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
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
Identificação humana e detecção de ponto ruim da placa de circuito
王 春柱 - 中移物联网
Curso: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Demonstrar
中移物联网
Curso: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Sobre a área de rosto.
中移物联网
Curso: Deep Learning for NLP (Natural Language Processing)
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
Ele está mostrando muitos métodos com scripts pré-preparados - materiais muito bem preparados e fáceis de rastrear
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Curso: Machine Learning – Data science
Machine Translated
Eu gosto que o treinamento foi focado em exemplos e codificação. Eu pensei que é impossível empacotar tanto conteúdo em três dias de treinamento, mas eu estava errado. O treinamento cobriu muitos tópicos e tudo foi feito de uma maneira muito detalhada (especialmente ajuste dos parâmetros do modelo - eu não esperava que houvesse um tempo para isso e fiquei muito surpreso).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Curso: Machine Learning – Data science
Machine Translated
Teoria / prática de alternância eficaz!
CIRAD
Curso: Introduction to Machine Learning with MATLAB
Machine Translated
Apresentação progressiva e aplicação de métodos
Aurélien Briffaz - CIRAD
Curso: Introduction to Machine Learning with MATLAB
Machine Translated
Disponibilidade e adaptabilidade, respostas a perguntas
Jean-Michel MEOT - CIRAD
Curso: Introduction to Machine Learning with MATLAB
Machine Translated
Questões discutidas, exercícios realizados (exemplos), ambiente de treinamento, contato com o treinador, localização.
Wojskowe Zakłady Uzbrojenia S.A. w Grudziądzu
Curso: Octave not only for programmers
Machine Translated
Muitas dicas práticas
Pawel Dawidowski - ABB Sp. z o.o.
Curso: Deep Learning com TensorFlow
Machine Translated
Muita informação relacionada à implementação de soluções
Michał Smolana - ABB Sp. z o.o.
Curso: Deep Learning com TensorFlow
Machine Translated
Uma infinidade de dicas práticas e conhecimento do palestrante de uma ampla gama de questões de AI / IT / SQL / IoT.
ABB Sp. z o.o.
Curso: Deep Learning com TensorFlow
Machine Translated
Nossos Clientes
.png "iberoamericana de hidrocarburos (ihsa)")
.jpg "european southern observatory (eso)")
_ireland.gif "environmental protection agency (epa) ireland")
Subcategorias ML (Machine Learning)
Programas do curso ML (Machine Learning)
Nome do Curso
Duração
Visão geral
Nome do Curso
Duração
Visão geral
14 horas
Visão geral
Este curso aborda a IA (enfatizando Machine Learning e Deep Learning ) na Indústria Automotive . Isso ajuda a determinar qual tecnologia pode ser (potencialmente) usada em várias situações em um carro: da automação simples, reconhecimento de imagem até a tomada de decisão autônoma.
21 horas
Visão geral
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.
21 horas
Visão geral
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 .
14 horas
Visão geral
Neste treinamento ao vivo conduzido por instrutor, OpenNN os princípios das redes neurais e usamos o OpenNN para implementar um aplicativo de amostra.
Formato do curso
- Palestra e discussão juntamente com exercícios práticos.
Formato do curso
- Palestra e discussão juntamente com exercícios práticos.
7 horas
Visão geral
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
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
14 horas
Visão geral
A biblioteca Apache OpenNLP é um kit de ferramentas baseado em aprendizado de máquina para processar texto em linguagem natural Ele suporta as tarefas mais comuns de PNL, como detecção de idioma, tokenização, segmentação de frases, tagging de tag de fala, extração de entidades nomeadas, chunking, parsing e resolução de referência Neste treinamento presencial instruído, os participantes aprenderão como criar modelos para processar dados baseados em texto usando o OpenNLP Dados de treinamento de amostra, bem como 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 Faça o download de modelos existentes e crie seus próprios Treine os modelos em vários conjuntos de dados de amostra Integre o OpenNLP com aplicativos Java existentes Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
14 horas
Visão geral
O OpenFace é um software de reconhecimento facial em tempo real baseado em Python e Torch, baseado na pesquisa FaceNet do Google Neste treinamento presencial instruído, 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: Trabalhe com os componentes do OpenFace, incluindo dlib, OpenVC, Torch e nn4, para implementar detecção, alinhamento e transformação de faces Aplique o OpenFace a aplicações do mundo real, como vigilância, verificação de identidade, realidade virtual, jogos e identificação de clientes repetidos, etc Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
14 horas
Visão geral
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 horas
Visão geral
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 .
14 horas
Visão geral
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
Visão geral
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 .
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
Visão geral
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 horas
Visão geral
Esta sessão de treinamento baseada em sala de aula explorará ferramentas de aprendizado de máquina com Python (sugerido). Delegados terão exemplos baseados em computador e exercícios de estudo de caso para empreender.
21 horas
Visão geral
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.
14 horas
Visão geral
MLOps (Machine Learning Operations) is the practice of integrating data science and operations to help manage the ML lifecycle. MLOps provides the ability to automate the reproduction of machine learning model development and training.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Azure Machine Learning and Azure DevOps to facilitate MLOps practices.
By the end of this training, participants will be able to:
- Build reproducible workflows and machine learning models.
- Manage the machine learning lifecycle.
- Track and report model version history, assets, and more.
- Deploy production ready machine learning models anywhere.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 horas
Visão geral
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
Visão geral
MLOps is a set of tools and methodologies for combining Machine Learning and DevOps practices. The goal of MLOps is to automate and optimize the deployment and maintenance of ML systems in production.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to evaluate the approaches and tools available today to make an intelligent decision on the path forward in adopting MLOps within their organization.
By the end of this training, participants will be able to:
- Install and configure various MLOps frameworks and tools.
- Assemble the right kind of team with the right skills for constructing and supporting an MLOps system.
- Prepare, validate and version data for use by ML models.
- Understand the components of an ML Pipeline and the tools needed to build one.
- Experiment with different machine learning frameworks and servers for deploying to production.
- Operationalize the entire Machine Learning process so that it's reproduceable and maintainable.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 horas
Visão geral
Esta sessão de treinamento baseada em sala de aula explorará técnicas de aprendizado de máquina, com exemplos baseados em computador e exercícios de solução de casos de estudo usando um programa relevante .
14 horas
Visão geral
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 .
7 horas
Visão geral
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
Visão geral
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 .
14 horas
Visão geral
O objetivo deste curso é fornecer uma proficiência básica na aplicação de métodos de Machine Learning na prática. Através do uso da Python programação Python e de suas várias 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
Visão geral
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 .
21 horas
Visão geral
MLflow is an open source platform for streamlining and managing the machine learning lifecycle. It supports any ML (machine learning) library, algorithm, deployment tool or language. Simply add MLflow to your existing ML code to share the code across any ML library being used within your organization.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go beyond building ML models and optimize the ML model creation, tracking, and deployment process.
By the end of this training, participants will be able to:
- Install and configure MLflow and related ML libraries and frameworks.
- Appreciate the importance of trackability, reproducability and deployability of an ML model
- Deploy ML models to different public clouds, platforms, or on-premise servers.
- Scale the ML deployment process to accommodate multiple users collaborating on a project.
- Set up a central registry to experiment with, reproduce, and deploy ML models.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
28 horas
Visão geral
O aprendizado de máquina é um ramo da Inteligência Artificial em que os computadores têm a capacidade de aprender sem serem programados explicitamente. R é uma linguagem de programação popular no setor financeiro. Ele é usado em aplicações financeiras que vão desde programas de negociação principais até sistemas de gerenciamento de risco.
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 financeiro. 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 de equipe.
No final deste treinamento, os participantes serão capazes de:
- Entenda os conceitos fundamentais no aprendizado de máquina
- Aprenda os aplicativos e usos do aprendizado de máquina em finanças
- Desenvolva sua própria estratégia de negociação algorítmica usando aprendizado de máquina com R
Público
- Desenvolvedores
- Cientistas de dados
Formato do curso
- Palestra parcial, parte discussão, exercícios e prática prática
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 financeiro. 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 de equipe.
No final deste treinamento, os participantes serão capazes de:
- Entenda os conceitos fundamentais no aprendizado de máquina
- Aprenda os aplicativos e usos do aprendizado de máquina em finanças
- Desenvolva sua própria estratégia de negociação algorítmica usando aprendizado de máquina com R
Público
- Desenvolvedores
- Cientistas de dados
Formato do curso
- Palestra parcial, parte discussão, exercícios e prática prática
21 horas
Visão geral
O aprendizado de máquina é um ramo da Inteligência Artificial em que os computadores têm a capacidade de aprender sem serem programados explicitamente. Python é uma linguagem de programação famosa por sua sintaxe e legibilidade claras. Oferece uma excelente coleção de bibliotecas e técnicas bem testadas para o desenvolvimento de aplicativos de aprendizado de máquina.
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 financeiro.
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 de equipe.
No final deste treinamento, os participantes serão capazes de:
- Entenda os conceitos fundamentais no aprendizado de máquina
- Aprenda os aplicativos e usos do aprendizado de máquina em finanças
- Desenvolva sua própria estratégia de negociação algorítmica usando o aprendizado de máquina com o Python
Público
- Desenvolvedores
- Cientistas de dados
Formato do curso
- Palestra parcial, parte discussão, exercícios e prática prática
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 financeiro.
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 de equipe.
No final deste treinamento, os participantes serão capazes de:
- Entenda os conceitos fundamentais no aprendizado de máquina
- Aprenda os aplicativos e usos do aprendizado de máquina em finanças
- Desenvolva sua própria estratégia de negociação algorítmica usando o aprendizado de máquina com o Python
Público
- Desenvolvedores
- Cientistas de dados
Formato do curso
- Palestra parcial, parte discussão, exercícios e prática prática
21 horas
Visão geral
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
21 horas
Visão geral
Este curso abrange AI (enfatizando Machine Learning e Deep Learning )
14 horas
Visão geral
Correspondência de padrões é uma técnica usada para localizar padrões especificados em uma imagem. Ele pode ser usado para determinar a existência de características especificadas dentro de uma imagem capturada, por exemplo, o rótulo esperado em um produto defeituoso em uma linha de fábrica ou as dimensões especificadas de um componente. É diferente de " Pattern Recognition " (que reconhece padrões gerais baseados em coleções maiores de amostras relacionadas) na medida em que determina especificamente o que estamos procurando, então nos diz se o padrão esperado existe ou não.
Formato do Curso
- Este curso apresenta as abordagens, tecnologias e algoritmos usados no campo de correspondência de padrões, conforme se aplica à Machine Vision .
Formato do Curso
- Este curso apresenta as abordagens, tecnologias e algoritmos usados no campo de correspondência de padrões, conforme se aplica à Machine Vision .
14 horas
Visão geral
Pandas is a Python library for data manipulation and analysis. Using Pandas, users can perform predictive analysis through machine learning.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Pandas to preform predictive analysis with machine learning.
By the end of this training, participants will be able to:
- Perform data wrangling in Python.
- Conduct ETL operations for machine learning.
- Create data visualizations with Pandas
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Próximos Cursos de ML (Machine Learning)
2020-10-14 09:30:00
7 horas
2020-11-05 09:30:00
7 horas
2020-12-24 09:30:00
7 horas
2021-02-11 09:30:00
7 horas
2021-04-01 09:30:00
7 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)