Cursos de Advanced Analytics with RapidMiner

RapidMiner é uma plataforma de software de ciência de dados de código aberto para prototipagem e desenvolvimento rápidos de aplicativos. Ele inclui um ambiente integrado para preparação de dados, aprendizado de máquina, aprendizado profundo, mineração de texto e análise preditiva.

Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como usar o RapidMiner Studio para preparação de dados, aprendizado de máquina e implantação de modelo preditivo.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o RapidMiner
• Prepare e visualize dados com o RapidMiner
• Validar modelos de aprendizado de máquina
• Mashup dados e criar modelos preditivos
• Operacionalize a análise preditiva dentro de um processo de negócios
• Solucionar e otimizar o RapidMiner

Público

• Cientistas de dados
• Engenheiros
• Desenvolvedores

Formato do Curso

• Palestra parcial, parte discussão, exercícios e prática prática

Nota

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Como serão as cidades no futuro? Como a Artificial Intelligence (AI) ser usada para melhorar o planejamento da cidade? Como o AI pode ser usado para tornar as cidades mais eficientes, habitáveis, seguras e ambientalmente amigáveis?

Neste treinamento ao vivo conduzido por instrutor (no local ou remoto), examinamos as várias tecnologias que compõem a IA, bem como os conjuntos de habilidades e o arcabouço mental necessários para colocá-los em prática no planejamento da cidade. Também abordamos ferramentas e abordagens para coletar e organizar dados relevantes para uso em IA, incluindo mineração de dados.

Público

• Planejadores da cidade
• Arquitetos
• Desenvolvedores
• Funcionários do transporte

Formato do Curso

• Parte palestra, parte discussão e uma série de exercícios interativos.

Nota

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

A AI é uma coleção de tecnologias para a construção de sistemas inteligentes capazes de entender os dados e as atividades que envolvem os dados para tomar "decisões inteligentes" Para provedores de telecomunicações, os aplicativos e serviços de construção que usam a AI podem abrir as portas para operações e manutenção aprimoradas em áreas como manutenção e otimização de rede Neste curso, examinamos as várias tecnologias que compõem a IA e os conjuntos de habilidades necessárias para usá-las Ao longo do curso, examinamos os aplicativos específicos da AI na indústria de telecomunicações Público Engenheiros de rede Pessoal de operações de rede Gerentes técnicos de telecomunicações Formato do curso Peça palestra, parte discussão, exercícios handson .

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.

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.

A álgebra linear é um ramo da matemática que lida com vetores, matrizes e transformações lineares O conhecimento da álgebra linear ajuda engenheiros e desenvolvedores a melhorar seus recursos de aprendizado de máquina Entender os conceitos de álgebra linear permite que eles entendam melhor os princípios por trás das técnicas de aprendizado de máquina e, assim, resolvam os problemas mais rapidamente Neste treinamento ao vivo instrutor, os participantes aprenderão os fundamentos da álgebra linear à medida que resolvem um problema de aprendizado de máquina usando métodos de álgebra linear No final deste treinamento, os participantes serão capazes de: Entenda conceitos fundamentais de álgebra linear Aprenda as habilidades de álgebra linear necessárias para aprendizado de máquina Use estruturas e conceitos de álgebra linear ao trabalhar com dados, imagens, algoritmos, etc Resolva um problema de aprendizado de máquina usando álgebra linear Público Desenvolvedores Engenheiros Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada Nota Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar .

Este treinamento ao vivo conduzido por instrutor em Brasil (online ou no local) é destinado a engenheiros que desejam usar a plataforma de arrastar e soltar do Azure ML' para implantar cargas de trabalho Machine Learning sem ter que comprar software e hardware e sem ter que se preocupar com manutenção e implantação.

No final desta formação, os participantes serão capazes de

• Escreva modelos de aprendizado de máquina altamente precisos usando Python, R ou ferramentas de código zero.
• Utilize os conjuntos de dados e algoritmos disponíveis do Azure para treinar e rastrear modelos de aprendizado de máquina e aprendizado profundo.
• Utilize o espaço de trabalho interativo do Azure para desenvolver modelos de ML de forma colaborativa.
• Escolha entre diferentes estruturas de ML suportadas pelo Azure, como PyTorch, TensorFlow e scikit-learn.

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.

Este é um curso de 4 dias que apresenta a IA e sua aplicação. Existe a opção de ter um dia adicional para realizar um projeto de IA após a conclusão deste curso.

Este é um curso de 4 dias introduzindo AI e sua aplicação usando o Python linguagem de programação. Há uma opção para ter um dia adicional para realizar um projeto de IA na conclusão deste curso. 

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.

Esta formação ao vivo orientada por instrutor em Brasil (no local ou remoto) destina-se a cientistas de dados e programadores que pretendam criar e treinar modelos de aprendizagem automática para implementação em ambientes de alojamento prontos para produção.

No final desta formação, os participantes serão capazes de

• Usar instâncias do notebook para preparar e carregar dados para treinamento.
• Treinar modelos de aprendizado de máquina usando conjuntos de dados de treinamento.
• Implantar modelos treinados em um ponto de extremidade para criar previsões.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a cientistas de dados que desejam usar Azure Machine Learning para construir modelos de aprendizado de máquina de ponta a ponta para análise preditiva.

No final desta formação, os participantes serão capazes de

• Construa modelos de aprendizado de máquina com nenhuma experiência em programação.
• Criar algoritmos preditivos com Azure Machine Learning.
• Implantar algoritmos de aprendizado de máquina prontos para produção.

Este curso será uma combinação de teoria e trabalho prático com exemplos específicos usados ao longo do evento.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores da Web que desejam criar modelos de aprendizado de máquina com o Core ML para o desenvolvimento do iOS 11 e do macOS High Sierra.

No final desta formação, os participantes serão capazes de

• Criar aplicativos orientados por IA que usam aprendizado de máquina.
• Implementar modelos de aprendizado de máquina que classificam imagens.
• Utilizar a API Core ML para suportar fluxos de trabalho personalizados e casos de utilização avançados
• Analisar texto de linguagem natural com modelos de aprendizado de máquina.