
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
Publikum
Dette kurset er rettet mot ingeniører og arkitekter som søker å benytte seg av OpenCV til prosjekter med datasyn
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.
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 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
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
Kursets format
- Foredrag og diskusjon kombinert med praktiske øvelser.
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
- Dette kurset introduserer tilnærminger, teknologier og algoritmer som brukes i feltet mønster matching som det gjelder Machine Vision .
Publikum
Dette kurset er rettet mot utviklere og dataforskere som vil lage prediktive motorer for enhver maskinlæringsoppgave.
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.
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
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
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
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
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
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.
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.
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.
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
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.