由讲师进行实时指导的机器学习本地培训课程通过动手实践演示如何应用机器学习技术和工具来解决各行业的现实问题。NobleProg机器学习课程涵盖不同的编程语言和框架,包括Python、R语言、Matlab。机器学习课程适用于多种行业应用,包括金融、银行、保险,涵盖机器学习的基础知识以及深度学习等更高级的方法。
机器学习培训形式包括“现场实时培训”和“远程实时培训”。现场实时培训可在客户位于中国的所在场所或NobleProg位于中国的企业培训中心进行,远程实时培训可通过交互式远程桌面进行。
NobleProg -- 您的本地培训提供商
JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
Marcos - JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
Víctor Edgar - JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
Ivonne Guadalupe Avendaño Hernandez - JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
Miguel - JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
SERGIO BRAVO - JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
Hilario García - JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
Zaira N. - JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
jesus isaias - JONATHAN MARIANO, si
课程: Artificial Intelligence (AI) for Managers
Machine Translated
Machine Learning (ML) Subcategories
ML (Machine Learning) Course Outlines
21小时
LightGBM 是一个免费的开源分布式机器学习梯度提升框架,最初由 Microsoft 开发。它基于决策树算法,用于排序、分类和其他机器学习任务。这种由讲师指导的现场培训(在线或现场)面向希望学习 LightGBM 基础知识并探索高级技术的初级到中级开发人员和数据科学家。培训结束时,参与者将能够:
安装并配置 LightGBM。了解梯度提升和决策树算法背后的理论 使用 LightGBM 执行基本和高级机器学习任务。实施特征工程、超参数调整和模型解释等先进技术。将 LightGBM 与其他机器学习框架集成。解决 LightGBM 中的常见问题。 课程形式
互动讲座和讨论。大量的练习和练习。在现场实验室环境中亲自实施。 课程定制选项
21小时
Stable Diffusion 是一个强大的深度学习模型,可以根据文本描述生成详细的图像。此讲师指导的现场培训(在线或现场)面向中级到高级数据科学家、机器学习工程师、深度学习研究人员和计算机视觉专家,他们希望扩展深度学习的知识和技能以进行文本到文本转换-图像生成。到本次培训结束时,参与者将能够:
了解用于文本到图像生成的高级深度学习架构和技术。为高质量图像合成实施复杂模型和优化。优化大型数据集和复杂模型的性能和可扩展性。调整超参数以获得更好的模型性能和泛化能力。将 Stable Diffusion 与其他深度学习框架和工具集成。 课程形式
互动讲座和讨论。大量的练习和实践。在现场实验室环境中动手实施。 课程定制选项
7小时
Vertex AI 是一个 Google 云环境,用于完成从实验到部署、管理和监控模型的机器学习任务。它是一个可扩展的基础架构,可为机器学习项目提供用户管理功能和安全控制。此讲师指导的现场培训(在线或现场)面向初级到中级软件工程师或任何希望学习如何使用 Vertex AI 执行和完成机器学习活动的人。到本次培训结束时,参与者将能够:
了解 Vertex AI 的工作原理并将其用作机器学习平台。了解机器学习和 NLP 概念。了解如何使用 Vertex AI 训练和部署机器学习模型。 课程形式
互动讲座和讨论。大量的练习和实践。在现场实验室环境中动手实施。 课程定制选项
14小时
生成式预训练转换器 (GPT) 是自然语言处理中最先进的模型,彻底改变了各种应用,包括语言生成、文本完成和机器翻译。本课程深入探索 GPT 模型,重点是 GPT-3 和 GPT-4 的最新进展。参与者将深入了解 GPT 模型的架构、训练技术和应用。
这种由讲师指导的现场培训(现场或远程)面向数据科学家、机器学习工程师、NLP 研究人员和 AI 爱好者,他们希望了解 GPT 模型的内部工作原理,探索 GPT-3 和 GPT-4 的功能,并学习如何利用这些模型完成他们的 NLP 任务。
在本次培训结束时,参与者将能够:
了解生成式预训练转换器背后的关键概念和原则。
理解 GPT 模型的架构和训练过程。
利用 GPT-3 执行文本生成、完成和翻译等任务。
探索 GPT-4 的最新进展及其潜在应用。
将 GPT 模型应用于他们自己的 NLP 项目和任务。
课程形式
互动讲座和讨论。
大量的练习和练习。
在现场实验室环境中动手实施。
课程自定义选项
21小时
DeepSpeed 是一个深度学习优化库,可以更轻松地在分布式硬件上扩展深度学习模型。 DeepSpeed 由 Microsoft 开发,与 PyTorch 集成以提供更好的缩放、更快的训练和更高的资源利用率。此讲师指导的现场培训(在线或现场)面向希望提高其深度学习模型性能的初级到中级数据科学家和机器学习工程师。到本次培训结束时,参与者将能够:
了解分布式深度学习的原理。安装和配置 DeepSpeed。使用 DeepSpeed 在分布式硬件上扩展深度学习模型。实施和试验 DeepSpeed 功能以优化和提高内存效率。 课程形式
互动讲座和讨论。大量的练习和实践。在现场实验室环境中动手实施。 课程定制选项
7小时
AlphaFold是一种(0)系统,执行蛋白质结构的预测。 它是由Alphabet’s/Google’s的DeepMind开发,作为一个深度学习系统,可以准确地预测蛋白质结构的3D模型。
由导师领导的现场培训(在线或现场)是针对生物学家,他们希望了解 AlphaFold 如何工作和使用 AlphaFold 模型作为他们的实验研究的指南。
在本研讨会结束后,参与者将能够:
理解基本原则(二)
(二)学习如何工作。
学习如何解释(二)预测和结果。
课程格式
互动讲座和讨论。
很多练习和练习。
在现场实验室环境中进行手动实施。
课程定制选项
21小时
Stable Diffusion 是一个强大的深度学习模型,可以根据文本描述生成详细的图像。此讲师指导的现场培训(在线或现场)面向希望利用 Stable Diffusion 为各种用例生成高质量图像的数据科学家、机器学习工程师和计算机视觉研究人员。到本次培训结束时,参与者将能够:
了解 Stable Diffusion 的原理以及它如何用于图像生成。为图像生成任务构建和训练 Stable Diffusion 个模型。将 Stable Diffusion 应用于各种图像生成场景,例如修复、修复和图像到图像的转换。优化Stable Diffusion模型的性能和稳定性。 课程形式
互动讲座和讨论。大量的练习和实践。在现场实验室环境中动手实施。 课程定制选项
14小时
Waikato Environment for Knowledge Analysis(0)是一款开源数据挖掘视觉软件。 它为数据编制、分类、分类和其他数据采矿活动提供了机器学习算法的集合。
由教练领导的现场培训(在线或在线)针对数据分析师和数据科学家,他们希望使用 Weka 进行数据采矿任务。
在本研讨会结束后,参与者将能够:
安置和配置(0)。
了解 Weka 环境和工作组。
使用数据挖掘任务(0)进行数据挖掘任务。
课程格式
互动讲座和讨论。
很多练习和练习。
在现场实验室环境中进行手动实施。
课程定制选项
14小时
该课程的目的是提供在实践中应用方法的基本技能。 通过使用 Python 编程语言和其各种图书馆,并基于许多实用的例子,该课程教导如何使用最重要的建筑区块,如何做出数据模拟决策,解释算法的结果,并验证结果。
我們的目標是為您提供理解和使用最基本的工具工具的技能,以信心,並避免常見的錯誤的應用程式。
21小时
在这一由讲师引导的现场培训中,参与者将学习Python中最相关及最尖端的机器学习技术,因为它们构建了一系列涉及图像、音乐、文本和财务数据的演示应用程序。
在本次培训结束后,参与者将能够:
运用用于解决复杂问题的机器学习算法和技术
将深度学习和半监督学习应用于涉及图像、音乐、文本和财务数据的应用程序
推动Python算法达到其最大潜力
使用例如NumPy和Theano的库和包
受众
课程形式
28小时
本课程的目的是提供在实践中应用机器学习方法的一般熟练程度。通过使用 Python 编程语言及其各种库, 并基于大量的实际示例, 本课程教授如何使用机器学习最重要的构建块, 如何做出数据建模决策, 解释输出并验证结果
我们的目标是让您能够自信地理解和使用机器学习工具箱中最基本的工具, 并避免数据科学应用的常见陷阱。
28小时
这是一个4天的课程介绍人工智能和它的应用,使用编程语言。 有一个选项有一个额外的日子,在完成这个课程时进行人工智能项目。
21小时
This instructor-led, live training in 中国 (online or onsite) is aimed at developers and data scientists who wish to learn the fundamentals of Deep Reinforcement Learning as they step through the creation of a Deep Learning Agent.
By the end of this training, participants will be able to:
Understand the key concepts behind Deep Reinforcement Learning and be able to distinguish it from Machine Learning.
Apply advanced Reinforcement Learning algorithms to solve real-world problems.
Build a Deep Learning Agent.
28小时
In this instructor-led, live training in 中国, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model.
By the end of this training, participants will be able to:
Understand the fundamental concepts of deep learning.
Learn the applications and uses of deep learning in telecom.
Use Python, Keras, and TensorFlow to create deep learning models for telecom.
Build their own deep learning customer churn prediction model using Python.
14小时
嵌入式投影仪是一款开源Web应用程序,用于可视化用于训练机器学习系统的数据。由Google创建,它是TensorFlow的一部分。 这个有指导意义的现场培训介绍了嵌入式投影仪背后的概念,并让参与者通过演示项目的设置。 在培训结束后,参与者将能够: 探索机器学习模型如何解释数据浏览数据的3D和2D视图以了解机器学习算法如何解释它理解嵌入背后的概念及其在表示图像,单词和数字的数学向量中的作用。 探索特定嵌入的属性以了解模型的行为将嵌入项目应用于真实世界的用例,例如为音乐爱好者建立歌曲推荐系统 听众 开发商数据科学家 课程的格式 部分讲座,部分讨论,练习和沉重的练习
7小时
本课程是为经理、解决方案架构师、创新官、首席技术官、软件架构师以及任何对应用人工智能概述及其发展的最新预测感兴趣的人创建的。
7小时
本培训课程面向希望在实际应用中应用基本Machine Learning技术的人员。 听众熟悉机器学习并熟悉如何编程的数据科学家和统计学家。本课程的重点是数据/模型准备,执行,事后分析和可视化的实际方面。目的是向有兴趣在工作中应用这些方法的参与者提供机器学习的实用介绍行业特定示例用于使培训与受众相关。
14小时
本培训课程面向希望在实际应用中应用Machine Learning人员。 听众本课程适用于对统计学有一定了解并且知道如何编写R(或Python或其他选定语言)的数据科学家和统计学家。本课程的重点是数据/模型准备,执行,事后分析和可视化的实践方面。 目的是为有兴趣在工作中应用这些方法的参与者提供Machine Learning实际应用。 行业特定示例用于使培训与受众相关。
14小时
本课程的目的是提供在实践中应用Machine Learning方法的基本熟练程度。通过使用R编程平台及其各种库,并基于大量实际示例,本课程教授如何使用Machine Learning最重要的构建块,如何制定数据建模决策,解释算法的输出和验证结果。 我们的目标是让您自信地理解和使用Machine Learning工具箱中最基本的工具,并避免Data Science应用程序的常见缺陷。
21小时
人工神经网络是一种计算数据模型,用于开发能够执行“智能”任务的Artificial Intelligence (AI)系统。 Neural Networks通常用于Machine Learning (ML)应用程序,它们本身就是AI的一种实现。 Deep Learning是ML的一个子集。
21小时
本课程介绍机器人应用中的机器学习方法。 它概述了模式识别背景下的现有方法,动机和主要思想。 在简短的理论背景之后,参与者将使用开源(通常为R)或任何其他流行软件进行简单的练习。
14小时
本课程的目的是提供在实践中应用Machine Learning方法的基本熟练程度。通过使用Scala编程语言及其各种库,并基于大量实际示例,本课程教授如何使用Machine Learning最重要的构建块,如何制定数据建模决策,解释算法的输出和验证结果。 我们的目标是让您自信地理解和使用Machine Learning工具箱中最基本的工具,并避免Data Science应用程序的常见缺陷。
14小时
R 是一个开源的免费编程语言,用于统计计算,数据分析和图形。 研究由越来越多的管理人员和数据分析师在企业和学术界内使用。 R 有大量的数据采矿包。
21小时
课程专用于那些想了解商用MATLAB软件包的替代程序的人。三年培训提供了全面的环境信息,并执行OCTAVE包进行数据分析和工程计算。培训对象是初学者,但也是那些了解该计划并希望系统化他们的知识并提高他们的技能的人。不需要其他编程语言的知识,但它将极大地促进学习者获取知识。本课程将向您展示如何在许多实际示例中使用该程序。
21小时
该培训课程面向希望将Machine Learning应用于团队实际应用的人员。培训不会涉及技术问题,而是围绕基础概念和业务/运营应用。 目标观众
投资者和人工智能企业家 管理者和工程师,他们的公司正在进入AI领域 Business分析师和投资者
7小时
浮潜是一个快速创建,建模和管理培训数据的系统。它侧重于加速开发结构化或“黑暗”的数据提取应用程序,该应用程序适用于大型标注培训集不可用或不易获取的领域。 在这种有指导意义的现场培训中,参与者将学习通过使用Snorkel建模训练数据,从非结构化数据(如文本,表格,图形和图像)中提取价值的技术。 在培训结束后,参与者将能够: 以编程方式创建训练集以启用大量训练集的标签通过首先对噪音训练集进行建模来训练高质量的最终模型使用呼吸管实施弱监督技术,并将数据编程应用于弱监督的机器学习系统 听众 开发商数据科学家 课程的格式 部分讲座,部分讨论,练习和沉重的练习
14小时
Encog是Java和Net的开源机器学习框架。 在这个有指导意义的现场培训中,参与者将学习先进的机器学习技术,以建立精确的神经网络预测模型。 在培训结束后,参与者将能够: 实施不同的神经网络优化技术来解决欠拟合和过拟合问题了解并从众多神经网络体系结构中进行选择实施有监督的前馈和反馈网络 听众 开发商分析师数据科学家 课程的格式 部分讲座,部分讨论,练习和沉重的练习
14小时
Encog是Java和Net的开源机器学习框架。 在这个有指导意义的现场培训中,参与者将学习如何使用ENCOG创建各种神经网络组件。将讨论真实世界的案例研究,并探讨基于机器语言的解决这些问题的方法。 在培训结束后,参与者将能够: 使用标准化过程为神经网络准备数据实施前馈网络和传播训练方法实施分类和回归任务使用Encog基于GUI的工作台对神经网络进行建模和训练将神经网络支持集成到实际应用程序中 听众 开发商分析师数据科学家 课程的格式 部分讲座,部分讨论,练习和沉重的练习
21小时
在这一由讲师引导的现场培训中,参与者将学习如何使用正确的机器学习和NLP(自然语言处理)技术从基于文本的数据中提取价值。
在本次培训结束后,参与者将能够:
用高质量、可重用的代码解决基于文本的数据科学问题
运用scikit-learn的不同方面(分类、聚类、回归、降维)来解决问题
使用基于文本的数据建立有效的机器学习模型
创建一个数据集并从非结构化文本中提取特征
用Matplotlib可视化数据
构建和评估模型以获得洞察力
解决文本编码错误
受众
课程形式
Last Updated: 2023-06-30
ML (Machine Learning),培训,课程,培训课程, 企业Machine Learning (ML)培训, 短期机器学习培训, ML (Machine Learning)课程, 机器学习周末培训, Machine Learning (ML)晚上培训, 机器学习训练, 学习ML (Machine Learning), ML (Machine Learning)老师, 学Machine Learning (ML)班, ML (Machine Learning)远程教育, 一对一Machine Learning (ML)课程, 小组ML (Machine Learning)课程, Machine Learning (ML)培训师, Machine Learning (ML)辅导班, Machine Learning (ML)教程, 机器学习私教, Machine Learning (ML)辅导, 机器学习讲师