
由讲师进行实时指导的神经网络本地培训课程通过互动讨论和动手实操演示了如何使用大量基本开源的工具包和软件库来构建神经网络,以及如何利用先进硬件(GPU)以及涉及分布式计算和大数据的优化技术的强大功能。我们的神经网络课程基于流行的编程语言,如Python、Java、R语言和具有强大功能的软件库,包括TensorFlow、Torch、Caffe、Theano等。我们的神经网络课程涵盖了理论和实现,使用了许多神经网络实现,如深度神经网络(DNN)、卷积神经网络(CNN)、递归神经网络(RNN)等。
神经网络培训形式包括“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
与讲师的交流环节
文欣 张
课程: Artificial Neural Networks, Machine Learning, Deep Thinking
都喜欢
lisa xie
课程: Artificial Neural Networks, Machine Learning, Deep Thinking
它非常互动,比预期更轻松和非正式。我们在当时涵盖了很多主题,培训师总是乐于接受更详细的讨论,或者更广泛地讨论主题及其相关方式。我觉得培训给了我继续学习的工具,相反,它是一次性会议,一旦你完成学习就会停止,这对于主题的规模和复杂性非常重要。
Jonathan Blease
课程: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
安创造了一个提问和学习的好环境。我们有很多乐趣,同时也学到了很多东西。
Gudrun Bickelq
课程: Introduction to the use of neural networks
Machine Translated
交互式部分,根据我们的特定需求量身定制。
Thomas Stocker
课程: Introduction to the use of neural networks
Machine Translated
我真的很感激克里斯对我们问题的明确答案。
Léo Dubus
课程: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
我一般都很喜欢知识渊博的教练。
Sridhar Voorakkara
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
我对这门课程的标准感到惊讶 - 我会说它是大学标准。
David Relihan
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
非常好的全面概述。 Go OD背景到原因Tensorflow工作,因为它确实。
Kieran Conboy
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
我喜欢有机会提出问题并对理论进行更深入的解释。
Sharon Ruane
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
培训师很容易解释困难和高级话题。
Leszek K
课程: Artificial Intelligence Overview
Machine Translated
我喜欢深度机器学习的新见解。
Josip Arneric
课程: Neural Network in R
Machine Translated
我们获得了一些关于NN的知识,对我来说最有趣的是现在流行的新型NN。
Tea Poklepovic
课程: Neural Network in R
Machine Translated
我最喜欢R :)))中的图表。
Faculty of Economics and Business Zagreb
课程: Neural Network in R
Machine Translated
鉴于技术前景:未来哪种技术/流程可能变得更加重要;看,这项技术可以用于什么。
Commerzbank AG
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
我从主题选择中受益。训练风格。练习方向。
Commerzbank AG
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
很多练习,我可以直接在我的工作中使用。
Alior Bank S.A.
课程: Sieci Neuronowe w R
Machine Translated
真实数据的例子。
Alior Bank S.A.
课程: Sieci Neuronowe w R
Machine Translated
神经网络,循环中的pROC。
Alior Bank S.A.
课程: Sieci Neuronowe w R
Machine Translated
涵盖广泛的主题和领导者的实质性知识。
ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
缺乏
ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
讲师的大量理论和实践知识。培训师的沟通能力。在课程中,您可以提出问题并获得满意的答案。
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
实用部分,我们实现了算法。这样可以更好地理解该主题。
ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
练习和实施的例子
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
讨论的例子和问题。
ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
实质性知识,承诺,热情的知识转移方式。理论讲座后的实例。
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
Maciej先生准备的实践练习
ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
我们在讲座期间的非正式交流确实帮助我加深了对这个问题的理解
Explore
课程: Deep Reinforcement Learning with Python
Machine Translated
培训师是学科领域和相关理论方面的专家,具有出色的应用程序
Fahad Malalla - Tatweer Petroleum
课程: Applied AI from Scratch in Python
Machine Translated
主题,演讲者友好的态度
Fujitsu Technology Solutions Sp. z o.o.
课程: Artificial Intelligence Overview
Machine Translated
神经网络(Neural Networks,NN)子类别
神经网络(Neural Networks,NN)课程大纲
In this instructor-led, live training, participants will 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
Audience
- Developers
- Data Scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
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。
这种训练更注重基本面,但会帮助你选择合适的技术: TensorFlow , Caffe ,泰亚诺,DeepDrive, Keras ,等等这些例子中所作TensorFlow 。
该课程是互动的,包括大量的动手练习,教师反馈,以及获得的知识和技能测试。
教学方法:演讲,交流和案例研究
在破坏了许多科学领域之后,人工智能开始为大量经济部门(工业,医学,通信等)带来革命。尽管如此,它在大媒体中的表现往往是幻想,与Machine Learning或Deep Learning真正领域相差甚远。此培训的目的是为已经掌握计算机工具(包括软件编程基础)的工程师提供Deep Learning及其各个专业领域的介绍,从而为现有的主要网络架构提供介绍。今天。如果在课程期间召回数学基础,建议使用BAC + 2类型的数学水平以获得更多的舒适度。绝对有可能跳过数学轴只保持“系统”视觉,但这种方法将极大地限制您对该主题的理解。
By the end of this training, participants will be able to:
- Build a deep learning model
- Automate data labeling
- Work with models from Caffe and TensorFlow-Keras
- Train data using multiple GPUs, the cloud, or clusters
Audience
- Developers
- Engineers
- Domain experts
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
本次培训的一部分-1(40%)更注重基本面,但会帮助你选择合适的技术: TensorFlow , Caffe ,Theano,DeepDrive, Keras等。
本次培训的第2部分(20%)介绍了Theano--一个python库,可以轻松编写深度学习模型。
第3部分(40%)的培训将广泛基于Tensorflow - Go ogle的Deep Learning开源软件库的第二代API。示例和动手都将在TensorFlow 。
听众
本课程面向希望将TensorFlow用于Deep Learning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,监控
-
能够实现高级生产,如培训模型,构建图形和记录
这种以讲师为主导的现场培训(现场或远程)是针对希望了解人工智能在机电一体化系统中的适用性的工程师。
在培训结束时,参与者将能够:
- 获得人工智能,机器学习和计算智能的概述。
- 理解神经网络和不同学习方法的概念。
- 有效地选择人工智能方法来解决现实问题。
- 在机电一体化工程中实现AI应用。
课程格式
- 互动讲座和讨论。
- 大量的练习和练习。
- 在实时实验室环境中亲自实施。
课程自定义选项
- 要申请本课程的定制培训,请联系我们安排。
这个导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向导向。
在本研讨会结束后,参与者将能够:
在规模上创建推荐系统。 应用合作过滤器来构建推荐系统。 使用 Apache Spark 在集群上计算推荐系统。 建立一个框架来测试推荐算法与 Python.
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
要申请此课程的定制培训,请联系我们安排。
By the end of this training, participants will be able to:
- Set up the necessary development environment to start developing neural network models.
- Define and implement neural network models using a comprehensible source code.
- Execute examples and modify existing algorithms to optimize deep learning training models while leveraging GPUs for high performance.
课程格式
阅读和讨论与实践练习相结合。
Last Updated: