a função real)
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
É ótimo que todo o material, incluindo os exercícios, esteja na mesma página e seja atualizado na hora. A solução é revelada no final. Legal! Além disso, agradeço que Krzysztof tenha feito um esforço extra para entender nossos problemas e nos sugeriu técnicas possíveis.
Attila Nagy - L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
Conhecimento grande e atualizado de exemplos de aplicação prática e de liderança.
ING Bank Śląski S.A.
Curso: Introduction to Deep Learning
Machine Translated
Um monte de exercícios, muito boa cooperação com o grupo.
Janusz Chrobot - ING Bank Śląski S.A.
Curso: Introduction to Deep Learning
Machine Translated
trabalho em colaboradores,
ING Bank Śląski S.A.
Curso: Introduction to Deep Learning
Machine Translated
Era óbvio que os entusiastas dos tópicos apresentados estavam liderando. Usou exemplos interessantes durante o exercício.
ING Bank Śląski S.A.
Curso: Introduction to Deep Learning
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
Eu me beneficiei da paixão de ensinar e me concentrar em fazer coisas sensatas.
Zaher Sharifi - GOSI
Curso: Advanced Deep Learning
Machine Translated
Nossos Clientes
Programas do curso ML (Machine Learning)
Nome do Curso
Duração
Visão geral
Nome do Curso
Duração
Visão geral
7 horas
This instructor-led, live training in Brasil (online or onsite) is aimed at software engineers or anyone who wish to learn how to use Vertex AI to perform and complete machine learning activities.
By the end of this training, participants will be able to:
- Understand how Vertex AI works and use it as a machine learning platform.
- Learn about machine learning and NLP concepts.
- Know how to train and deploy machine learning models using Vertex AI.
By the end of this training, participants will be able to:
- Understand how Vertex AI works and use it as a machine learning platform.
- Learn about machine learning and NLP concepts.
- Know how to train and deploy machine learning models using Vertex AI.
7 horas
AlphaFold é um sistema Artificial Intelligence (AI) que realiza a previsão de estruturas de proteínas. É desenvolvido pela Alphabet’s/Google’s DeepMind como um sistema de aprendizagem profunda que pode prever com precisão modelos 3D de estruturas de proteínas.
Este treinamento ao vivo guiado por instrutores (online ou on-site) é dirigido a biólogos que desejam entender como AlphaFold trabalham e usam AlphaFold modelos como guias em seus estudos experimentais.
No final do curso, os participantes poderão:
Conheça os princípios fundamentais de AlphaFold. Saiba como AlphaFold funciona. Aprenda a interpretar AlphaFold previsões e resultados.
O formato do curso
Interação e discussão interativa. Muitos exercícios e práticas. Implementação de mão em um ambiente de laboratório ao vivo.
Opções de Customização
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
Este treinamento ao vivo guiado por instrutores (online ou on-site) é dirigido a biólogos que desejam entender como AlphaFold trabalham e usam AlphaFold modelos como guias em seus estudos experimentais.
No final do curso, os participantes poderão:
Conheça os princípios fundamentais de AlphaFold. Saiba como AlphaFold funciona. Aprenda a interpretar AlphaFold previsões e resultados.
O formato do curso
Interação e discussão interativa. Muitos exercícios e práticas. Implementação de mão em um ambiente de laboratório ao vivo.
Opções de Customização
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
14 horas
Waikato Environment for Knowledge Analysis (Weka) é um software de visualização de mineração de dados de código aberto. Fornece uma coleção de algoritmos de aprendizagem de máquina para a preparação de dados, classificação, clustering e outras atividades de mineração de dados.
Este treinamento ao vivo guiado por instrutores (online ou on-site) é dirigido a analistas de dados e cientistas de dados que desejam usar Weka para realizar tarefas de mineração de dados.
No final do curso, os participantes poderão:
Instalar e configurar Weka Compreender o ambiente Weka e o banco de trabalho. Realizar tarefas de mineração de dados usando Weka.
O formato do curso
Interação e discussão interativa. Muitos exercícios e práticas. Implementação de mão em um ambiente de laboratório ao vivo.
Opções de Customização
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
Este treinamento ao vivo guiado por instrutores (online ou on-site) é dirigido a analistas de dados e cientistas de dados que desejam usar Weka para realizar tarefas de mineração de dados.
No final do curso, os participantes poderão:
Instalar e configurar Weka Compreender o ambiente Weka e o banco de trabalho. Realizar tarefas de mineração de dados usando Weka.
O formato do curso
Interação e discussão interativa. Muitos exercícios e práticas. Implementação de mão em um ambiente de laboratório ao vivo.
Opções de Customização
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
14 horas
O objetivo deste curso é fornecer uma competência básica na aplicação de métodos Machine Learning na prática. Através do uso do Python linguagem de programação e suas várias bibliotecas, e com base em uma série de exemplos práticos, este curso ensina como usar os blocos de construção mais importantes de Machine Learning, como tomar decisões de modelagem de dados, interpretar as saídas dos algoritmos e validar os resultados.
Nosso objetivo é dar-lhe as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas de forma confiável e evitar os problemas comuns das aplicações Data Science.
Nosso objetivo é dar-lhe as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas de forma confiável e evitar os problemas comuns das aplicações Data Science.
21 horas
Neste treinamento presencial instruído, os participantes aprenderão as técnicas de aprendizado de máquina mais relevantes e inovadoras do Python, pois eles criam uma série de aplicativos de demonstração que envolvem dados de imagem, música, texto e dados financeiros No final deste treinamento, os participantes serão capazes de: Implementar algoritmos e técnicas de aprendizado de máquina para resolver problemas complexos Aplicar aprendizado profundo e aprendizado semissupervisionado a aplicativos que envolvam dados de imagem, música, texto e dados financeiros Empurre os algoritmos do Python para o seu potencial máximo Use bibliotecas e pacotes como NumPy e Theano Público Desenvolvedores Analistas Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
28 horas
o objetivo deste curso é fornecer proficiência geral na aplicação de métodos de aprendizado de máquina na prática. Através do uso da linguagem de programação Python e suas várias bibliotecas, e com base em uma infinidade de exemplos práticos, este curso ensina como usar os blocos de construção mais importantes do aprendizado de máquina, como fazer decisões de modelagem de dados, interpretar o saídas dos algoritmos e validar os resultados.
nosso objetivo é dar a você as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas de aprendizado de máquina com confiança e evitar as armadilhas comuns de aplicações de data Sciences.
nosso objetivo é dar a você as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas de aprendizado de máquina com confiança e evitar as armadilhas comuns de aplicações de data Sciences.
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
Audiência
Desenvolvedores Científicos de Dados
Formato do curso
Lecção da parte, discussão parcial, exercícios e prática pesada de mãos
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
Audiência
Desenvolvedores Científicos de Dados
Formato do curso
Lecção da parte, discussão parcial, exercícios e prática pesada de mãos
28 horas
A aprendizagem por máquina é uma rama da Inteligência Artificial em que os computadores têm a capacidade de aprender sem ser explicitamente programados.
A aprendizagem profunda é um subcampo de aprendizagem de máquina que usa métodos baseados em representações e estruturas de dados de aprendizagem, como redes neurais.
Python é uma linguagem de programação de alto nível famosa por sua sintaxe clara e leitura de código.
Neste treinamento ao vivo liderado por instrutores, os participantes aprenderão como implementar modelos de aprendizagem profunda para telecom usando Python enquanto eles passam pela criação de um modelo de risco de crédito de aprendizagem profunda.
No final do curso, os participantes poderão:
Conheça os conceitos fundamentais de aprendizagem profunda. Aprenda as aplicações e os usos de aprendizagem profunda em telecom. Use Python, Keras, e TensorFlow para criar modelos de aprendizagem profunda para telecom. Construa seu próprio modelo de profunda aprendizagem do cliente usando Python.
O formato do curso
Interação e discussão interativa. Muitos exercícios e práticas. Implementação de mão em um ambiente de laboratório ao vivo.
Opções de Customização
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
A aprendizagem profunda é um subcampo de aprendizagem de máquina que usa métodos baseados em representações e estruturas de dados de aprendizagem, como redes neurais.
Python é uma linguagem de programação de alto nível famosa por sua sintaxe clara e leitura de código.
Neste treinamento ao vivo liderado por instrutores, os participantes aprenderão como implementar modelos de aprendizagem profunda para telecom usando Python enquanto eles passam pela criação de um modelo de risco de crédito de aprendizagem profunda.
No final do curso, os participantes poderão:
Conheça os conceitos fundamentais de aprendizagem profunda. Aprenda as aplicações e os usos de aprendizagem profunda em telecom. Use Python, Keras, e TensorFlow para criar modelos de aprendizagem profunda para telecom. Construa seu próprio modelo de profunda aprendizagem do cliente usando Python.
O formato do curso
Interação e discussão interativa. Muitos exercícios e práticas. Implementação de mão em um ambiente de laboratório ao vivo.
Opções de Customização
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
14 horas
O Embedding Projector é um aplicativo da web opensource para visualizar os dados usados para treinar sistemas de aprendizado de máquina Criado pelo Google, faz parte do TensorFlow Este treinamento ao vivo com instrutor introduz os conceitos por trás do Embedding Projector e conduz os participantes através da configuração de um projeto de demonstração No final deste treinamento, os participantes serão capazes de: Explore como os dados estão sendo interpretados pelos modelos de aprendizado de máquina Navegue por visualizações 3D e 2D de dados para entender como um algoritmo de aprendizado de máquina o interpreta Entenda os conceitos por trás do Embeddings e seu papel na representação de vetores matemáticos para imagens, palavras e numerais Explore as propriedades de uma incorporação específica para entender o comportamento de um modelo Aplique o Embedding Project em casos de uso do mundo real, como construir um sistema de recomendação de músicas para os amantes da música Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
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
Este curso de treinamento é para pessoas que gostariam de aplicar técnicas básicas de Machine Learning em aplicações práticas.
Público
Cientistas de dados e estatísticos que têm alguma familiaridade com o aprendizado de máquina e sabem como programar R. A ênfase deste curso é nos aspectos práticos da preparação de dados / modelos, execução, análise post hoc e visualização. O objetivo é fornecer uma introdução prática ao aprendizado de máquina aos participantes interessados em aplicar os métodos no trabalho.
Exemplos específicos do setor são usados para tornar o treinamento relevante para o público.
Público
Cientistas de dados e estatísticos que têm alguma familiaridade com o aprendizado de máquina e sabem como programar R. A ênfase deste curso é nos aspectos práticos da preparação de dados / modelos, execução, análise post hoc e visualização. O objetivo é fornecer uma introdução prática ao aprendizado de máquina aos participantes interessados em aplicar os métodos no trabalho.
Exemplos específicos do setor são usados para tornar o treinamento relevante para o público.
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.
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.
14 horas
O objetivo deste curso é fornecer uma proficiência básica na aplicação de métodos de Machine Learning na prática. Através do uso da plataforma de programação R e de suas diversas bibliotecas, e com base em vários exemplos práticos, este curso ensina como usar os blocos de construção mais importantes do Machine Learning , como tomar decisões de modelagem de dados, interpretar as saídas dos algoritmos e validar os resultados.
Nosso objetivo é fornecer a você as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas Machine Learning confiança e evitar as armadilhas comuns dos aplicativos da Data Science .
Nosso objetivo é fornecer a você as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas Machine Learning confiança e evitar as armadilhas comuns dos aplicativos da Data Science .
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
This course will be a combination of theory and practical work with specific examples used throughout the event.
21 horas
Este curso introduz métodos de aprendizado de máquina em aplicativos de robótica.
É uma visão ampla dos métodos, motivações e ideias principais existentes no contexto do reconhecimento de padrões.
Após um curto histórico teórico, os participantes realizarão exercícios simples usando código aberto (geralmente R) ou qualquer outro software popular.
É uma visão ampla dos métodos, motivações e ideias principais existentes no contexto do reconhecimento de padrões.
Após um curto histórico teórico, os participantes realizarão exercícios simples usando código aberto (geralmente R) ou qualquer outro software popular.
21 horas
MATLAB is a numerical computing environment and programming language developed by MathWorks.
14 horas
O objetivo deste curso é fornecer uma proficiência básica na aplicação de métodos de Machine Learning na prática. Com o uso da linguagem de programação Scala e suas diversas bibliotecas, e com base em vários exemplos práticos, este curso ensina como usar os blocos de construção mais importantes do Machine Learning , como tomar decisões de modelagem de dados, interpretar as saídas dos algoritmos e validar os resultados.
Nosso objetivo é fornecer a você as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas Machine Learning confiança e evitar as armadilhas comuns dos aplicativos da Data Science .
Nosso objetivo é fornecer a você as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas Machine Learning confiança e evitar as armadilhas comuns dos aplicativos da Data Science .
14 horas
R é uma linguagem de programação livre de código aberto para computação estatística, análise de dados e gráficos. A pesquisa é usada por um número crescente de gerentes e analistas de dados dentro das corporações e da academia. R tem uma ampla variedade de pacotes para mineração de dados.
21 horas
O PredictionIO é uma ferramenta de código aberto para o Machine Learning, contruída em um stack de código aberto de alta qualidade, o objetivo do curso é que o participante possa entender os conceitos chave da aplicação de Machine Learning cm o PredictionIO.
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.
21 horas
O curso é dedicado para aqueles que gostariam de conhecer um programa alternativo ao pacote comercial do MATLAB O treinamento de três dias fornece informações abrangentes sobre a movimentação pelo ambiente e a execução do pacote OCTAVE para análise de dados e cálculos de engenharia Os beneficiários do treinamento são iniciantes, mas também aqueles que conhecem o programa e gostariam de sistematizar seus conhecimentos e melhorar suas habilidades O conhecimento de outras linguagens de programação não é necessário, mas facilitará muito a aquisição de conhecimento por parte dos alunos O curso mostrará a você como usar o programa em muitos exemplos práticos .
21 horas
Este curso de treinamento é para pessoas que gostariam de aplicar Machine Learning em aplicações práticas para sua equipe. O treinamento não vai mergulhar em tecnicidades e girar em torno de conceitos básicos e aplicações comerciais / operacionais do mesmo.
Público-alvo
- Investidores e empresários de IA
- Gerentes e Engenheiros cuja empresa está se aventurando no espaço da IA
- Analistas de Business e Investidores
Público-alvo
- Investidores e empresários de IA
- Gerentes e Engenheiros cuja empresa está se aventurando no espaço da IA
- Analistas de Business e Investidores
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 .
21 horas
Neste treinamento presencial instruído, os participantes aprenderão como usar o aprendizado de máquina correto e as técnicas de PNL (Processamento de Linguagem Natural) para extrair valor de dados baseados em texto No final deste treinamento, os participantes serão capazes de: Resolva problemas de ciência de dados baseados em texto com código reutilizável de alta qualidade Aplicar diferentes aspectos do scikitlearn (classificação, agrupamento, regressão, redução de dimensionalidade) para resolver problemas Crie modelos eficazes de aprendizado de máquina usando dados baseados em texto Criar um conjunto de dados e extrair recursos do texto não estruturado Visualize dados com o Matplotlib Construa e avalie modelos para obter insight Resolver erros de codificação de texto Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
14 horas
Neste treinamento presencial instruído, os participantes aprenderão a usar a pilha de tecnologia do Aprendizado de Máquina do iOS (ML) à medida que avançam na criação e na implantação de um aplicativo móvel para iOS No final deste treinamento, os participantes serão capazes de: Crie um aplicativo para dispositivos móveis com capacidade de processamento de imagem, análise de texto e reconhecimento de fala Acesse modelos ML pré-planejados para integração em aplicativos iOS Crie um modelo ML personalizado Adicionar suporte Siri Voice a aplicativos iOS Entenda e use estruturas como coreML, Vision, CoreGraphics e GamePlayKit Use linguagens e ferramentas como o Python, o Keras, o Caffee, o Tensorflow, o scikit learn, o libsvm, o Anaconda e o Spyder Público Desenvolvedores Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
28 horas
Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como aplicar técnicas e ferramentas de aprendizado de máquina para resolver problemas do mundo real no setor bancário. R será usado como linguagem de programação.
Os participantes primeiro aprendem os princípios-chave e, em seguida, colocam seus conhecimentos em prática, construindo seus próprios modelos de aprendizado de máquina e usando-os para concluir uma série de projetos ao vivo.
Público
- Desenvolvedores
- Cientistas de dados
- Profissionais bancários com formação técnica
Formato do curso
- Palestra parcial, parte discussão, exercícios e prática prática
Os participantes primeiro aprendem os princípios-chave e, em seguida, colocam seus conhecimentos em prática, construindo seus próprios modelos de aprendizado de máquina e usando-os para concluir uma série de projetos ao vivo.
Público
- Desenvolvedores
- Cientistas de dados
- Profissionais bancários com formação técnica
Formato do curso
- Palestra parcial, parte discussão, exercícios e prática prática
Last Updated:
Próximos Cursos de ML (Machine Learning)
DeepMind Lab
2022-07-19 09:30
14 horas
Dataiku for Enterprise AI and Machine Learning
2022-08-09 09:30
21 horas
Practical Quantum Computing
2022-08-11 09:30
10 horas
Machine Learning and AI with ML.NET
2022-08-16 09:30
21 horas
Amazon Web Services (AWS) SageMaker
2022-08-29 09:30
21 horas
Cursos de fim de semana de Machine Learning (ML), Treinamento tardiurno de Aprendizado de Máquinas (Machine Learning), Treinamento em grupo de Aprendizado de Máquinas (Machine Learning), Machine Learning (ML) guiado por instrutor, Treinamento de Machine Learning (ML) de fim de semana, Cursos de Machine Learning (ML) tardiurnos, coaching de ML (Machine Learning), Instrutor de Aprendizado de Máquinas (Machine Learning), Treinador de ML (Machine Learning), Cursos de treinamento de ML (Machine Learning), Aulas de Machine Learning (ML), Machine Learning (ML) no local do cliente, Cursos privados de Aprendizado de Máquinas (Machine Learning), Treinamento individual de Aprendizado de Máquinas (Machine Learning)Cursos de fim de semana de ML (Machine Learning), Treinamento tardiurno de Machine Learning, Treinamento em grupo de ML (Machine Learning), Machine Learning (ML) guiado por instrutor, Treinamento de Machine Learning de fim de semana, Cursos de Machine Learning (ML) tardiurnos, coaching de Machine Learning (ML), Instrutor de Machine Learning, Treinador de ML (Machine Learning), Cursos de treinamento de Machine Learning (ML), Aulas de Machine Learning, Machine Learning (ML) no local do cliente, Cursos privados de Machine Learning, Treinamento individual de ML (Machine Learning)