Lokal instruktørledet live Artificial Intelligence (AI) kurs i Norge.
Testimonials
Han var veldig lærerik og hjelpsom.
Pratheep Ravy
Kurs: Predictive Modelling with R
Machine Translated
Det var veldig interaktivt og mer avslappet og uformelt enn forventet. Vi dekket mange temaer i tiden, og treneren var alltid mottakelig for å snakke mer detaljert eller mer generelt om emnene og hvordan de var i slekt. Jeg føler at opplæringen har gitt meg verktøyene til å fortsette læringen i motsetning til at det er en engangsøkt der læringen stopper når du er ferdig, noe som er veldig viktig med tanke på omfanget og kompleksiteten i emnet.
Jonathan Blease
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Ann skapte et flott miljø for å stille spørsmål og lære. Vi hadde mye moro og lærte også mye på samme tid.
Gudrun Bickelq
Kurs: Introduction to the use of neural networks
Machine Translated
den interaktive delen, tilpasset våre spesifikke behov
Thomas Stocker
Kurs: Introduction to the use of neural networks
Machine Translated
Jeg likte øvelsene
Office for National Statistics
Kurs: Natural Language Processing with Python
Machine Translated
Den praktiske tilnærmingen
Kevin De Cuyper
Kurs: Computer Vision with OpenCV
Machine Translated
utvalg av materiale
Maciej Jonczyk
Kurs: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
systematisere kunnskap innen ML
Orange Polska
Kurs: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Treneren var så kunnskapsrik og inkluderte områder jeg var interessert i
Mohamed Salama
Kurs: Data Mining & Machine Learning with R
Machine Translated
Temaet er veldig interessant
Wojciech Baranowski
Kurs: Introduction to Deep Learning
Machine Translated
Trenere teoretisk kunnskap og vilje til å løse problemene med deltakerne etter treningen
Grzegorz Mianowski
Kurs: Introduction to Deep Learning
Machine Translated
Emne. Veldig interessant!
Piotr
Kurs: Introduction to Deep Learning
Machine Translated
Øvelser etter hvert emne var veldig nyttige, til tross for at det var for kompliserte på slutten. Generelt var det presenterte materialet veldig interessant og involverende! Øvelser med bildegjenkjenning var store.
Dolby Poland Sp. z o.o.
Kurs: Introduction to Deep Learning
Machine Translated
Jeg tror at hvis trening ville blitt utført i polsk, vil det gjøre det mulig for treneren å dele sin kunnskap mer effektiv
Radek
Kurs: Introduction to Deep Learning
Machine Translated
Den globale oversikten over dyp læring
Bruno Charbonnier
Kurs: Advanced Deep Learning
Machine Translated
Øvelsene er tilstrekkelig praktiske og trenger ikke høy kunnskap i Python .
Alexandre GIRARD
Kurs: Advanced Deep Learning
Machine Translated
Å gjøre øvelser på virkelige eksempler ved bruk av Keras . Mihaly forsto absolutt forventningene våre til denne treningen.
Paul Kassis
Kurs: Advanced Deep Learning
Machine Translated
Jeg satte veldig pris på de krystallklare svarene til Chris på spørsmålene våre.
Léo Dubus
Kurs: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Kunnskapsrik trener
Sridhar Voorakkara
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Jeg ble overrasket over standarden i denne klassen - jeg vil si at det var universitetsstandard.
David Relihan
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Veldig bra allround-oversikt. Go bakgrunnen for hvorfor Tensorflow fungerer som den gjør.
Kieran Conboy
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Jeg likte mulighetene til å stille spørsmål og få mer grundige forklaringer på teorien.
Sharon Ruane
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Vi har fått mye mer innsikt i fagstoffet. Noen fine diskusjoner ble ført med noen virkelige emner i selskapet vårt
Sebastiaan Holman
Kurs: Machine Learning and Deep Learning
Machine Translated
Opplæringen ga det rette grunnlaget som gjør at vi kan utvide videre, ved å vise hvordan teori og praksis går hånd i hånd. Det gjorde meg faktisk mer interessert i faget enn jeg var før.
Jean-Paul van Tillo
Kurs: Machine Learning and Deep Learning
Machine Translated
Dekning og dybde av emner
Anirban Basu
Kurs: Machine Learning and Deep Learning
Machine Translated
Treneren forklarte veldig enkelt vanskelige og avanserte emner.
Leszek K
Kurs: Artificial Intelligence Overview
Machine Translated
ny innsikt i dyp maskinlæring
Josip Arneric
Kurs: Neural Network in R
Machine Translated
Vi fikk litt kunnskap om NN generelt, og det som var det mest interessante for meg var de nye typene NN som er populære nå for tiden.
Tea Poklepovic
Kurs: Neural Network in R
Machine Translated
Grafer i R :)))
Faculty of Economics and Business Zagreb
Kurs: Neural Network in R
Machine Translated
Trenerens dype kunnskap om emnet.
Sebastian Görg
Kurs: Introduction to Deep Learning
Machine Translated
Veldig oppdatert tilnærming eller api (tensorflow, kera, tflearn) for å gjøre maskinlæring
Paul Lee
Kurs: TensorFlow for Image Recognition
Machine Translated
Veldig fleksibel
Frank Ueltzhöffer
Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
fleksibilitet
Werner Philipp
Kurs: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
Gitt syn på teknologien: hvilken teknologi / prosess som kan bli viktigere i fremtiden; se, hva teknologien kan brukes til
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Valg av emne. Treningsstil. Øv orientering
Commerzbank AG
Kurs: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Jeg liker det veldig godt.
蒙 李
Kurs: Machine Learning Fundamentals with Python
Machine Translated
måte å dirigere og eksempel gitt av trener
ORANGE POLSKA S.A.
Kurs: Machine Learning and Deep Learning
Machine Translated
Mulighet for å diskutere de foreslåtte problemene selv
ORANGE POLSKA S.A.
Kurs: Machine Learning and Deep Learning
Machine Translated
Kommunikasjon med foreleseren
文欣 张
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Liker det
lisa xie
Kurs: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Inngående dekning av maskinlæringsemner, spesielt nevrale nettverk. Demystifiserte mye av emnet.
Sacha Nandlall
Kurs: Python for Advanced Machine Learning
Machine Translated
Dette er en av de beste praktiske oppgavene med programmeringskurs jeg noensinne har tatt.
Laura Kahn
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Dette er en av de beste kvalitetstreningene jeg noensinne har tatt i løpet av min 13 år lange karriere. Fortsett den gode jobben!
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
mange øvelser som jeg direkte kan bruke i arbeidet mitt
Alior Bank S.A.
Kurs: Sieci Neuronowe w R
Machine Translated
Eksempler på ekte data
Alior Bank S.A.
Kurs: Sieci Neuronowe w R
Machine Translated
neuralnet, PROC i en loop
Alior Bank S.A.
Kurs: Sieci Neuronowe w R
Machine Translated
Richards treningstil holdt det interessant, eksemplene fra den virkelige verden bidro til å drive konseptene hjem.
Jamie Martin-Royle - NBrown Group
Kurs: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Innholdet, som jeg synes det var veldig interessant og tror det ville hjelpe meg i det siste året mitt på University.
Krishan Mistry - NBrown Group
Kurs: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Jeg likte virkelig øvelser
L M ERICSSON LIMITED
Kurs: Machine Learning
Machine Translated
Jeg likte laboratorieøvelsene.
Marcell Lorant - L M ERICSSON LIMITED
Kurs: Machine Learning
Machine Translated
Dette er en av de beste kvalitetstreningene jeg noensinne har tatt i løpet av min 13 år lange karriere. Fortsett den gode jobben!
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Artificial Intelligence Kursplaner
Kursnavn
Varighet
Oversikt
Kursnavn
Varighet
Oversikt
14 timer
Oversikt
Dette kurset dekker AI (med vekt på Machine Learning og Deep Learning ) i Automotive . Det hjelper til med å bestemme hvilken teknologi som (potensielt) kan brukes i flere situasjoner i en bil: fra enkel automatisering, bildegjenkjenning til autonome beslutninger.
21 timer
Oversikt
Dette kurset bruker en praktisk tilnærming til undervisning i OptaPlanner . Den gir deltakerne verktøyene som trengs for å utføre de grunnleggende funksjonene til dette verktøyet.
21 timer
Oversikt
Course is dedicated for those who would like to know an alternative program to the commercial MATLAB package. The three-day training provides comprehensive information on moving around the environment and performing the OCTAVE package for data analysis and engineering calculations. The training recipients are beginners but also those who know the program and would like to systematize their knowledge and improve their skills. Knowledge of other programming languages is not required, but it will greatly facilitate the learners' acquisition of knowledge. The course will show you how to use the program in many practical examples.
28 timer
Oversikt
OpenCV (Open Source Computer Vision Library: http://opencv.org) er et åpen kildekode-BSD-lisensiert bibliotek som inkluderer flere hundre datamaskinvisjonsalgoritmer.
Publikum
Dette kurset er rettet mot ingeniører og arkitekter som søker å benytte seg av OpenCV til prosjekter med datasyn
Publikum
Dette kurset er rettet mot ingeniører og arkitekter som søker å benytte seg av OpenCV til prosjekter med datasyn
14 timer
Oversikt
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 timer
Oversikt
OpenFace is Python and Torch based open-source, real-time facial recognition software based on Google's FaceNet research.
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
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
14 timer
Oversikt
The Apache OpenNLP library is a machine learning based toolkit for processing natural language text. It supports the most common NLP tasks, such as language detection, tokenization, sentence segmentation, part-of-speech tagging, named entity extraction, chunking, parsing and coreference resolution.
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 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
7 timer
Oversikt
I denne instruktørledede, OpenNMT , vil deltakerne lære å sette opp og bruke OpenNMT til å utføre oversettelse av forskjellige eksempler av datasett. Kurset starter med en oversikt over nevrale nettverk slik de gjelder for maskinoversettelse. Deltakerne vil gjennomføre liveøvelser gjennom hele kurset for å demonstrere sin forståelse av konseptene som er lært og få tilbakemeldinger fra instruktøren.
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
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
14 timer
Oversikt
I denne instruktørledede, OpenNN , går vi over prinsippene i nevrale nettverk og bruker OpenNN til å implementere et eksempelapplikasjon.
Kursets format
- Foredrag og diskusjon kombinert med praktiske øvelser.
Kursets format
- Foredrag og diskusjon kombinert med praktiske øvelser.
21 timer
Oversikt
PaddlePaddle (PArallel Distributed Deep LEarning) is a scalable deep learning platform developed by Baidu.
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
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
21 timer
Oversikt
This classroom based training session will explore NLP techniques in conjunction with the application of AI and Robotics in business. Delegates will undertake computer based examples and case study solving exercises using Python
14 timer
Oversikt
Pattern Matching er en teknikk som brukes til å finne spesifiserte mønstre i et bilde. Det kan brukes til å bestemme eksistensen av spesifiserte egenskaper i et tatt bilde, for eksempel den forventede etiketten på et mangelfullt produkt på en fabrikklinje eller de spesifiserte dimensjonene til en komponent. Det er forskjellig fra " Pattern Recognition " (som gjenkjenner generelle mønstre basert på større samlinger av relaterte prøver) ved at den spesifikt dikterer hva vi leter etter, for så å fortelle oss om det forventede mønsteret eksisterer eller ikke.
Kursets format
- Dette kurset introduserer tilnærminger, teknologier og algoritmer som brukes i feltet mønster matching som det gjelder Machine Vision .
Kursets format
- Dette kurset introduserer tilnærminger, teknologier og algoritmer som brukes i feltet mønster matching som det gjelder Machine Vision .
21 timer
Oversikt
PredictionIO er en åpen kildekode Machine Learning Server som er bygget oppå topp moderne open source-stack.
Publikum
Dette kurset er rettet mot utviklere og dataforskere som vil lage prediktive motorer for enhver maskinlæringsoppgave.
Publikum
Dette kurset er rettet mot utviklere og dataforskere som vil lage prediktive motorer for enhver maskinlæringsoppgave.
14 timer
Oversikt
R er et gratis programmeringsspråk med åpen kildekode for statistisk databehandling, dataanalyse og grafikk. R brukes av et økende antall ledere og dataanalytikere i selskaper og akademia. R har et bredt utvalg av pakker for data mining.
14 timer
Oversikt
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 timer
Oversikt
In this instructor-led, live training, participants will learn the most relevant and cutting-edge machine learning techniques in Python as they build a series of demo applications involving image, music, text, and financial data.
By the end of this training, participants will be able to:
- Implement machine learning algorithms and techniques for solving complex problems.
- Apply deep learning and semi-supervised learning to applications involving image, music, text, and financial data.
- Push Python algorithms to their maximum potential.
- Use libraries and packages such as NumPy and Theano.
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
By the end of this training, participants will be able to:
- Implement machine learning algorithms and techniques for solving complex problems.
- Apply deep learning and semi-supervised learning to applications involving image, music, text, and financial data.
- Push Python algorithms to their maximum potential.
- Use libraries and packages such as NumPy and Theano.
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
14 timer
Oversikt
Computer Vision er et felt som innebærer automatisk å trekke ut, analysere og forstå nyttig informasjon fra digitale medier. Python er et programmeringsspråk på høyt nivå kjent for sin klare syntaks og kodelesbarhet.
I denne instruktørledede, liveopplæringen, vil deltakerne lære det grunnleggende om Computer Vision når de går gjennom opprettelsen av et sett med enkel Computer Vision-applikasjon ved hjelp av Python .
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå det grunnleggende i Computer Vision
- Bruk Python til å implementere Computer Vision-oppgaver
- Bygg sine egne ansikts-, objekt- og bevegelsesdeteksjonssystemer
Publikum
- Python programmerere som er interessert i Computer Vision
Kursets format
- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
I denne instruktørledede, liveopplæringen, vil deltakerne lære det grunnleggende om Computer Vision når de går gjennom opprettelsen av et sett med enkel Computer Vision-applikasjon ved hjelp av Python .
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå det grunnleggende i Computer Vision
- Bruk Python til å implementere Computer Vision-oppgaver
- Bygg sine egne ansikts-, objekt- og bevegelsesdeteksjonssystemer
Publikum
- Python programmerere som er interessert i Computer Vision
Kursets format
- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
21 timer
Oversikt
In this instructor-led, live training, participants will learn how to use the right machine learning and NLP (Natural Language Processing) techniques to extract value from text-based data.
By the end of this training, participants will be able to:
- Solve text-based data science problems with high-quality, reusable code
- Apply different aspects of scikit-learn (classification, clustering, regression, dimensionality reduction) to solve problems
- Build effective machine learning models using text-based data
- Create a dataset and extract features from unstructured text
- Visualize data with Matplotlib
- Build and evaluate models to gain insight
- Troubleshoot text encoding errors
Audience
- Developers
- Data Scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
By the end of this training, participants will be able to:
- Solve text-based data science problems with high-quality, reusable code
- Apply different aspects of scikit-learn (classification, clustering, regression, dimensionality reduction) to solve problems
- Build effective machine learning models using text-based data
- Create a dataset and extract features from unstructured text
- Visualize data with Matplotlib
- Build and evaluate models to gain insight
- Troubleshoot text encoding errors
Audience
- Developers
- Data Scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
14 timer
Oversikt
Denne klasseromsbaserte treningsøkten vil inneholde presentasjoner og databaserte eksempler og case study-øvelser for å gjennomføre med relevante nevrale og dype nettverksbiblioteker.
21 timer
Oversikt
Det anslås at ustrukturerte data står for mer enn 90 prosent av alle data, mye av det i form av tekst. Blogginnlegg, tweets, sosiale medier og andre digitale publikasjoner bidrar kontinuerlig til denne voksende datamaskinen.
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
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
28 timer
Oversikt
Dette kurset introduserer lingvister eller programmerere til NLP i Python . I løpet av dette kurset vil vi stort sett bruke nltk.org (Natural Language Tool Kit), men også vi vil bruke andre biblioteker som er relevante og nyttige for NLP. For øyeblikket kan vi gjennomføre dette kurset i Python 2.x eller Python 3.x. Eksempler er på engelsk eller mandarin (普通话). Andre språk kan også gjøres tilgjengelig hvis avtalt før bestilling.
14 timer
Oversikt
This classroom based training session will explore machine learning techniques, with computer based examples and case study solving exercises using a relevant programme languauge
28 timer
Oversikt
Læring av maskiner er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. R er et populært programmeringsspråk i finansnæringen. Det brukes i økonomiske applikasjoner som spenner fra kjernehandelsprogrammer til risikostyringssystemer.
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. 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
21 timer
Oversikt
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 timer
Oversikt
Målet med dette kurset er å gi en grunnleggende ferdighet i å anvende Machine Learning metoder i praksis. Gjennom bruk av programmeringsspråket Scala og dets forskjellige biblioteker, og basert på en rekke praktiske eksempler, lærer dette kurset hvordan man bruker de viktigste byggesteinene i Machine Learning , hvordan man tar beslutninger om datamodellering, tolker utgangene til algoritmene og validerer resultatene.
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.
14 timer
Oversikt
Målet med dette kurset er å gi en grunnleggende ferdighet i å anvende Machine Learning metoder i praksis. Gjennom bruk av Python programmeringsspråket og dets forskjellige biblioteker, og basert på en rekke praktiske eksempler, lærer dette kurset hvordan man bruker de viktigste byggesteinene i Machine Learning , hvordan man tar beslutninger om datamodellering, tolker utgangene til algoritmene og validerer resultatene.
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.
14 timer
Oversikt
Målet med dette kurset er å gi en grunnleggende ferdighet i å anvende Machine Learning metoder i praksis. Gjennom bruk av R-programmeringsplattformen og dens forskjellige biblioteker, og basert på en rekke praktiske eksempler, lærer dette kurset hvordan man bruker de viktigste byggesteinene i Machine Learning , hvordan man tar beslutninger om datamodellering, tolker utgangene til algoritmene og validerer resultatene.
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.
7 timer
Oversikt
Dette kurset er for folk som ønsker å bruke grunnleggende Machine Learning i praktiske applikasjoner.
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.
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.
14 timer
Oversikt
In this instructor-led, live training, participants will learn how to use the iOS Machine Learning (ML) technology stack as they step through the creation and deployment of an iOS mobile app.
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
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
35 timer
Oversikt
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.
Rådgivning
Helg AI kurs, kveld Artificial Intelligence trening, AI boot camp, Artificial Intelligence (AI) instruktørledet, Helg Artificial Intelligence trening, Kveld AI kurs, Artificial Intelligence (AI) coaching, Artificial Intelligence (AI) instruktør, Artificial Intelligence trener, Artificial Intelligence (AI) kurs, AI (Artificial Intelligence) klasser, AI on-site, AI (Artificial Intelligence) private kurs, Artificial Intelligence (AI) tomannshånd trening
.jpg "european southern observatory (eso)")
.jpg "procter & gamble (p&g)")
.jpg "european organization for nuclear research (cern)")