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
神经网络（Neural Networks，NN）子类别
神经网络（Neural Networks，NN）课程大纲
课程名称
课程时长
课程概览
课程名称
课程时长
课程概览
14小时
课程概览
本课程涵盖Automotive行业的AI（强调Machine Learning和Deep Learning ）。它有助于确定哪种技术（可能）在汽车的多种情况下使用：从简单的自动化，图像识别到自主决策。
14小时
课程概览
在这一由讲师引导的现场培训中，参与者将学习如何使用Matlab来设计、构建、可视化用于图像识别的卷积神经网络。
在培训结束后，参与者将能够：
- 建立深度学习的模式
- 使数据分类自动化
- 使用Caffe和TensorFlow-Keras的模型
- 使用多个GPU、云或群集训练数据
受众
- 开发人员
- 工程师
- 领域专家
课程形式
- 部分讲座、部分讨论、练习和大量实操
在培训结束后，参与者将能够：
- 建立深度学习的模式
- 使数据分类自动化
- 使用Caffe和TensorFlow-Keras的模型
- 使用多个GPU、云或群集训练数据
受众
- 开发人员
- 工程师
- 领域专家
课程形式
- 部分讲座、部分讨论、练习和大量实操
7小时
课程概览
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
课程概览
A recommender system is an information filtering process that predicts the user's preferences. Python can be used to program deep learning, machine learning, and neural network recommender systems to help users discover new products and content.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Python to build recommender systems.
By the end of this training, participants will be able to:
- Create recommender systems at scale.
- Apply collaborative filtering to build recommender systems.
- Use Apache Spark to compute recommender systems on clusters.
- Build a framework to test recommendation algorithms with Python.
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.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Python to build recommender systems.
By the end of this training, participants will be able to:
- Create recommender systems at scale.
- Apply collaborative filtering to build recommender systems.
- Use Apache Spark to compute recommender systems on clusters.
- Build a framework to test recommendation algorithms with Python.
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.
21小时
课程概览
PaddlePaddle（并行分布式深度学习）是百度开发的可扩展的深度学习平台。 在这个有指导意义的现场培训中，参与者将学习如何使用PaddlePaddle在其产品和服务应用中实现深度学习。 在培训结束后，参与者将能够： 设置并配置PaddlePaddle 建立用于图像识别和物体检测的卷积神经网络（CNN） 为情感分析设置一个循环神经网络（RNN） 在推荐系统上建立深度学习，以帮助用户找到答案预测点击率（CTR），对大规模图像集进行分类，执行光学字符识别（OCR），排名搜索，检测计算机病毒以及实施推荐系统。 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
14小时
课程概览
OpenNN是一个用C ++编写的开源类库，它实现了神经网络，用于机器学习。
在本课程中，我们将介绍神经网络的原理，并使用OpenNN来实现示例应用程序。
听众
希望创建深度学习应用程序的软件开发人员和程序员。
课程形式
讲座和讨论以及动手练习。
在本课程中，我们将介绍神经网络的原理，并使用OpenNN来实现示例应用程序。
听众
希望创建深度学习应用程序的软件开发人员和程序员。
课程形式
讲座和讨论以及动手练习。
28小时
课程概览
本课程将为您提供神经网络知识，通常用于机器学习算法，深度学习（算法和应用程序）。
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 。
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 。
21小时
课程概览
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。
21小时
课程概览
机电一体化（又称机电一体化）是机械，电子和计算机科学的结合。
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。
21小时
课程概览
类型：理论培训与应用程序决定上游与学生在Lasagne或Keras根据教学组
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。
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。
7小时
课程概览
本课程是为管理人员，解决方案架构师，创新人员，CTO，软件架构师以及对应用人工智能概述及其最近发展预测感兴趣的人员而创建的。
14小时
课程概览
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
14小时
课程概览
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
21小时
课程概览
深度强化学习是指“人工智能体”通过反复试验和奖惩来学习的能力。人工智能体旨在模仿人类直接从原始输入（如视觉）获取和构建知识的能力。为了实现强化学习，深度学习和神经网络会被用到。强化学习与机器学习不同，不依赖于有监督和无监督的学习方法。
在这一由讲师引导的现场培训中，学员将在逐步创建深度学习智能体的过程中学习深度强化学习的基础知识。
在本次培训结束后，学员将能够：
- 理解深度强化学习的基本概念，及其与机器学习的区别
- 运用先进的强化学习算法来解决实际问题
- 构建深度学习智能体
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
在这一由讲师引导的现场培训中，学员将在逐步创建深度学习智能体的过程中学习深度强化学习的基础知识。
在本次培训结束后，学员将能够：
- 理解深度强化学习的基本概念，及其与机器学习的区别
- 运用先进的强化学习算法来解决实际问题
- 构建深度学习智能体
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小时
课程概览
该讲师指导的实时课程介绍了模式识别和机器学习领域。它涉及统计学，计算机科学，信号处理，计算机视觉，数据挖掘和生物信息学的实际应用。
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。
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。
14小时
课程概览
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。
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。
28小时
课程概览
这是一个为期4天的课程，介绍AI及其使用Python编程语言的应用程序。在完成本课程后，可以选择额外一天进行AI项目。
21小时
课程概览
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。
35小时
课程概览
本课程首先介绍神经网络的概念知识，通常还包括机器学习算法，深度学习（算法和应用程序）。
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
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
近期神经网络（Neural Networks，NN）培训课程
2021-02-01 09:30:00
上海 - 上海中区广场
35 小时
2021-02-09 09:30:00
上海 - 上海中区广场
14 小时
2021-02-11 09:30:00
上海 - 上海中区广场
14 小时
2021-02-16 09:30:00
上海 - 上海中区广场
14 小时
2021-03-17 09:30:00
上海 - 上海中区广场
21 小时
神经网络（Neural Networks，NN）,培训,课程,培训课程, 企业神经网络（Neural Networks，NN）培训, 短期神经网络（Neural Networks，NN）培训, 神经网络（Neural Networks，NN）课程, 神经网络（Neural Networks，NN）周末培训, 神经网络（Neural Networks，NN）晚上培训, 神经网络（Neural Networks，NN）训练, 学习神经网络（Neural Networks，NN）, 神经网络（Neural Networks，NN）老师, 学神经网络（Neural Networks，NN）班, 神经网络（Neural Networks，NN）远程教育, 一对一神经网络（Neural Networks，NN）课程, 小组神经网络（Neural Networks，NN）课程, 神经网络（Neural Networks，NN）培训师, 神经网络（Neural Networks，NN）辅导班, 神经网络（Neural Networks，NN）教程, 神经网络（Neural Networks，NN）私教, 神经网络（Neural Networks，NN）辅导, 神经网络（Neural Networks，NN）讲师Neural Networks,培训,课程,培训课程, 企业Neural Networks培训, 短期Neural Networks培训, Neural Networks课程, Neural Networks周末培训, Neural Networks晚上培训, Neural Networks训练, 学习Neural Networks, Neural Networks老师, 学Neural Networks班, Neural Networks远程教育, 一对一Neural Networks课程, 小组Neural Networks课程, Neural Networks培训师, Neural Networks辅导班, Neural Networks教程, Neural Networks私教, Neural Networks辅导, Neural Networks讲师
.jpg "european molecular biology laboratory (embl)")
.jpg "european organization for nuclear research (cern)")
.jpg "international air transport association (iata)")
