深度学习培训课程

深度学习培训课程

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。

客户评论

★★★★★
★★★★★

深度学习课程大纲

代码名字时长概览
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21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”任务的人工智能(AI)系统。神经网络通常用于机器学习(ML)应用程序,它们本身就是AI的一种实现。深度学习是ML的一个子集。
mldlnlpintroML、DL與NLP入門與進階大綱14小时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。
dlforbankingwithrDeep Learning for Banking (with R)28小时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。深度学习是机器学习的一个子领域,它使用基于学习数据表示和结构(如神经网络)的方法。 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,参与者将学习如何通过建立深度学习信用风险模型来实施银行使用R的深度学习模式。 在培训结束后,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使用使用R为银行创建深度学习模型使用R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 课程的格式 部分讲座,部分讨论,练习和沉重的练习
dlforbankingwithpythonDeep Learning for Banking (with Python)28小时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。深度学习是机器学习的一个子领域,它使用基于学习数据表示和结构(如神经网络)的方法。 Python是一种高级编程语言,因其清晰的语法和代码可读性而闻名。 在这种有指导意义的现场培训中,参与者将学习如何通过创建深度学习信用风险模型来实施使用Python的银行业深度学习模型。 在培训结束后,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使用使用Python,Keras和TensorFlow为银行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 课程的格式 部分讲座,部分讨论,练习和沉重的练习
dlfinancewithrDeep Learning for Finance (with R)28小时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。深度学习是机器学习的一个子领域,它使用基于学习数据表示和结构(如神经网络)的方法。 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,参与者将学习如何通过建立深度学习股票价格预测模型来实施R的金融深度学习模型。 在培训结束后,参与者将能够: 理解深度学习的基本概念了解金融深度学习的应用和使用使用R来创建融资的深度学习模型利用R建立自己的深度学习股票价格预测模型 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
dlfornlpDeep Learning for NLP (Natural Language Processing)28小时NLP的深度学习使机器学习简单到复杂的语言处理。当前可能的任务包括语言翻译和照片的标题生成。 DL(深度学习)是ML(机器学习)的子集。 Python是一种流行的编程语言,包含用于NLP深度学习的库。 在这个有指导意义的现场培训中,参与者将学习使用Python库进行NLP(自然语言处理),因为他们创建了一个处理一组图片并生成字幕的应用程序。 在培训结束后,参与者将能够: 使用Python库设计和编写用于NLP的DL 创建读取大量图片并生成关键字的Python代码创建Python代码,从检测到的关键字中生成字幕 听众 对语言学感兴趣的程序员希望了解NLP(自然语言处理)的程序员 课程的格式 部分讲座,部分讨论,练习和沉重的练习
undnnUnderstanding Deep Neural Networks35小时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。
mlbankingpython_机器学习用于银行业务(使用Python)21小时在这一由讲师引导的现场培训中,参与者将学习如何应用机器学习技术和工具来解决银行业的现实问题。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

课程形式

- 部分讲座、部分讨论、练习和大量实操
matlabdlMatlab:用于深度学习14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
radvmlAdvanced Machine Learning with R21小时在这个有指导意义的现场培训中,参与者将学习使用R进行机器学习的先进技术,以便他们逐步创建实际应用程序。 在培训结束后,参与者将能够: 使用技术作为超参数调整和深度学习了解并实施无监督学习技巧将模型投入生产以用于更大的应用程序 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
pythonadvmlPython用于高级机器学习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

- 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
openfaceOpenFace: Creating Facial Recognition Systems14小时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
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7小时Tensor2Tensor(T2T)是一个模块化,可扩展的库,用于使用不同类型的训练数据在不同任务中训练AI模型,例如:图像识别,翻译,解析,图像字幕和语音识别。它由Google Brain团队维护。 在这种有指导性的现场培训中,参与者将学习如何准备一种深度学习模式来解决多项任务。 在培训结束后,参与者将能够: 安装tensor2tensor,选择一个数据集,并训练和评估一个AI模型使用Tensor2Tensor中包含的工具和组件自定义开发环境创建并使用单个模型同时从多个域中学习许多任务使用该模型从具有大量训练数据的任务中学习,并将该知识应用于数据有限的任务使用单个GPU获得令人满意的处理结果 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
dsstneAmazon DSSTNE: Build a Recommendation System7小时亚马逊DSSTNE是一个开源库,用于培训和部署推荐模型。它允许单个GPU上的权重矩阵过大的模型在单个主机上进行培训。 在这个有指导意义的现场培训中,参与者将学习如何使用DSSTNE构建推荐应用程序。 在培训结束后,参与者将能够: 用稀疏数据集作为输入来训练推荐模型在多个GPU上扩展训练和预测模型以模型并行的方式展开计算和存储生成Amazonlike个性化产品推荐部署可以在繁重工作负载下扩展的生产准备应用程序 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
PaddlePaddlePaddlePaddle21小时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
deeplearning1Introduction to Deep Learning21小时本课程是深度学习的一般概述,不会深入探讨任何特定方法。它适合想要开始使用深度学习来提高预测准确性的人。
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21小时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。
facebooknmtFacebook NMT: Setting up a Neural Machine Translation System7小时Fairseq是Facebok为神经机器翻译(NMT)创建的开源序列序列学习工具包。 在这次培训中,参与者将学习如何使用Fairseq来翻译样本内容。 通过此次培训的结束,参与者将具备实施基于Fairseq的机器翻译解决方案所需的知识和实践。 听众 具有技术背景的本地化专家全球内容管理员本地化工程师负责实施全球内容解决方案的软件开发人员 课程的格式 部分讲座,部分讨论,沉重的练习 注意 如果您想使用特定的源语言和目标语言内容,请联系我们安排。
intrdplrngrsneuingIntroduction Deep Learning & Neural Networks for Engineers21小时类型:根据教学小组,理论训练的应用决定上游与烤宽面条或凯拉斯的学生教学方法:介绍,交流和案例研究人工智能在破坏了许多科学领域之后,开始革命化大量经济部门(工业,医学,通讯等)。然而,它在主流媒体上的表现往往是幻想,与真正的机器学习或深度学习领域相距甚远。此培训的目的是为已经掌握了计算机工具(包括软件编程基础)的工程师提供深度学习及其各个专业领域的介绍,并因此提供主要现有网络体系结构今天。如果在课程中回顾数学基础,建议使用BAC + 2类型的数学水平以获得更多的舒适感。跳过数学轴以保持一个“系统”愿景是完全可能的,但这种方法将极大地限制您对该主题的理解。
opennmtOpenNMT: Setting Up a Neural Machine Translation System7小时OpenNMT是一个全功能的开源(MIT)神经机器翻译系统,它利用了Torch数学工具包。 在这次培训中,参与者将学习如何设置和使用OpenNMT来执行各种样本数据集的翻译。本课程首先概述神经网络,并将其应用于机器翻译。参加者将在整个课程中进行实况演练,以展示他们对所学概念的理解,并从指导员那里获得反馈。 在培训结束后,参与者将具备实施OpenNMT现场解决方案所需的知识和实践。 根据观众的要求,预先安排源语言和目标语言样本。 听众 具有技术背景的本地化专家全球内容管理员本地化工程师负责实施全球内容解决方案的软件开发人员 课程的格式 部分讲座,部分讨论,沉重的练习
mlentreMachine Learning Concepts for Entrepreneurs and Managers21小时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
OpenNNOpenNN: Implementing Neural Networks14小时OpenNN是一个用C ++编写的开源类库,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。 课程的格式 讲课和讨论加上轻松的练习。 。
TorchTorch: Getting started with Machine and Deep Learning21小时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 。
deeplrn深度学习基础与实战14小时本课程是深度学习的总体概述,不需要深入探讨任何特定的方法。它适用于想开始使用深度学习来提高预测准确性的人。
mldtMachine Learning and Deep Learning21小时本课程涵盖人工智能(强调机器学习和深度学习)
NeuralnettfNeural Networks Fundamentals using TensorFlow as Example28小时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。
dlvDeep Learning for Vision21小时听众 本课程适用于深度学习研究人员和工程师,他们对利用可用工具(主要是开源软件)分析计算机映像感兴趣本课程提供了实例。
caffeDeep Learning for Vision with Caffe21小时Caffe是一个深思熟虑的表达,速度和模块化的深度学习框架。 本课程以MNIST为例,探讨Caffe作为深度图像识别学习框架的应用 听众 本课程适合深度学习的研究人员和工程师,他们对利用Caffe作为框架感兴趣。 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,执行调试和监控实施先进的生产,如培训模式,实施层和记录
dladvAdvanced Deep Learning28小时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。深度学习是机器学习的一个子领域,它使用基于学习数据表示和结构(如神经网络)的方法。
dlforfinancewithpythonDeep Learning for Finance (with Python)28小时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。深度学习是机器学习的一个子领域,它使用基于学习数据表示和结构(如神经网络)的方法。 Python是一种高级编程语言,因其清晰的语法和代码可读性而闻名。 在这种有指导性的现场培训中,参与者将学习如何通过创建深度学习股票价格预测模型来实现使用Python进行融资的深度学习模型。 在培训结束后,参与者将能够: 理解深度学习的基本概念了解金融深度学习的应用和使用使用Python,Keras和TensorFlow为财务创建深度学习模型使用Python构建自己的深度学习股票价格预测模型 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

近期深度学习培训课程

课程日期价格【远程 / 传统课堂】
机器学习用于银行业务(使用Python) - 北京 - 创而新大厦星期一, 2018-10-08 09:30¥28810 / ¥33010
Machine Learning Concepts for Entrepreneurs and Managers - 北京盈科中心星期一, 2018-10-08 09:30¥29570 / ¥33170
Understanding Deep Neural Networks - 深圳 - 新世界中心星期一, 2018-10-08 09:30¥127500 / ¥136650
DeepLearning4J for Image Recognition - 钰海环球金融中心星期二, 2018-10-30 09:30¥42050 / ¥43250
NLP with Deeplearning4j - 北京 - 数码大厦星期三, 2018-10-31 09:30¥28810 / ¥32010
深度学习,培训,课程,培训课程, 企业深度学习培训, 短期深度学习培训, 深度学习课程, 深度学习周末培训, 深度学习晚上培训, 深度学习训练, 学习深度学习, 深度学习老师, 学深度学习班, 深度学习远程教育, 一对一深度学习课程, 小组深度学习课程, 深度学习培训师, 深度学习辅导班, 深度学习教程, 深度学习私教, 深度学习辅导, 深度学习讲师

促销课程

课程 地址 日期 价格【远程 / 传统课堂】
Applied Machine Learning 北京盈科中心 星期三, 2018-09-26 09:30 ¥16092 / ¥18892
Managing Business Logic with Drools 苏州 - 晋合广场 星期一, 2018-11-05 09:30 ¥16200 / ¥19200
Building Web Applications with Drupal 7, Views, Fields and Panels 北京 - 创而新大厦 星期二, 2018-12-04 09:30 ¥16362 / ¥19562
Apache Tomcat Administration 北京 - 创而新大厦 星期三, 2018-12-12 09:30 ¥24129 / ¥28329
Scrum for Managers and Executives 北京 - 数码大厦 星期五, 2019-02-01 09:30 ¥8757 / ¥10957

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 your region!

As a Business Development Manager you will:

  • expand business in the region
  • 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.

contact us right away!