本地的，具有指导作用的现场深度学习（DL）培训课程通过实践深入学习的基础知识和应用程序进行演示，并涵盖深入机器学习，深层次学习和分层学习等主题。深度学习培训可作为“现场实时培训”或“远程实时培训”。现场实地培训可在当地客户现场进行中国或者在NobleProg公司的培训中心中国 。远程实时培训通过交互式远程桌面进行。 NobleProg您当地的培训提供商。
Machine Translated
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
人间识别和电路板坏点检测
王 春柱 - 中移物联网
课程: Deep Learning for NLP (Natural Language Processing)
演示
中移物联网
课程: Deep Learning for NLP (Natural Language Processing)
About face area.
中移物联网
课程: Deep Learning for NLP (Natural Language Processing)
每个主题后的练习都非常有用，尽管最后太复杂了。一般来说，所提供的材料非常有趣并涉及！图像识别练习很棒。
Dolby Poland Sp. z o.o.
课程: Introduction to Deep Learning
Machine Translated
我认为，如果培训是在波兰语中完成的，那么培训师就可以更有效地分享他的知识。
Radek
课程: Introduction to Deep Learning
Machine Translated
深度学习的全球概述。
Bruno Charbonnier
课程: Advanced Deep Learning
Machine Translated
这些练习非常实用，不需要Python的高级知识。
Alexandre GIRARD
课程: Advanced Deep Learning
Machine Translated
使用Eras对实例进行练习。意大利完全理解我们对此培训的期望。
Paul Kassis
课程: Advanced Deep Learning
Machine Translated
主题。这似乎很有趣，但我离开的时间比以前更多了。
Radoslaw Labedzki
课程: Introduction to Deep Learning
Machine Translated
我喜欢这门课程非常有趣。
Wojciech Wilk
课程: Introduction to Deep Learning
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: Neural Networks Fundamentals using TensorFlow as Example
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
我们对这个主题有了更多的了解。我们公司内部的一些真实主题进行了一些很好的讨论。
Sebastiaan Holman
课程: Machine Learning and Deep Learning
Machine Translated
通过展示理论与实践如何相辅相成，培训提供了正确的基础，使我们能够进一步扩展。它实际上让我对这个主题比以前更感兴趣。
Jean-Paul van Tillo
课程: Machine Learning and Deep Learning
Machine Translated
我非常喜欢主题的报道和深度。
Anirban Basu
课程: Machine Learning and Deep Learning
Machine Translated
关于该主题的培训师的深刻知识。
Sebastian Görg
课程: Introduction to Deep Learning
Machine Translated
非常更新的方法或CPI（张量流，时代，学习）做机器学习。
Paul Lee
课程: TensorFlow for Image Recognition
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
教练的指导和举例
ORANGE POLSKA S.A.
课程: Machine Learning and Deep Learning
Machine Translated
可以自己讨论提议的问题。
ORANGE POLSKA S.A.
课程: Machine Learning and Deep Learning
Machine Translated
深入报道机器学习主题，特别是神经网络。揭开了很多话题的神秘面纱。
Sacha Nandlall
课程: Python用于高级机器学习
Machine Translated
领先和实际应用示例的大量和最新知识。
ING Bank Śląski S.A.
课程: Introduction to Deep Learning
Machine Translated
很多练习，与团队很好的合作。
Janusz Chrobot - ING Bank Śląski S.A.
课程: Introduction to Deep Learning
Machine Translated
关于colaborators的工作，
ING Bank Śląski S.A.
课程: Introduction to Deep Learning
Machine Translated
很明显，所提出主题的爱好者都在领先。运动时使用了有趣的例子。
ING Bank Śląski S.A.
课程: Introduction to Deep Learning
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
我受益于教学的热情，并专注于使事情变得合情合理。
Zaher Sharifi - GOSI
课程: Advanced Deep Learning
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: 用Python进行深度强化学习
Machine Translated
很多实用技巧
Pawel Dawidowski - ABB Sp. z o.o.
课程: Deep Learning with TensorFlow
Machine Translated
许多与解决方案实施相关的信息
Michał Smolana - ABB Sp. z o.o.
课程: Deep Learning with TensorFlow
Machine Translated
来自各种AI / IT / SQL / IoT问题的讲师的大量实用技巧和知识。
ABB Sp. z o.o.
课程: Deep Learning with TensorFlow
Machine Translated
大量信息，所有问题解答，有趣的例子
A1 Telekom Austria AG
课程: Deep Learning for Telecom (with Python)
Machine Translated
我从零知识开始，到最后，我得以建立和训练自己的网络。
Huawei Technologies Duesseldorf GmbH
课程: TensorFlow for Image Recognition
Machine Translated
Deep Learning (DL)子类别
DL (Deep Learning)课程大纲
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 。
This instructor-led, live training (onsite or remote) 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.
在本次培训结束时，参与者将拥有实施OpenNMT实时解决方案所需的知识和实践。
源和目标语言样本将根据受众的要求进行预先安排。
课程格式
- 部分讲座，部分讨论，重点实践练习
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。
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
- 开发人员
- 分析师
- 数据科学家
课程形式
- 部分讲座、部分讨论、练习和大量实操
Keras是一种用于快速开发和实验的高级神经网络API。它运行在TensorFlow ， CNTK或Theano CNTK 。
这种以讲师为主导的现场培训（现场或远程）是针对希望使用深度学习技术构建自动驾驶汽车的开发人员。
在培训结束时，参与者将能够：
- 使用计算机视觉技术识别车道。
- 使用Keras构建和训练卷积神经网络。
- 训练深度学习模型以区分交通标志。
- 模拟完全自动驾驶的汽车。
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。
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
听众
本课程面向希望利用Apache SINGA作为深度学习框架的研究人员，工程师和开发人员。
完成本课程后，代表们将：
- 了解SINGA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，嵌入术语，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）针对希望使用Tensorflow 2.0构建预测器，分类器，生成模型，神经网络等的开发人员和数据科学家。
在培训结束时，参与者将能够：
- 安装和配置TensorFlow 2.0。
- 了解TensorFlow 2.0与以前版本相比的优势。
- 建立深度学习模型。
- 实现高级图像分类器。
- 将深度学习模型部署到云，移动和物联网设备。
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。
- 要了解有关TensorFlow更多信息，请访问：https：//www.tensorflow.org/
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：
- 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
听众
本课程适用于寻求将TensorFlow用于图像识别的工程师
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，监控
- 实施先进的生产，如培训模型，建立图表和记录
在这个以讲师为主导的现场培训中，我们将介绍Torch的原理，其独特的功能以及如何将其应用于实际应用中。我们在整个过程中逐步进行多次动手练习，展示和练习所学的概念。
在课程结束时，与其他框架和库相比，参与者将全面了解Torch的基本特性和功能，以及它在AI空间中的作用和贡献。参与者还将获得在他们自己的项目中实施Torch的必要实践。
课程格式
- 机器和Deep Learning概述
- 课堂编码和集成练习
- 沿途撒有测试题以检查理解
SyntaxNet是TensorFlow的神经网络自然语言处理框架。
Word 2Vec用于学习单词的矢量表示，称为“单词嵌入”。 Word 2vec是一种特别计算有效的预测模型，用于学习原始文本中的单词嵌入。它有两种形式，连续Bag-of- Word模型（CBOW）和Skip-Gram模型（Mikolov等人的第3.1和3.2章）。
使用串联，SyntaxNet和Word 2Vec允许用户从自然语言输入生成学习嵌入模型。
听众
本课程面向打算在TensorFlow图中使用SyntaxNet和Word 2Vec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，监控
- 能够实现高级生产，如培训模型，嵌入术语，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
这种讲师指导的现场培训（现场或远程）针对的软件工程师，他们希望开发先进的深度学习神经网络和模型，使用Keras和Python。
培训结束时，学员将能够：
- 使用监督或无监督的学习方法应用深度学习。
- 开发、训练和实现并发神经网络和循环神经网络。
- 使用Keras和Python构建深度学习模型，解决涉及图像、文本、声音等问题。
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实际实现。
课程自定义选项
- 如需申请本课程的定制培训，请联系我们安排。
在这个以讲师为主导的现场培训中，参与者将学习如何使用Python实施深度学习银行模型，同时逐步创建深度学习信用风险模型。
在培训结束时，参与者将能够：
- 理解深度学习的基本概念
- 了解深度学习在银行业务中的应用和用途
- 使用Python ， Keras和TensorFlow为银行业务创建深度学习模型
- 使用Python构建自己的深度学习信用风险模型
听众
- 开发商
- 数据科学家
课程形式
- 部分讲座，部分讨论，练习和繁重的实践练习
本课程以MNIST为例，探讨了Caffe作为图像识别的深度学习框架的应用
听众
本课程适合有兴趣使用Caffe作为框架的Deep Learning研究人员和工程师。
完成本课程后，代表们将能够：
- 了解Caffe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，监控
- 实施高级生产，如培训模型，实施图层和日志记录
.jpg "european molecular biology laboratory (embl)")
.jpg "european organization for nuclear research (cern)")
.jpg "international air transport association (iata)")
