Artificial Intelligence (AI) Training Courses

Artificial Intelligence (AI) Training Courses

Lokal instruktørledet live Artificial Intelligence (AI) kurs i Norge.

Testimonials

★★★★★
★★★★★

Artificial Intelligence Kursplaner

Tittel
Varighet
Oversikt
Tittel
Varighet
Oversikt
7 timer
Oversikt
Dette kurset er laget for ledere, løsningsarkitekter, innovasjonsansvarlige, CTOer, programvarearkitekter og alle som er interessert i en oversikt over anvendt kunstig intelligens og den nærmeste prognosen for dens utvikling.
21 timer
Oversikt
Machine Learning er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. Python er et programmeringsspråk kjent for sin klare syntaks og lesbarhet. Det tilbyr en utmerket samling av godt testede biblioteker og teknikker for å utvikle applikasjoner for maskinlæring.

I denne instruktørledede, liveopplæringen, vil deltakerne lære seg å bruke maskinlæringsteknikker og verktøy for å løse reelle problemer i banknæringen.

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.

Publikum

- Utviklere
- Data forskere

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
28 timer
Oversikt
Cortana Intelligence Suite er et knippe integrerte produkter og tjenester på Microsoft Azure Cloud som gjør det mulig for enheter å transformere data til intelligente handlinger.

I denne instruktørledede, liveopplæringen, vil deltakerne lære å bruke komponentene som er en del av Cortana Intelligence Suite til å bygge datadrevne intelligente applikasjoner.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Lær hvordan du bruker Cortana Intelligence Suite-verktøy
- Få den siste kunnskapen om databehandling og analyse
- Bruk Cortana komponenter for å gjøre data om til intelligent handling
- Bruk Cortana til å bygge applikasjoner fra bunnen av og starte den på skyen

Publikum

- Data forskere
- programmerere
- Utviklere
- ledere
- arkitekter

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
28 timer
Oversikt
Læring av maskiner er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. Dyp læring er et underfelt av maskinlæring som bruker metoder basert på læringsdatapresentasjoner og strukturer som nevrale nettverk. Python er et programmeringsspråk på høyt nivå kjent for sin klare syntaks og kodelesbarhet.

I denne instruktørledede, liveopplæringen, vil deltakerne lære å implementere dype læringsmodeller for økonomi ved hjelp av Python når de går gjennom opprettelsen av en dyp læringsprediksjonsmodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Forstå de grunnleggende konseptene for dyp læring
- Lær bruksområdene og bruken av dyp læring innen finans
- Bruk Python , Keras , og TensorFlow å skape dype læringsmodeller for finans
- Bygge sin egen dype læringsmodell for prediksjon ved bruk av Python

Publikum

- Utviklere
- Data forskere

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
28 timer
Oversikt
Læring av maskiner er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. Dyp læring er et underfelt av maskinlæring som bruker metoder basert på læringsdatapresentasjoner og strukturer som nevrale nettverk. 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 implementere dype læringsmodeller for bankbruk ved å bruke R når de går gjennom opprettelsen av en dyp læringsrisikomodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Forstå de grunnleggende konseptene for dyp læring
- Lær applikasjonene og bruken av dyp læring i bank
- Bruk R til å lage dype læringsmodeller for bank
- Bygg deres egen kredittrisikomodell med dyp læring ved å bruke R

Publikum

- Utviklere
- Data forskere

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
28 timer
Oversikt
Læring av maskiner er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. Dyp læring er et underfelt av maskinlæring som bruker metoder basert på læringsdatapresentasjoner og strukturer som nevrale nettverk. Python er et programmeringsspråk på høyt nivå kjent for sin klare syntaks og kodelesbarhet.

I denne instruktørledede, liveopplæringen, vil deltakerne lære å implementere dype læringsmodeller for bankbruk ved å bruke Python når de går gjennom opprettelsen av en dyp læringsrisikomodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Forstå de grunnleggende konseptene for dyp læring
- Lær applikasjonene og bruken av dyp læring i bank
- Bruk Python , Keras , og TensorFlow å skape dype læringsmodeller for bank
- Bygge sin egen dype lærings kredittrisikomodell ved hjelp av Python

Publikum

- Utviklere
- Data forskere

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
28 timer
Oversikt
Læring av maskiner er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. Dyp læring er et underfelt av maskinlæring som bruker metoder basert på læringsdatapresentasjoner og strukturer som nevrale nettverk. 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 implementere dype læringsmodeller for økonomi ved å bruke R når de går gjennom opprettelsen av en dyp læringsprediksjonsmodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Forstå de grunnleggende konseptene for dyp læring
- Lær bruksområdene og bruken av dyp læring innen økonomi
- Bruk R til å lage dype læringsmodeller for økonomi
- Bygge sin egen dype læringsmodell for prediksjon ved bruk av R

Publikum

- Utviklere
- Data forskere

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
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
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
21 timer
Oversikt
Læring av maskiner er en gren av kunstig intelligens der datamaskiner har muligheten til å lære uten å være eksplisitt programmert. Python er et programmeringsspråk kjent for sin klare syntaks og lesbarhet. Det tilbyr en utmerket samling av godt testede biblioteker og teknikker for å utvikle applikasjoner for maskinlæring.

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
35 timer
Oversikt
Fremskritt innen teknologier og den økende mengden informasjon transformerer hvordan rettshåndhevelse gjennomføres. Utfordringene Big Data utgjør er nesten like avskrekkende som Big Data løfte. Lagring av data er en av disse utfordringene; effektiv analyse av det er en annen.

I denne instruktørledede, liveopplæringen, vil deltakerne lære tankegangen til å tilnærme seg Big Data teknologier, vurdere deres innvirkning på eksisterende prosesser og policyer og implementere disse teknologiene med det formål å identifisere kriminell aktivitet og forhindre kriminalitet. Casestudier fra rettshåndhevelsesorganisasjoner rundt om i verden vil bli undersøkt for å få innsikt i deres adopsjonstilnærminger, utfordringer og resultater.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Kombiner Big Data teknologi med tradisjonelle datainnsamlingsprosesser for å fortelle en historie under en undersøkelse
- Implementere industrielle store datalagrings- og behandlingsløsninger for dataanalyse
- Utarbeide et forslag for adopsjon av de mest adekvate verktøy og prosesser for å muliggjøre en datadrevet tilnærming til kriminell etterforskning

Publikum

- Spesialister innen rettshåndhevelse med teknisk bakgrunn

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
28 timer
Oversikt
DL (Deep Learning) is a subset of ML (Machine Learning).

Python is a popular programming language that contains libraries for Deep Learning for NLP.

Deep Learning for NLP (Natural Language Processing) allows a machine to learn simple to complex language processing. Among the tasks currently possible are language translation and caption generation for photos.

In this instructor-led, live training, participants will learn to use Python libraries for NLP as they create an application that processes a set of pictures and generates captions.

By the end of this training, participants will be able to:

- Design and code DL for NLP using Python libraries.
- Create Python code that reads a substantially huge collection of pictures and generates keywords.
- Create Python Code that generates captions from the detected keywords.

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
14 timer
Oversikt
In Python Machine Learning, the Text Summarization feature is able to read the input text and produce a text summary. This capability is available from the command-line or as a Python API/Library. One exciting application is the rapid creation of executive summaries; this is particularly useful for organizations that need to review large bodies of text data before generating reports and presentations.

In this instructor-led, live training, participants will learn to use Python to create a simple application that auto-generates a summary of input text.

By the end of this training, participants will be able to:

- Use a command-line tool that summarizes text.
- Design and create Text Summarization code using Python libraries.
- Evaluate three Python summarization libraries: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17

Audience

- Developers
- Data Scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
35 timer
Oversikt
Dette kurset begynner med å gi deg konseptuell kunnskap i nevrale nettverk og generelt i maskinlæringsalgoritme, dyp læring (algoritmer og applikasjoner).

Del-1 (40%) av denne opplæringen er mer fokus på grunnleggende, men vil hjelpe deg å velge riktig teknologi: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc.

Del-2 (20%) av denne opplæringen introduserer Theano - et pytonbibliotek som gjør det enkelt å skrive dype læringsmodeller.

Del 3 (40%) av opplæringen vil være omfattende basert på Tensorflow - 2nd Generation API of Go ogles open source programvarebibliotek for Deep Learning . Eksemplene og håndsonen ville alle være laget i TensorFlow .

Publikum

Dette kurset er ment for ingeniører som søker å bruke TensorFlow til Deep Learning prosjektene sine

Etter fullført kurs vil delegatene:

-

ha god forståelse for dype nevrale nettverk (DNN), CNN og RNN

-

forstå TensorFlow struktur og distribusjonsmekanismer

-

kunne utføre installasjons- / produksjonsmiljø / arkitekturoppgaver og konfigurasjon

-

kunne vurdere kodekvalitet, utføre feilsøking, overvåking

-

kunne implementere avansert produksjon som treningsmodeller, bygge grafer og logging
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
28 timer
Oversikt
I denne instruktørledede, liveopplæringen, vil deltakerne lære seg å bruke maskinlæringsteknikker og verktøy for å løse reelle problemer i banknæringen. 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 live-prosjekter.

Publikum

- Utviklere
- Data forskere
- Bankfolk med teknisk bakgrunn

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
21 timer
Oversikt
Deep Reinforcement Learning viser til evnen til et "kunstig middel" til å lære ved prøving og feiling og belønning og straff. Et kunstig middel tar sikte på å etterligne et menneskes evne til å skaffe og konstruere kunnskap på egen hånd, direkte fra råinnganger som syn. For å realisere forsterkende læring brukes dyp læring og nevrale nettverk. Forsterkningslæring er forskjellig fra maskinlæring og er ikke avhengig av veiledede og uovervåkte læringsmetoder.

I denne instruktørledede, liveopplæringen, vil deltakerne lære grunnleggende grunnlag av Deep Reinforcement Learning når de går gjennom etableringen av et Deep Learning Agent.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Forstå nøkkelbegrepene bak Deep Reinforcement Learning og kunne skille det fra Machine Learning
- Bruk avanserte algoritmer for forsterkningslæring for å løse problemer i den virkelige verden
- Bygg et Deep Learning Agent

Publikum

- Utviklere
- Dataforskere

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
35 timer
Oversikt
By the end of the training the delegates are expected to be sufficiently equipped with the essential python concepts and should be able to sufficiently use NLTK to implement most of the NLP and ML based operations. The training is aimed at giving not just an executional knowledge but also the logical and operational knowledge of the technology therein.
14 timer
Oversikt
I denne instruktørledede liveopplæringen vil deltakerne lære hvordan de bruker Matlab til å designe, bygge og visualisere et innviklet nevralt nettverk for bildegjenkjenning.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Bygge en dyp læringsmodell
- Automatiser datamerking
- Arbeid med modeller fra Caffe og TensorFlow - Keras
- Tren data ved å bruke flere GPU er, skyen eller klyngene

Publikum

- Utviklere
- ingeniører
- Domeneeksperter

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
21 timer
Oversikt
Predictive analytics is the process of using data analytics to make predictions about the future. This process uses data along with data mining, statistics, and machine learning techniques to create a predictive model for forecasting future events.

In this instructor-led, live training, participants will learn how to use Matlab to build predictive models and apply them to large sample data sets to predict future events based on the data.

By the end of this training, participants will be able to:

- Create predictive models to analyze patterns in historical and transactional data
- Use predictive modeling to identify risks and opportunities
- Build mathematical models that capture important trends
- Use data from devices and business systems to reduce waste, save time, or cut costs

Audience

- Developers
- Engineers
- Domain experts

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
7 timer
Oversikt
TensorFlow Serving er et system for servering av maskinlæring (ML) modeller til produksjon.

I denne instruktørledede TensorFlow vil deltakerne lære å konfigurere og bruke TensorFlow Serving til å distribuere og administrere ML-modeller i et produksjonsmiljø.

Ved slutten av denne opplæringen vil deltakerne kunne:

- Tren, eksporter og server forskjellige TensorFlow modeller
- Test og distribuer algoritmer ved hjelp av en enkelt arkitektur og sett med APIer
- Utvid TensorFlow Servering for å tjene andre typer modeller utover TensorFlow modeller

Publikum

- Utviklere
- Data forskere

Kursets format

- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
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
21 timer
Oversikt
Natural language generation (NLG) refers to the production of natural language text or speech by a computer.

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
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
14 timer
Oversikt
Encog is an open-source machine learning framework for Java and .Net.

In this instructor-led, live training, participants will learn how to create various neural network components using ENCOG. Real-world case studies will be discussed and machine language based solutions to these problems will be explored.

By the end of this training, participants will be able to:

- Prepare data for neural networks using the normalization process
- Implement feed forward networks and propagation training methodologies
- Implement classification and regression tasks
- Model and train neural networks using Encog's GUI based workbench
- Integrate neural network support into real-world applications

Audience

- Developers
- Analysts
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
14 timer
Oversikt
Encog is an open-source machine learning framework for Java and .Net.

In this instructor-led, live training, participants will learn advanced machine learning techniques for building accurate neural network predictive models.

By the end of this training, participants will be able to:

- Implement different neural networks optimization techniques to resolve underfitting and overfitting
- Understand and choose from a number of neural network architectures
- Implement supervised feed forward and feedback networks

Audience

- Developers
- Analysts
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
21 timer
Oversikt
In this instructor-led, live training, participants will learn advanced techniques for Machine Learning with R as they step through the creation of a real-world application.

By the end of this training, participants will be able to:

- Understand and implement unsupervised learning techniques
- Apply clustering and classification to make predictions based on real world data.
- Visualize data to quicly gain insights, make decisions and further refine analysis.
- Improve the performance of a machine learning model using hyper-parameter tuning.
- Put a model into production for use in a larger application.
- Apply advanced machine learning techniques to answer questions involving social network data, big data, and more.

Audience

- Developers
- Analysts
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
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
21 timer
Oversikt
The aim of this course is to provide general proficiency in applying Machine Learning methods in practice. Through the use of the Python programming language and its various libraries, and based on a multitude of practical examples this course teaches how to use the most important building blocks of Machine Learning, how to make data modeling decisions, interpret the outputs of the algorithms and validate the results.

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.
21 timer
Oversikt
Fiji is an open-source image processing package that bundles ImageJ (an image processing program for scientific multidimensional images) and a number of plugins for scientific image analysis.

In this instructor-led, live training, participants will learn how to use the Fiji distribution and its underlying ImageJ program to create an image analysis application.

By the end of this training, participants will be able to:

- Use Fiji's advanced programming features and software components to extend ImageJ
- Stitch large 3d images from overlapping tiles
- Automatically update a Fiji installation on startup using the integrated update system
- Select from a broad selection of scripting languages to build custom image analysis solutions
- Use Fiji's powerful libraries, such as ImgLib on large bioimage datasets
- Deploy their application and collaborate with other scientists on similar projects

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.
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

Course Discounts

Course Discounts Newsletter

We respect the privacy of your email address. We will not pass on or sell your address to others.
You can always change your preferences or unsubscribe completely.

Some of our clients

is growing fast!

We are looking to expand our presence in Norway!

As a Business Development Manager you will:

  • expand business in Norway
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!