Os cursos de treinamento de Inteligência Artificial (AI) ao vivo demonstram, através da prática, como implementar soluções de IA para resolver problemas do mundo real. O treinamento de IA está disponível como "treinamento ao vivo no local" ou "treinamento remoto ao vivo" Treinamento ao vivo pode ser realizado nas instalações do cliente no Brasil ou nos centros de treinamento corporativo da NobleProg no Brasil . O treinamento ao vivo remoto é realizado por meio de uma área de trabalho online e interativa NobleProg seu provedor de treinamento local.
NobleProg -- Seu Provedor de Treinamento Local
Declaração de Clientes
Ele foi muito informativo e útil.
Pratheep Ravy
Curso: Predictive Modelling with R
Machine Translated
Foi muito interativo e mais descontraído e informal do que o esperado. Nós cobrimos muitos tópicos no tempo e o treinador sempre foi receptivo a falar mais detalhadamente ou mais geralmente sobre os tópicos e como eles estavam relacionados. Eu sinto que o treinamento me deu as ferramentas para continuar aprendendo, em vez de ser uma sessão única em que o aprendizado para quando você terminar, o que é muito importante, dada a escala e a complexidade do tópico.
Jonathan Blease
Curso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Ann criou um ótimo ambiente para fazer perguntas e aprender. Nós nos divertimos muito e também aprendemos muito ao mesmo tempo.
Gudrun Bickelq
Curso: Introduction to the use of neural networks
Machine Translated
A parte interativa, adaptada às nossas necessidades específicas.
Thomas Stocker
Curso: Introduction to the use of neural networks
Machine Translated
Eu gostei dos exercícios.
Office for National Statistics
Curso: Natural Language Processing with Python
Machine Translated
Eu realmente gostei da abordagem prática.
Kevin De Cuyper
Curso: Computer Vision with OpenCV
Machine Translated
variedade de material
Maciej Jonczyk
Curso: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
sistematizando conhecimento no campo de ML
Orange Polska
Curso: From Data to Decision with Big Data and Predictive Analytics
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
Eu gostei dos novos insights em deep machine learning.
Josip Arneric
Curso: Neural Network in R
Machine Translated
Ganhamos algum conhecimento sobre o NN em geral, e o que foi mais interessante para mim foram os novos tipos de NN que são populares hoje em dia.
Tea Poklepovic
Curso: Neural Network in R
Machine Translated
Eu gostei principalmente dos gráficos em R :))).
Faculty of Economics and Business Zagreb
Curso: Neural Network in R
Machine Translated
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
Este é um dos melhores trabalhos práticos com os cursos de programação de exercícios que já fiz.
Laura Kahn
Curso: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Este é um dos treinamentos online de melhor qualidade que já fiz em minha carreira de 13 anos. Continue com o ótimo trabalho!.
Curso: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
muitos exercícios que posso usar diretamente no meu trabalho.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
Exemplos de dados reais.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
neuralnet, pROC em um loop.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
O estilo de treinamento de Richard manteve interessante, os exemplos do mundo real usados ajudaram a levar os conceitos para casa.
Jamie Martin-Royle - NBrown Group
Curso: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
O conteúdo, como eu achei muito interessante e acho que me ajudaria no meu último ano na Universidade.
Krishan Mistry - NBrown Group
Curso: From Data to Decision with Big Data and Predictive Analytics
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
Este é um dos treinamentos online de melhor qualidade que já fiz em minha carreira de 13 anos. Continue com o ótimo trabalho!.
Curso: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Nossos Clientes
.png "iberoamericana de hidrocarburos (ihsa)")
.jpg "european southern observatory (eso)")
_ireland.gif "environmental protection agency (epa) ireland")
Subcategorias AI
Programas do curso AI
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
Este curso é um enfoque pratico a ferramenta OptaPLanner, proporcionando aos partiipantes todas as ferramentas necessárias para conseguir um conhecimento introdutório unico e funcional que os permit realizar as funções basicas nessa ferramenta.
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 .
28 horas
Visão geral
OpenCV (Open Source Computer Vision Library: http://opencv.org) é uma biblioteca BSD de código aberto que inclui várias centenas de algoritmos de visão computacional.
Público
Este curso é dirigido a engenheiros e arquitetos que buscam utilizar o OpenCV para projetos de visão computacional.
Público
Este curso é dirigido a engenheiros e arquitetos que buscam utilizar o OpenCV para projetos de visão computacional.
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.
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
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 .
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
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.
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 .
21 horas
Visão geral
Esta sessão de treinamento baseada em sala de aula irá explorar as técnicas de PNL em conjunto com a aplicação de IA e Robótica nos negócios Os delegados irão realizar exemplos baseados em computador e exercícios de resolução de estudos de caso usando Python .
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 .
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.
14 horas
Visão geral
R é uma linguagem de programação livre de código aberto para computação estatística, análise de dados e gráficos O R é usado por um número crescente de gerentes e analistas de dados dentro das corporações e da academia R possui uma ampla variedade de pacotes para mineração de dados .
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.
21 horas
Visão geral
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 .
14 horas
Visão geral
Computer Visão por Computer é um campo que envolve extrair, analisar e compreender automaticamente informações úteis da mídia digital. Python é uma linguagem de programação de alto nível famosa por sua sintaxe clara e legibilidade de código.
Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão o básico sobre a Visão Computer enquanto avançam na criação do conjunto de aplicativos simples de Visão Computer usando o Python .
No final deste treinamento, os participantes serão capazes de:
- Entenda os conceitos básicos da Visão Computer
- Use o Python para implementar tarefas do Computer Vision
- Construa seus próprios sistemas de detecção de rosto, objeto e movimento
Público
- Programadores Python interessados em Visão Computer
Formato do curso
- Palestra parcial, parte discussão, exercícios e prática prática
Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão o básico sobre a Visão Computer enquanto avançam na criação do conjunto de aplicativos simples de Visão Computer usando o Python .
No final deste treinamento, os participantes serão capazes de:
- Entenda os conceitos básicos da Visão Computer
- Use o Python para implementar tarefas do Computer Vision
- Construa seus próprios sistemas de detecção de rosto, objeto e movimento
Público
- Programadores Python interessados em Visão Computer
Formato do curso
- Palestra parcial, parte discussão, exercícios e prática prática
21 horas
Visão geral
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
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
21 horas
Visão geral
Estima-se que os dados não estruturados representem mais de 90% de todos os dados, muitos deles na forma de texto. Postagens de blog, tweets, mídias sociais e outras publicações digitais aumentam continuamente esse crescente corpo de dados.
Este curso ao vivo, conduzido por instrutor, centra-se em extrair informações e significado desses dados. Utilizando as bibliotecas de R Language e Natural Language Processing (NLP) , combinamos conceitos e técnicas de ciência da computação, inteligência artificial e linguística computacional para entender algoritmos o significado dos dados de texto. As amostras de dados estão disponíveis em vários idiomas, de acordo com os requisitos do cliente.
No final deste treinamento, os participantes serão capazes de preparar conjuntos de dados (grandes e pequenos) a partir de fontes díspares e, em seguida, aplicar os algoritmos certos para analisar e relatar sua importância.
Formato do Curso
- Palestra em parte, discussão em parte, prática prática pesada, testes ocasionais para avaliar a compreensão
Este curso ao vivo, conduzido por instrutor, centra-se em extrair informações e significado desses dados. Utilizando as bibliotecas de R Language e Natural Language Processing (NLP) , combinamos conceitos e técnicas de ciência da computação, inteligência artificial e linguística computacional para entender algoritmos o significado dos dados de texto. As amostras de dados estão disponíveis em vários idiomas, de acordo com os requisitos do cliente.
No final deste treinamento, os participantes serão capazes de preparar conjuntos de dados (grandes e pequenos) a partir de fontes díspares e, em seguida, aplicar os algoritmos certos para analisar e relatar sua importância.
Formato do Curso
- Palestra em parte, discussão em parte, prática prática pesada, testes ocasionais para avaliar a compreensão
28 horas
Visão geral
Este curso introduz linguistas ou programadores à NLP em Python. Durante este curso nós utilizaremos principalmente nltk.org (Natural Language Tool Kit), mas também utilizaremos outras bibliotecas relevantes e convenientes para NLP. Atualmente podemos coduzir este curso em Python 2.x ou Python 3.x. Exemplos estão em Ingles ou Mandarin. Outros idiomas podem também ser disponibilizados previo acordo antecipado.
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 .
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
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.
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 .
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. 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 .
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
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 .
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.
Próximos Cursos de AI (Artificial Intelligence)
2021-02-02 09:30:00
28 horas
2021-02-03 09:30:00
14 horas
2021-02-15 09:30:00
28 horas
2021-03-03 09:30:00
21 horas
2021-03-15 09:30:00
14 horas
Cursos de fim de semana de Inteligência Artificial, Treinamento tardiurno de Inteligência Artificial, Treinamento em grupo de AI, AI (Artificial Intelligence) guiado por instrutor, Treinamento de Inteligência Artificial de fim de semana, Cursos de AI (Artificial Intelligence) tardiurnos, coaching de Artificial Intelligence, Instrutor de AI, Treinador de Artificial Intelligence, Cursos de treinamento de AI (Artificial Intelligence), Aulas de AI, Inteligência Artificial no local do cliente, Cursos privados de Inteligência Artificial, Treinamento individual de AI