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
7 horas
Visão geral
Este curso foi criado para administradores, solution architects, executivos de inovação, CTOs, e todos os interessados em aprender e conhecer o panorama geral da inteligência artificial aplicada aos problemas organizacionais.
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.
28 horas
Visão geral
Este curso de quatro dias visa ensinar como funcionam os algoritmos genéticos; Ele também aborda como selecionar parâmetros de modelo de um algoritmo genético; Existem muitas aplicações para algoritmos genéticos neste curso e problemas de otimização são abordados com os algoritmos genéticos.
7 horas
Visão geral
Esta é uma sessão de treinamento em sala de aula em uma apresentação e no formato Q & A
14 horas
Visão geral
A automação de processo inteligente, ou IPA, refere-se ao uso de Artificial Intelligence (AI) , robótica e integração com serviços de terceiros para ampliar o poder do RPA.
Esse treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a pessoas técnicas que desejam configurar ou estender um sistema RPA com recursos mais inteligentes.
Ao final deste treinamento, os participantes serão capazes de:
- Instale e configure o UiPath IPA.
- Habilite os robôs a gerenciar outros robôs.
- Aplique a visão computacional para localizar os objetos da tela com precisão.
- Habilite robôs que possam detectar padrões de linguagem e realizar análises de sentimentos em conteúdo não estruturado.
Formato do Curso
- Palestra e discussão interativa.
- Muitos exercícios e prática.
- Implementação prática em um ambiente de laboratório ao vivo.
Opções de personalização do curso
- Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.
- Para saber mais sobre o UiPath IPA, visite: https: // www. UiPath .com / rpa / automação de processos inteligente
Esse treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a pessoas técnicas que desejam configurar ou estender um sistema RPA com recursos mais inteligentes.
Ao final deste treinamento, os participantes serão capazes de:
- Instale e configure o UiPath IPA.
- Habilite os robôs a gerenciar outros robôs.
- Aplique a visão computacional para localizar os objetos da tela com precisão.
- Habilite robôs que possam detectar padrões de linguagem e realizar análises de sentimentos em conteúdo não estruturado.
Formato do Curso
- Palestra e discussão interativa.
- Muitos exercícios e prática.
- Implementação prática em um ambiente de laboratório ao vivo.
Opções de personalização do curso
- Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.
- Para saber mais sobre o UiPath IPA, visite: https: // www. UiPath .com / rpa / automação de processos inteligente
14 horas
Visão geral
O teste de software é o processo de avaliação da validade da funcionalidade de um aplicativo de software. A integração da inteligência artificial no ambiente de teste de software permite que o processo seja conduzido por IA, acelerando a autoria, a execução e a manutenção de testes.
Este treinamento ao vivo e conduzido por instrutores (no local ou remoto) é destinado a testadores de software que desejam ter um ambiente de teste de software orientado por IA.
Até o final deste treinamento, os participantes poderão:
- Automatize a geração de teste e a parabímetro da unidade com IA.
- Aplique aprendizado de máquina em um caso de uso do mundo real.
- Automatize a geração e manutenção de testes de API com IA.
- Use métodos de aprendizado de máquina para auto-curar a execução de testes Selenium.
Formato do curso
- Palestra interativa e discussão.
- Muitos exercícios e prática.
- Implementação prática em um ambiente de laboratório ao vivo.
Opções de personalização do curso
- Para solicitar um treinamento personalizado para este curso, entre em contato conosco para organizar.
Este treinamento ao vivo e conduzido por instrutores (no local ou remoto) é destinado a testadores de software que desejam ter um ambiente de teste de software orientado por IA.
Até o final deste treinamento, os participantes poderão:
- Automatize a geração de teste e a parabímetro da unidade com IA.
- Aplique aprendizado de máquina em um caso de uso do mundo real.
- Automatize a geração e manutenção de testes de API com IA.
- Use métodos de aprendizado de máquina para auto-curar a execução de testes Selenium.
Formato do curso
- Palestra interativa e discussão.
- Muitos exercícios e prática.
- Implementação prática em um ambiente de laboratório ao vivo.
Opções de personalização do curso
- Para solicitar um treinamento personalizado para este curso, entre em contato conosco para organizar.
35 horas
Visão geral
Este é um introdutório de 5 dias para Data Science e AI.
O curso é ministrado com exemplos e exercícios usando Python
O curso é ministrado com exemplos e exercícios usando Python
7 horas
Visão geral
This instructor-led, live training in Brasil (online or onsite) is aimed at marketers who wish to use AI to improve improve digital marketing strategies through valuable customer insights.
By the end of this training, participants will be able to:
- Leverage AI software to improve the way brands connect to users.
- Use chatbots to optimize the user-experience.
- Increase productivity and revenue through the automation of tasks.
By the end of this training, participants will be able to:
- Leverage AI software to improve the way brands connect to users.
- Use chatbots to optimize the user-experience.
- Increase productivity and revenue through the automation of tasks.
14 horas
Visão geral
This instructor-led, live training in Brasil (online or onsite) is aimed at data scientists who wish to use IBM Cloud Pak to prepare data for use in AI solutions.
By the end of this training, participants will be able to:
- Install and configure Cloud Pak for Data.
- Unify the collection, organization and analysis of data.
- Integrate Cloud Pak for Data with a variety of services to solve common business problems.
- Implement workflows for collaborating with team members on the development of an AI solution.
By the end of this training, participants will be able to:
- Install and configure Cloud Pak for Data.
- Unify the collection, organization and analysis of data.
- Integrate Cloud Pak for Data with a variety of services to solve common business problems.
- Implement workflows for collaborating with team members on the development of an AI solution.
21 horas
Visão geral
This instructor-led, live training in Brasil (online or onsite) is aimed at engineers who wish to program and create robots through basic AI methods.
By the end of this training, participants will be able to:
- Implement filters (Kalman and particle) to enable the robot to locate moving objects in its environment.
- Implement search algorithms and motion planning.
- Implement PID controls to regulate a robot's movement within an environment.
- Implement SLAM algorithms to enable a robot to map out an unknown environment.
By the end of this training, participants will be able to:
- Implement filters (Kalman and particle) to enable the robot to locate moving objects in its environment.
- Implement search algorithms and motion planning.
- Implement PID controls to regulate a robot's movement within an environment.
- Implement SLAM algorithms to enable a robot to map out an unknown environment.
7 horas
Visão geral
This instructor-led, live training in Brasil (online or onsite) is aimed at managers and business leaders who wish to learn about the fundamentals of artificial intelligence and manage AI projects for their organization.
By the end of this training, participants will be able to understand AI at a technical level and strategize using their organization’s data and resources to successfully manage AI projects.
By the end of this training, participants will be able to understand AI at a technical level and strategize using their organization’s data and resources to successfully manage AI projects.
80 horas
Visão geral
In this instructor-led, live training in Brasil (online or onsite), participants will learn the different technologies, frameworks and techniques for programming different types of robots to be used in the field of nuclear technology and environmental systems.
The 4-week course is held 5 days a week. Each day is 4-hours long and consists of lectures, discussions, and hands-on robot development in a live lab environment. Participants will complete various real-world projects applicable to their work in order to practice their acquired knowledge.
The target hardware for this course will be simulated in 3D through simulation software. The code will then be loaded onto physical hardware (Arduino or other) for final deployment testing. The ROS (Robot Operating System) open-source framework, C++ and Python will be used for programming the robots.
By the end of this training, participants will be able to:
- Understand the key concepts used in robotic technologies.
- Understand and manage the interaction between software and hardware in a robotic system.
- Understand and implement the software components that underpin robotics.
- Build and operate a simulated mechanical robot that can see, sense, process, navigate, and interact with humans through voice.
- Understand the necessary elements of artificial intelligence (machine learning, deep learning, etc.) applicable to building a smart robot.
- Implement filters (Kalman and Particle) to enable the robot to locate moving objects in its environment.
- Implement search algorithms and motion planning.
- Implement PID controls to regulate a robot's movement within an environment.
- Implement SLAM algorithms to enable a robot to map out an unknown environment.
- Test and troubleshoot a robot in realistic scenarios.
The 4-week course is held 5 days a week. Each day is 4-hours long and consists of lectures, discussions, and hands-on robot development in a live lab environment. Participants will complete various real-world projects applicable to their work in order to practice their acquired knowledge.
The target hardware for this course will be simulated in 3D through simulation software. The code will then be loaded onto physical hardware (Arduino or other) for final deployment testing. The ROS (Robot Operating System) open-source framework, C++ and Python will be used for programming the robots.
By the end of this training, participants will be able to:
- Understand the key concepts used in robotic technologies.
- Understand and manage the interaction between software and hardware in a robotic system.
- Understand and implement the software components that underpin robotics.
- Build and operate a simulated mechanical robot that can see, sense, process, navigate, and interact with humans through voice.
- Understand the necessary elements of artificial intelligence (machine learning, deep learning, etc.) applicable to building a smart robot.
- Implement filters (Kalman and Particle) to enable the robot to locate moving objects in its environment.
- Implement search algorithms and motion planning.
- Implement PID controls to regulate a robot's movement within an environment.
- Implement SLAM algorithms to enable a robot to map out an unknown environment.
- Test and troubleshoot a robot in realistic scenarios.
120 horas
Visão geral
In this instructor-led, live training in Brasil (online or onsite), participants will learn the different technologies, frameworks and techniques for programming different types of robots to be used in the field of nuclear technology and environmental systems.
The 6-week course is held 5 days a week. Each day is 4-hours long and consists of lectures, discussions, and hands-on robot development in a live lab environment. Participants will complete various real-world projects applicable to their work in order to practice their acquired knowledge.
The target hardware for this course will be simulated in 3D through simulation software. The ROS (Robot Operating System) open-source framework, C++ and Python will be used for programming the robots.
By the end of this training, participants will be able to:
- Understand the key concepts used in robotic technologies.
- Understand and manage the interaction between software and hardware in a robotic system.
- Understand and implement the software components that underpin robotics.
- Build and operate a simulated mechanical robot that can see, sense, process, navigate, and interact with humans through voice.
- Understand the necessary elements of artificial intelligence (machine learning, deep learning, etc.) applicable to building a smart robot.
- Implement filters (Kalman and Particle) to enable the robot to locate moving objects in its environment.
- Implement search algorithms and motion planning.
- Implement PID controls to regulate a robot's movement within an environment.
- Implement SLAM algorithms to enable a robot to map out an unknown environment.
- Extend a robot's ability to perform complex tasks through Deep Learning.
- Test and troubleshoot a robot in realistic scenarios.
The 6-week course is held 5 days a week. Each day is 4-hours long and consists of lectures, discussions, and hands-on robot development in a live lab environment. Participants will complete various real-world projects applicable to their work in order to practice their acquired knowledge.
The target hardware for this course will be simulated in 3D through simulation software. The ROS (Robot Operating System) open-source framework, C++ and Python will be used for programming the robots.
By the end of this training, participants will be able to:
- Understand the key concepts used in robotic technologies.
- Understand and manage the interaction between software and hardware in a robotic system.
- Understand and implement the software components that underpin robotics.
- Build and operate a simulated mechanical robot that can see, sense, process, navigate, and interact with humans through voice.
- Understand the necessary elements of artificial intelligence (machine learning, deep learning, etc.) applicable to building a smart robot.
- Implement filters (Kalman and Particle) to enable the robot to locate moving objects in its environment.
- Implement search algorithms and motion planning.
- Implement PID controls to regulate a robot's movement within an environment.
- Implement SLAM algorithms to enable a robot to map out an unknown environment.
- Extend a robot's ability to perform complex tasks through Deep Learning.
- Test and troubleshoot a robot in realistic scenarios.
7 horas
Visão geral
O treinamento é destinado a pessoas que querem aprender o básico das redes neurais e suas aplicações.
14 horas
Visão geral
Este curso é uma introdução à aplicação de redes neurais em problemas reais usando o software R-project.
14 horas
Visão geral
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.
21 horas
Visão geral
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
Visão geral
Rede Neural Artificial é um modelo de dados computacional utilizado no desenvolvimento de sistemas de Artificial Intelligence (AI) capazes de realizar tarefas "inteligentes". Neural Networks são comumente usadas em aplicações de Machine Learning (ML), que são elas mesmas uma implementação da IA. Deep Learning é um subconjunto do ML.
35 horas
Visão geral
Este curso é criado para pessoas que nao tem nenhuma experiência com probabilidade e estatística, e o objetivo é proporcionar todas as ferramentas sumamente necessárias para que os participates tenham as capacidades e conhecimentos iniciais estatísticos e probabilísticos para enfrentar os problemas organizacionais.
14 horas
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.
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
Este curso ao vivo ministrado por instrutor fornece uma introdução ao campo de reconhecimento de padrões e aprendizado de máquina. Ele aborda aplicações práticas em estatística, ciência da computação, processamento de sinais, visão computacional, mineração de dados e bioinformática.
O curso é interativo e inclui muitos exercícios práticos, feedback de instrutores e testes de conhecimento e habilidades adquiridas.
O curso é interativo e inclui muitos exercícios práticos, feedback de instrutores e testes de conhecimento e habilidades adquiridas.
21 horas
Visão geral
Tipo: Formação teórica com candidaturas decididas a montante com os alunos em Lasagne ou Keras acordo com o grupo pedagógico
Método de ensino: apresentação, trocas e estudos de caso
A inteligência artificial, depois de ter interrompido muitos campos científicos, começou a revolucionar um grande número de setores econômicos (indústria, medicina, comunicação, etc.). No entanto, sua apresentação na grande mídia é muitas vezes fantasiosa, muito distante daquelas que são realmente as áreas de Machine Learning ou Deep Learning . O objetivo deste treinamento é fornecer aos engenheiros que já possuem um domínio de ferramentas de informática (incluindo uma base de programação de software) uma introdução ao Deep Learning e suas diversas áreas de especialização e, portanto, às principais arquiteturas de rede existentes. hoje. Se as bases matemáticas forem recuperadas durante o curso, um nível de matemática do tipo BAC + 2 é recomendado para maior conforto. É absolutamente possível pular o eixo matemático para manter apenas uma visão de "sistema", mas essa abordagem limitará enormemente sua compreensão do assunto.
Método de ensino: apresentação, trocas e estudos de caso
A inteligência artificial, depois de ter interrompido muitos campos científicos, começou a revolucionar um grande número de setores econômicos (indústria, medicina, comunicação, etc.). No entanto, sua apresentação na grande mídia é muitas vezes fantasiosa, muito distante daquelas que são realmente as áreas de Machine Learning ou Deep Learning . O objetivo deste treinamento é fornecer aos engenheiros que já possuem um domínio de ferramentas de informática (incluindo uma base de programação de software) uma introdução ao Deep Learning e suas diversas áreas de especialização e, portanto, às principais arquiteturas de rede existentes. hoje. Se as bases matemáticas forem recuperadas durante o curso, um nível de matemática do tipo BAC + 2 é recomendado para maior conforto. É absolutamente possível pular o eixo matemático para manter apenas uma visão de "sistema", mas essa abordagem limitará enormemente sua compreensão do assunto.
7 horas
Visão geral
A Unidade de Processamento Tensor (TPU) é a arquitetura que o Google usa internamente há vários anos, e só agora está se tornando disponível para uso pelo público em geral Ele inclui várias otimizações especificamente para uso em redes neurais, incluindo multiplicação de matriz simplificada e inteiros de 8 bits em vez de 16 bits para retornar níveis de precisão apropriados Neste treinamento presencial instruído, os participantes aprenderão como aproveitar as inovações dos processadores TPU para maximizar o desempenho de seus próprios aplicativos de inteligência artificial No final do treinamento, os participantes serão capazes de: Treinar vários tipos de redes neurais em grandes quantidades de dados Use TPUs para acelerar o processo de inferência em até duas ordens de magnitude Utilize TPUs para processar aplicativos intensivos, como pesquisa de imagens, visão em nuvem e fotos Público Desenvolvedores Pesquisadores Engenheiros Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
21 horas
Visão geral
O Microsoft Cognitive Toolkit 2x (anteriormente CNTK) é um kit de ferramentas de versão comercial de código aberto que treina algoritmos de aprendizado profundo para aprender como o cérebro humano Segundo a Microsoft, o CNTK pode ser 510x mais rápido que o TensorFlow em redes recorrentes, e 2 a 3 vezes mais rápido que o TensorFlow para tarefas relacionadas a imagens Neste treinamento presencial instruído, os participantes aprenderão a usar o Microsoft Cognitive Toolkit para criar, treinar e avaliar algoritmos de aprendizado profundo para uso em aplicativos de IA de grau comercial envolvendo vários tipos de dados, como dados, fala, texto e imagens No final deste treinamento, os participantes serão capazes de: Acesse o CNTK como uma biblioteca dentro de um programa em Python, C # ou C ++ Use o CNTK como uma ferramenta de aprendizado de máquina autônoma por meio de sua própria linguagem de descrição de modelo (BrainScript) Use a funcionalidade de avaliação do modelo CNTK de um programa Java Combinar DNNs feedforward, redes convolucionais (CNNs) e redes recorrentes (RNNs / LSTMs) Capacidade de computação de escala em CPUs, GPUs e várias máquinas Acessar conjuntos de dados enormes usando linguagens de programação e algoritmos existentes Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada Nota Se você deseja personalizar qualquer parte deste treinamento, incluindo a linguagem de programação escolhida, entre em contato conosco para agendar .
21 horas
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 .
7 horas
Visão geral
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
Visão geral
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
Visão geral
Encog é uma estrutura de aprendizado de máquina de código aberto para Java eNet Neste treinamento ao vivo instrutor, os participantes aprenderão como criar vários componentes de rede neural usando o ENCOG Os estudos de caso do Realworld serão discutidos e as soluções baseadas em linguagem de máquina para esses problemas serão exploradas No final deste treinamento, os participantes serão capazes de: Prepare dados para redes neurais usando o processo de normalização Implementar redes de feed forward e metodologias de treinamento de propagação Implementar tarefas de classificação e regressão Modelar e treinar redes neurais usando a bancada de trabalho baseada em GUI do Encog Integre o suporte a redes neurais em aplicativos do mundo real Público Desenvolvedores Analistas Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
14 horas
Visão geral
Neste treinamento ao vivo, ministrado por instrutor, os participantes aprenderão como usar o Matlab para projetar, construir e visualizar uma rede neural convolucional para reconhecimento de imagem.
Ao final deste treinamento, os participantes serão capazes de:
- Construa um modelo de aprendizado profundo
- Automatize a rotulagem de dados
- Trabalhar com modelos da Caffe e TensorFlow - Keras
- Treine dados usando várias GPU , a nuvem ou clusters
Público
- Desenvolvedores
- Engenheiros
- Especialistas em domínio
Formato do curso
- Parte palestra, parte discussão, exercícios e prática prática pesada
Ao final deste treinamento, os participantes serão capazes de:
- Construa um modelo de aprendizado profundo
- Automatize a rotulagem de dados
- Trabalhar com modelos da Caffe e TensorFlow - Keras
- Treine dados usando várias GPU , a nuvem ou clusters
Público
- Desenvolvedores
- Engenheiros
- Especialistas em domínio
Formato do curso
- Parte palestra, parte discussão, exercícios e prática prática pesada
Próximos Cursos de AI (Artificial Intelligence)
2021-06-29 09:30:00
7 horas
2021-07-05 09:30:00
21 horas
2021-07-22 09:30:00
7 horas
2021-07-22 09:30:00
7 horas
2021-08-11 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