Lokal instruktørledet live Artificial Intelligence (AI) kurs i Norge.
Testimonials
Praktisk del, der vi implementerte algoritmer. Dette muliggjorde en bedre forståelse av emnet.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
øvelser og eksempler implementert på dem
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Eksempler og spørsmål diskutert.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Substant kunnskap, engasjement, en lidenskapelig måte å formidle kunnskap på. Praktiske eksempler etter et teoretisk forelesning.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Praktiske øvelser utarbeidet av Mr. Maciej
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Kurs: Understanding Deep Neural Networks
Machine Translated
Den enkle bruken av VideoCapture-funksjonaliteten til å skaffe videobilder fra bærbar kamera.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Jeg likte instruksjonene fra treneren om hvordan jeg bruker verktøyene. Dette er noe som ikke kan hentes fra internett og er veldig nyttige.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Jeg likte instruksjonene fra treneren om hvordan jeg bruker verktøyene. Dette er noe som ikke kan hentes fra internett og er veldig nyttige.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Det var lett å følge.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Ytterligere materialer. Teoretisk forberedelse.
ING Bank Śląski
Kurs: Using Computer Network ToolKit (CNTK)
Machine Translated
Stor kunnskap om læreren så vel som viljen og evnen til å dele den. Inspirasjon til å søke etter applikasjoner av kunstig intelligens algoritmer
ING Bank Śląski
Kurs: Using Computer Network ToolKit (CNTK)
Machine Translated
Jeg liker eksempler å forklare
AUO友达光电（苏州）有限公司
Kurs: OptaPlanner in Practice
Machine Translated
saken var godt presentert og på en ordnet måte.
Marylin Houle - Ivanhoe Cambridge
Kurs: Introduction to R with Time Series Analysis
Machine Translated
Jeg hadde godt av lidenskapen til å undervise og fokusere på å gjøre ting fornuftig.
Zaher Sharifi - GOSI
Kurs: Advanced Deep Learning
Machine Translated
Det er en på en. Jeg kan stille mye spørsmål, og også be læreren om å gjenta når jeg ikke var klar over noen ting.
Kurs: Insurtech: A Practical Introduction for Managers
Machine Translated
Menneskelig identifisering og registrering av dødpunkt
王 春柱 - 中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Vis
中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Om ansiktsområdet.
中移物联网
Kurs: Deep Learning for NLP (Natural Language Processing)
Machine Translated
De uformelle utvekslingene vi hadde under forelesningene hjalp meg virkelig med å utdype min forståelse av emnet
Explore
Kurs: Deep Reinforcement Learning with Python
Machine Translated
Trenerens tålmodighet
European Space Agency (ESA/ESTEC)
Kurs: Getting Started with Quantum Computing and Q#
Machine Translated
Den viser mange metoder med forhåndsforberedte manus - veldig pent forberedte materialer og enkle å spore tilbake
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Kurs: Machine Learning – Data science
Machine Translated
Jeg liker at trening var fokusert på eksempler og koding. Jeg tenkte at det er umulig å pakke så mye innhold på tre dager med trening, men jeg tok feil. Trening dekket mange emner, og alt ble gjort på en veldig detaljert måte (spesielt innstilling av modellens parametere - jeg forventet ikke at det skulle være tid for dette, og jeg ble overrasket over).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Kurs: Machine Learning – Data science
Machine Translated
Vekslingsteori / praksis effektiv!
CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Progressiv presentasjon og anvendelse av metoder
Aurélien Briffaz - CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Tilgjengelighet og tilpasningsevne, svar på spørsmål
Jean-Michel MEOT - CIRAD
Kurs: Introduction to Machine Learning with MATLAB
Machine Translated
Problemer diskutert, utførte øvelser (eksempler), atmosfære av trening, kontakt med trener, beliggenhet.
Wojskowe Zakłady Uzbrojenia S.A. w Grudziądzu
Kurs: Octave not only for programmers
Machine Translated
Mange praktiske tips
Pawel Dawidowski - ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
Mye informasjon relatert til implementering av løsninger
Michał Smolana - ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
Et mangfold av praktiske tips og kunnskap om foreleseren fra et bredt spekter av AI / IT / SQL / IoT-spørsmål.
ABB Sp. z o.o.
Kurs: Deep Learning with TensorFlow
Machine Translated
den siste dagen. generasjonsdel
Accenture Inc
Kurs: Python for Natural Language Generation
Machine Translated
Temaene som refererer til NLG. Teamet kunne lære noe nytt til slutt med emner som var interessante, men det var først i den siste dagen. Det var også flere aktiviteter på aktiviteter enn lysbilder, noe som var bra.
Accenture Inc
Kurs: Python for Natural Language Generation
Machine Translated
Jeg liker at det fokuserer mer på hvordan de forskjellige tekstoppsummeringsmetodene gjøres
Kurs: Text Summarization with Python
Machine Translated
Den eksterne klasseromsinnstillingen fungerte veldig bra
Trimac Management Services LP
Kurs: Introduction to R with Time Series Analysis
Machine Translated
Good detail on what R is used for and how to start using it right away
Hoss Shenassa - Trimac Management Services LP
Kurs: Introduction to R with Time Series Analysis
The many practical examples / assignments that we went through were great. For me, I learn better by seeing examples and applying them elsewhere. The use of real data and applying what was taught against it was extremely valuable. Michaels PowerPoint presentations and his ability to work through each solution was invaluable.
Trimac Management Services LP
Kurs: Introduction to R with Time Series Analysis
mye informasjon, alle svar, spørsmål, interessante eksempler
A1 Telekom Austria AG
Kurs: Deep Learning for Telecom (with Python)
Machine Translated
The exercises.
Elena Velkova - CEED Bulgaria
Kurs: Predictive Modelling with R
Practical exercises with R were very helpful.
CEED Bulgaria
Kurs: Predictive Modelling with R
Treneren var en profesjonell innen fagfeltet og relatert teori med anvendelse utmerket
Fahad Malalla - Tatweer Petroleum
Kurs: Applied AI from Scratch in Python
Machine Translated
Jeg startet med nær null kunnskap, og på slutten kunne jeg bygge og trene mine egne nettverk.
Huawei Technologies Duesseldorf GmbH
Kurs: TensorFlow for Image Recognition
Machine Translated
Ewa has a passion for the subject and a huge wealth of knowledge. She impressed all of us with her knowledge and kept us all focused through the day.
Rock Solid Knowledge Ltd
Kurs: Machine Learning – Data science
Even with having to miss a day due to customer meetings, I feel I have a much clearer understanding of the processes and techniques used in Machine Learning and when I would use one approach over another. Our challenge now is to practice what we have learned and start to apply it to our problem domain
Richard Blewett - Rock Solid Knowledge Ltd
Kurs: Machine Learning – Data science
So much breadth and topics covered. I felt it was a huge subject to try and cover in 3 days - the trainer did what they could to cover everything almost exactly on time!
Rock Solid Knowledge Ltd
Kurs: Machine Learning – Data science
Det er en på en. Jeg kan stille mye spørsmål, og også be læreren om å gjenta når jeg ikke var klar over noen ting.
Kurs: Insurtech: A Practical Introduction for Managers
Machine Translated
Jeg liker at det fokuserer mer på hvordan de forskjellige tekstoppsummeringsmetodene gjøres
Kurs: Text Summarization with Python
Machine Translated
Artificial Intelligence Kursplaner
Ved slutten av denne opplæringen vil deltakerne kunne:
- Installer og konfigurer Python og MySql.
- Forstå hva Data Science er, og hvordan det kan tilføre verdi til praktisk talt enhver bedrift.
- Lær grunnleggende om koding i Python
- Lær veiledte og ikke-overvåkte teknikker for Machine Learning , og hvordan du implementerer dem og tolker resultatene.
Kursets format
- Interaktiv forelesning og diskusjon.
- Masse øvelser og trening.
- Praktisk implementering i et live-lab-miljø.
Alternativer for tilpasning av kurset
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
In this instructor-led, live training, participants will learn how to use Python to produce high-quality natural language text by building their own NLG system from scratch. Case studies will also be examined and the relevant concepts will be applied to live lab projects for generating content.
By the end of this training, participants will be able to:
- Use NLG to automatically generate content for various industries, from journalism, to real estate, to weather and sports reporting
- Select and organize source content, plan sentences, and prepare a system for automatic generation of original content
- Understand the NLG pipeline and apply the right techniques at each stage
- Understand the architecture of a Natural Language Generation (NLG) system
- Implement the most suitable algorithms and models for analysis and ordering
- Pull data from publicly available data sources as well as curated databases to use as material for generated text
- Replace manual and laborious writing processes with computer-generated, automated content creation
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
In this instructor-led, live training, participants will learn how to use PaddlePaddle to enable deep learning in their product and service applications.
By the end of this training, participants will be able to:
- Set up and configure PaddlePaddle
- Set up a Convolutional Neural Network (CNN) for image recognition and object detection
- Set up a Recurrent Neural Network (RNN) for sentiment analysis
- Set up deep learning on recommendation systems to help users find answers
- Predict click-through rates (CTR), classify large-scale image sets, perform optical character recognition(OCR), rank searches, detect computer viruses, and implement a recommendation system.
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
Kursets format
- Foredrag og diskusjon kombinert med praktiske øvelser.
Ved slutten av denne opplæringen vil deltakerne ha kunnskap og praksis som trengs for å implementere en live OpenNMT løsning.
Kildespråk og målspråkprøver blir forhåndsarrangert i henhold til publikums krav.
Kursets format
- Delforedrag, deldiskusjon, tung praktisk praksis
In this instructor-led, live training, participants will learn how to create models for processing text based data using OpenNLP. Sample training data as well customized data sets will be used as the basis for the lab exercises.
By the end of this training, participants will be able to:
- Install and configure OpenNLP
- Download existing models as well as create their own
- Train the models on various sets of sample data
- Integrate OpenNLP with existing Java applications
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
In this instructor-led, live training, participants will learn how to use OpenFace's components to create and deploy a sample facial recognition application.
By the end of this training, participants will be able to:
- Work with OpenFace's components, including dlib, OpenVC, Torch, and nn4 to implement face detection, alignment, and transformation
- Apply OpenFace to real-world applications such as surveillance, identity verification, virtual reality, gaming, and identifying repeat customers, etc.
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
This instructor-led, live training (onsite or remote) 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.
Publikum
Dette kurset er rettet mot ingeniører og arkitekter som søker å benytte seg av OpenCV til prosjekter med datasyn
Dette instruktørledede, levende kurset fokuserer på å trekke ut innsikt og mening fra disse dataene. Ved å bruke R Language and Natural Language Processing (NLP) -bibliotekene kombinerer vi konsepter og teknikker fra informatikk, kunstig intelligens og beregningsspråklighet for å algoritmisk forstå betydningen bak tekstdata. Dataprøver er tilgjengelig på forskjellige språk per kundebehov.
Mot slutten av denne opplæringen vil deltakerne kunne utarbeide datasett (store og små) fra forskjellige kilder, og deretter bruke de rette algoritmene for å analysere og rapportere om betydningen av den.
Kursets format
- Delforelesning, deldiskusjon, tung praktisk praksis, sporadiske tester for å måle forståelse
Kurset vil dekke hvordan man bruker tekst skrevet av mennesker, for eksempel blogginnlegg, tweets, osv. ...
For eksempel kan en analytiker sette opp en algoritme som automatisk kommer til en konklusjon basert på omfattende datakilde.
Denne opplæringen er mer fokus på grunnleggende, men vil hjelpe deg å velge riktig teknologi: TensorFlow , Caffe , Teano, DeepDrive, Keras , etc. Eksemplene er laget i TensorFlow .
Publikum
Dette kurset er rettet mot utviklere og dataforskere som vil lage prediktive motorer for enhver maskinlæringsoppgave.
Det er en bred oversikt over eksisterende metoder, motivasjoner og hovedideer i sammenheng med mønstergjenkjenning.
Etter en kort teoretisk bakgrunn vil deltakerne utføre enkel trening ved å bruke open source (vanligvis R) eller annen populær programvare.
Our goal is to give you the skills to understand and use the most fundamental tools from the Machine Learning toolbox confidently and avoid the common pitfalls of Data Sciences applications.
By the end of this training, participants will be able to:
- Create a mobile app capable of image processing, text analysis and speech recognition
- Access pre-trained ML models for integration into iOS apps
- Create a custom ML model
- Add Siri Voice support to iOS apps
- Understand and use frameworks such as coreML, Vision, CoreGraphics, and GamePlayKit
- Use languages and tools such as Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda, and Spyder
Audience
- Developers
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
Publikum
Dataforskere og statistikere som har en viss kjennskap til maskinlæring og vet hvordan de skal programmere R. Hovedvekten av dette kurset er på de praktiske aspektene ved utarbeidelse av data / modell, utførelse, post hoc-analyse og visualisering. Hensikten er å gi en praktisk innføring i maskinlæring til deltakere som er interessert i å anvende metodene på jobb
Sektorspesifikke eksempler brukes for å gjøre opplæringen relevant for publikum.
Målet vårt er å gi deg ferdighetene til å forstå og bruke de mest grunnleggende verktøyene fra verktøykassen Machine Learning sikkerhet og unngå vanlige fallgruver i Data Science applikasjoner.
Målet vårt er å gi deg ferdighetene til å forstå og bruke de mest grunnleggende verktøyene fra verktøykassen Machine Learning sikkerhet og unngå vanlige fallgruver i Data Science applikasjoner.
Målet vårt er å gi deg ferdighetene til å forstå og bruke de mest grunnleggende verktøyene fra verktøykassen Machine Learning sikkerhet og unngå vanlige fallgruver i Data Science applikasjoner.
I denne instruktørledede, liveopplæringen, vil deltakerne lære å bruke maskinlæringsteknikker og -verktøy for å løse reelle problemer i finansbransjen. R vil bli brukt som programmeringsspråk.
Deltakerne lærer først de viktigste prinsippene, deretter omsetter hun kunnskapen deres ved å bygge sine egne maskinlæringsmodeller og bruke dem til å fullføre en rekke teamprosjekter.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå de grunnleggende konseptene i maskinlæring
- Lær bruksområdene og bruken av maskinlæring i finans
- Utvikle sin egen algoritmiske handelsstrategi ved bruk av maskinlæring med R
Publikum
- Utviklere
- Data forskere
Kursets format
- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
I denne instruktørledede, liveopplæringen, vil deltakerne lære å bruke maskinlæringsteknikker og -verktøy for å løse reelle problemer i finansbransjen.
Deltakerne lærer først de viktigste prinsippene, deretter omsetter hun kunnskapen deres ved å bygge sine egne maskinlæringsmodeller og bruke dem til å fullføre en rekke teamprosjekter.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå de grunnleggende konseptene i maskinlæring
- Lær bruksområdene og bruken av maskinlæring i finans
- Utvikle sin egen algoritmiske handelsstrategi ved bruk av maskinlæring med Python
Publikum
- Utviklere
- Data forskere
Kursets format
- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
.jpg "european southern observatory (eso)")
.jpg "procter & gamble (p&g)")
.jpg "european organization for nuclear research (cern)")