机器学习培训课程

机器学习培训课程

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

客户评论

★★★★★
★★★★★

机器学习课程大纲

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
本课程涵盖汽车行业的AI(强调机器学习和深度学习)。它有助于确定哪种技术可以(可能)用于汽车中的多种情况:从简单的自动化,图像识别到自主决策。
14 hours
Overview
在这个有指导性的现场培训中,参与者将学习如何在iOS移动应用的创建和部署阶段使用iOS机器学习(ML)技术堆栈。 在培训结束后,参与者将能够: 创建一个能够进行图像处理,文本分析和语音识别的移动应用程序访问预训练的ML模型以集成到iOS应用程序中创建一个自定义ML模型将Siri语音支持添加到iOS应用程序理解和使用诸如coreML,Vision,CoreGraphics和GamePlayKit等框架使用Python,Keras,Caffee,Tensorflow,scikit learn,libsvm,Anaconda和Spyder等语言和工具 听众 开发商 课程的格式 部分讲座,部分讨论,练习和沉重的练习
21 hours
Overview
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。
14 hours
Overview
这个基于课堂的培训课程将包含演示和基于计算机的示例以及与相关的神经和深层网络库进行的案例学习练习
28 hours
Overview
本课程将为您提供有关神经网络和机器学习算法,深度学习(算法和应用)方面的知识。 此培训更注重基础知识,但会帮助您选择正确的技术:TensorFlow,Caffe,Teano,DeepDrive,Keras等。这些示例均在TensorFlow中制作。
21 hours
Overview
这个基于课堂的培训课程将使用(建议的)Python探索机器学习工具。代表们将进行基于计算机的示例和案例学习练习。
21 hours
Overview
本课程介绍机器人应用中的机器学习方法。

它是对模式识别背景下现有方法,动机和主要思想的广泛概述。

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。
21 hours
Overview
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。
14 hours
Overview
这个基于课堂的培训课程将探索机器学习技巧,基于计算机的例子和使用相关程序语言解决案例的练习
7 hours
Overview
该培训课程面向希望在实际应用中应用基本机器学习技术的人员。

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践方面。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 hours
Overview
Apache OpenNLP库是用于处理自然语言文本的基于机器学习的工具包。它支持最常见的NLP任务,例如语言检测,标记,句子分段,部分语音标记,命名实体提取,分块,解析和共参考解析。 在这个有指导意义的现场培训中,参与者将学习如何创建使用OpenNLP处理基于文本的数据的模型。样本培训数据以及定制数据集将作为实验练习的基础。 在培训结束后,参与者将能够: 安装和配置OpenNLP 下载现有模型并创建自己的模型在各种样本数据上训练模型将OpenNLP与现有的Java应用程序集成 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 hours
Overview
本课程的目的是提供在实践中应用机器学习方法的基本能力。通过使用R编程平台及其各种库,并基于大量实际案例,本课程将教授如何使用机器学习的最重要组成部分,如何进行数据建模决策,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机器学习工具箱中最基本的工具,并避免数据科学应用程序的常见缺陷。
14 hours
Overview
本课程的目的是提供在实践中应用机器学习方法的基本能力。通过使用Python编程语言及其各种库,并基于大量实际示例,本课程将教授如何使用机器学习的最重要组成部分,如何进行数据建模决策,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机器学习工具箱中最基本的工具,并避免数据科学应用程序的常见缺陷。
14 hours
Overview
本课程的目的是提供在实践中应用机器学习方法的基本能力。通过使用Scala编程语言及其各种库,并基于大量实际示例,本课程将教授如何使用机器学习的最重要组成部分,如何进行数据建模决策,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机器学习工具箱中最基本的工具,并避免数据科学应用程序的常见缺陷。
28 hours
Overview
机器学习是人工智能的一个分支,其中计算机有能力学习而不被明确编程。 R是金融行业流行的编程语言。它用于金融应用,从核心交易计划到风险管理系统。 在这种有指导性的现场培训中,学员将学习如何应用机器学习技术和工具来解决金融行业的现实问题。 R将被用作编程语言。 参与者首先要学习的关键原则,然后通过建立自己的机器学习模型并使用它们来完成一些团队项目来将他们的知识付诸实践。 在培训结束后,参与者将能够: 理解机器学习的基本概念了解机器学习在金融领域的应用和使用使用R机器学习开发自己的算法交易策略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
21 hours
Overview
机器学习是人工智能的一个分支,指计算机可以在不被明确编程的情况下学习。

在这一由讲师引导的现场培训中,参与者将学习如何应用机器学习技术和工具来解决财务的现实问题。Python将被用作编程语言。

参与者首先学习关键原则,然后通过建立自己的机器学习模型并使用模型来完成一些团队项目以将所学知识运用到实践中。

在本次培训结束后,参与者将能够:

- 了解机器学习的基本概念
- 了解机器学习在金融领域的应用和使用
- 使用Python机器学习开发自己的算法交易策略

受众

- 开发人员
- 数据科学家

课程形式

- 部分讲座、部分讨论、练习和大量实操
21 hours
Overview
此培训课程面向希望将机器学习应用于团队实际应用的人员。培训不会涉及技术问题,并围绕基本概念和业务/运营应用程序。 目标听众投资者和AI创业者管理人员和工程师的公司正在冒险进入人工智能领域业务分析师和投资者
21 hours
Overview
本课程涵盖人工智能(强调机器学习和深度学习)
28 hours
Overview
在这一由讲师引导的现场培训中,参与者将学习如何应用机器学习技术和工具来解决银行业的现实问题。R将被用作编程语言。

参与者首先学习关键原则,然后通过建立自己的机器学习模型并使用模型来完成一些现场项目以将所学知识运用到实践中。

受众

- 开发人员
- 数据科学家
- 具有技术背景的银行专业人士

课程形式

- 部分讲座、部分讨论、练习和大量实操
14 hours
Overview
OpenFace是基于Python和Torch的开源,基于谷歌FaceNet研究的实时面部识别软件。 在这个有指导的现场培训中,参与者将学习如何使用OpenFace的组件来创建和部署样本面部识别应用程序。 在培训结束后,参与者将能够: 使用OpenFace的组件,包括dlib,OpenVC,Torch和nn4来实现人脸检测,对齐和转换将OpenFace应用于真实世界的应用,如监控,身份验证,虚拟现实,游戏以及识别回头客等。 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 hours
Overview
在本讲师指导的现场培训中, 学员将学习如何设置和使用 Openmt 对各种示例数据集进行翻译。本课程首先概述了神经网络, 因为它们适用于机器翻译。学员将在整个课程中进行现场练习, 以展示他们对所学概念的理解, 并从教师那里获得反馈



到本培训结束时, 学员将具备实施实时 OpenNMT 解决方案所需的知识和实践



源和目标语言样本将根据观众 & #39; 要求预先安排

课程 的

格式

- 部分讲座、部分讨论、繁重的动手实践
21 hours
Overview
Microsoft Cognitive Toolkit 2x(以前的CNTK)是一种开源的商业级工具包,可以训练深度学习算法,以便像人类大脑一样学习。根据微软的说法,CNTK在循环网络上的速度可能比TensorFlow快510倍,对于与图像相关的任务来说,TensorFlow的速度要快2-3倍。 在这种有指导性的现场培训中,参与者将学习如何使用Microsoft Cognitive Toolkit来创建,训练和评估深度学习算法,以用于涉及多种类型数据(如数据,语音,文本和图像)的商业级AI应用程序。 在培训结束后,参与者将能够: 从Python,C#或C ++程序中将CNTK作为库访问通过自己的模型描述语言(BrainScript),使用CNTK作为独立的机器学习工具。 使用Java程序中的CNTK模型评估功能结合前馈DNN,卷积网络(CNN)和循环网络(RNN / LSTM) 在CPU,GPU和多台机器上扩展计算能力使用现有的编程语言和算法访问海量数据集 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 注意 如果您想定制此培训的任何部分,包括选择的编程语言,请联系我们安排。
14 hours
Overview
Apache SystemML是一个分布式和声明式的机器学习平台。 SystemML提供了声明式大规模机器学习(ML),旨在灵活地指定ML算法,并自动生成从单节点,内存计算到Apache Hadoop和Apache Spark上的分布式计算的混合运行时计划。 听众 本课程适合机器学习研究人员,开发人员和工程师寻求利用SystemML作为机器学习框架。
35 hours
Overview
本课程首先向您介绍神经网络的概念知识,一般用于机器学习算法,深度学习(算法和应用)。 第一部分(40%)的培训更注重基础知识,但会帮助您选择正确的技术:TensorFlow,Caffe,Theano,DeepDrive,Keras等。 本次培训的第二部分(20%)介绍了Theano python库,使得深入学习模型的编写变得轻松。 第三部分(40%)的培训将广泛地基于Google的深度学习开源软件库Tensorflow第二代API。示例和操作都将在TensorFlow中完成。 听众 本课程面向寻求将TensorFlow用于深度学习项目的工程师完成本课程后,代表们将: 对深度神经网络(DNN),CNN和RNN有很好的理解了解TensorFlow的结构和部署机制能够执行安装/生产环境/架构任务和配置能够评估代码质量,执行调试和监控能够实施先进的生产,如培训模型,建筑图表和日志由于主题的广泛性,并不是所有主题都会在35小时的公共课堂中进行讨论。 完整课程的时间将为70小时左右,而不是35小时。
35 hours
Overview
TensorFlow™是使用数据流图进行数值计算的开源软件库。 SyntaxNet是TensorFlow的神经网络自然语言处理框架。 Word2Vec用于学习单词的矢量表示,称为“单词嵌入”。 Word2vec是一种用于从原始文本中学习单词嵌入的特别计算有效的预测模型。它有两种风格,连续BagofWords模型(CBOW)和SkipGram模型(Mikolov等人的第31章和第32章)。 SyntaxNet和Word2Vec允许用户从自然语言输入中生成Learned Embedding模型。 听众 本课程面向那些打算在TensorFlow图表中使用SyntaxNet和Word2Vec模型的开发人员和工程师。 完成本课程后,代表们将: 了解TensorFlow的结构和部署机制能够执行安装/生产环境/架构任务和配置能够评估代码质量,执行调试和监控能够实施先进的生产,如培训模式,嵌入术语,建筑图和日志
21 hours
Overview
Torch是一个开源的机器学习库和基于Lua编程语言的科学计算框架。它为数字,机器学习和计算机视觉提供了一个开发环境,特别强调深度学习和卷积网络。它是机器和深度学习中速度最快,最灵活的框架之一,由Facebook,Google,Twitter,NVIDIA,AMD,Intel等公司使用。 在本课程中,我们将介绍Torch的原理,其独特功能以及如何将其应用于现实世界的应用程序。我们在整个过程中经历了许多简单的练习,展示并练习所学的概念。 在课程结束时,与其他框架和图书馆相比,参与者将全面了解Torch的基本功能和功能,以及其在AI空间中的角色和贡献。参与者还将接受必要的练习,以在自己的项目中实施火炬。 听众 希望在其应用程序中启用机器和深度学习的软件开发人员和程序员 课程的格式 机器和深度学习概述 Inclass编码和集成练习测试问题随之而来,以检查理解 。
28 hours
Overview
本课程通过具体示例探讨Tensor Flow在图像识别中的应用 听众 本课程面向寻求将TensorFlow用于图像识别目的的工程师 完成本课程后,代表们将能够: 了解TensorFlow的结构和部署机制执行安装/生产环境/架构任务和配置评估代码质量,执行调试和监控实施先进的生产,如培训模型,建筑图和记录
21 hours
Overview
TensorFlow是Google的深度学习开源软件库的第二代API。该系统旨在促进机器学习方面的研究,并使其从研究原型转换为生产系统变得快速简单。 听众 本课程面向寻求将TensorFlow用于深度学习项目的工程师 完成本课程后,代表们将: 了解TensorFlow的结构和部署机制能够执行安装/生产环境/架构任务和配置能够评估代码质量,执行调试和监控能够实施先进的生产,如培训模型,建筑图表和日志
14 hours
Overview
在Python机器学习中,文本摘要功能可以读取输入文本并生成文本摘要。这个功能可以从命令行或从Python API / 库中获得。一个令人兴奋的应用是执行摘要的快速创建;这对在做报告和演讲前需要审阅大量文本数据的组织特别有用。

在这一由讲师引导的现场培训中,学员将学习使用Python创建一个简单的可自动生成输入文本摘要的应用程序。

在本次培训结束后,学员将能够:

- 使用一个命令行工具来总结文本。
- 使用Python库设计和创建文本摘要代码。
- 评估三个Python摘要库:sumy 0.7.0、psisummarization 1.0.4、readless 1.0.17

受众

- 开发人员
- 数据科学家

课程形式

- 部分讲座、部分讨论、练习和大量实操
7 hours
Overview
TensorFlow Serving是一个为机器学习(ML)模型提供服务的系统。 在这个有指导的现场培训中,参与者将学习如何配置和使用TensorFlow Serving在生产环境中部署和管理ML模型。 在培训结束后,参与者将能够: 培训,出口和服务各种TensorFlow模型使用单一架构和一组API来测试和部署算法扩展TensorFlow服务于TensorFlow型号之外的其他类型的模型 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

近期机器学习培训课程

机器学习,培训,课程,培训课程, 企业机器学习培训, 短期机器学习培训, 机器学习课程, 机器学习周末培训, 机器学习晚上培训, 机器学习训练, 学习机器学习, 机器学习老师, 学机器学习班, 机器学习远程教育, 一对一机器学习课程, 小组机器学习课程, 机器学习培训师, 机器学习辅导班, 机器学习教程, 机器学习私教, 机器学习辅导, 机器学习讲师

促销课程

订阅促销课程

为尊重您的隐私,我公司不会把您的邮箱地址提供给任何人。您可以享有优先权和随时取消订阅的权利。

我们的客户

is growing fast!

We are looking to expand our presence in China!

As a Business Development Manager you will:

  • expand business in China
  • 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!