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。
deeplearning1Introduction to Deep Learning21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。
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。
tf101Deep Learning with TensorFlow21小时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
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。
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。
tfirTensorFlow for Image Recognition28小时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
dl4jMastering Deeplearning4j21小时Deeplearning4j是为Java和Scala编写的第一个商业级开源分布式深度学习库。与Hadoop和Spark集成,DL4J被设计用于分布式GPU和CPU的商业环境。 听众 本课程面向寻求在他们的项目中使用Deeplearning4j的工程师和开发人员。 此课程后,代表们将能够:
singaMastering Apache SINGA21小时SINGA是一个通用的分布式深度学习平台,用于在大型数据集上训练大型深度学习模型。它采用基于图层抽象的直观编程模型进行设计。支持各种流行的深度学习模型,即包括卷积神经网络(CNN)的前馈模型,受限玻尔兹曼机(RBM)和递归神经网络(RNN)等能量模型。为用户提供了许多内建层。 SINGA架构足够灵活以运行同步,异步和混合培训框架。 SINGA还支持不同的神经网络划分方案来并行化大型模型的训练,即在批量维度,特征维度或混合划分之间的划分。 听众 本课程面向寻求利用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
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
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 。
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。 。
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
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
FairseqFairseq: Setting up a CNN-based machine translation system7小时Fairseq is an open-source sequence-to-sequence learning toolkit created by Facebok for use in Neural Machine Translation (NMT).

In this training participants will learn how to use Fairseq to carry out translation of sample content.

By the end of this training, participants will have the knowledge and practice needed to implement a live Fairseq based machine translation solution.

Audience

- Localization specialists with a technical background
- Global content managers
- Localization engineers
- Software developers in charge of implementing global content solutions

Format of the course
Part lecture, part discussion, heavy hands-on practice

Note

- If you wish to use specific source and target language content, please contact us to arrange.
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。
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7小时张量处理单元(TPU)是Google多年来在内部使用的体系结构,现在才变得可供普通大众使用。它包括几个专门用于神经网络的优化,包括简化的矩阵乘法,以及8位整数而不是16位,以便返回适当的精度级别。 在这个有指导意义的现场培训中,与会者将学习如何利用TPU处理器的创新优势,最大限度地提高他们自己的AI应用程序的性能。 在培训结束时,参与者将能够: 对大量数据训练各种类型的神经网络使用热塑性聚氨酯加速推理过程高达两个数量级利用TPU处理密集型应用,如图像搜索,云视觉和照片 听众 开发商研究人员工程师数据科学家 课程的格式 部分讲座,部分讨论,练习和沉重的练习
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。
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
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。
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
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
embeddingprojectorEmbedding Projector: Visualizing your Training Data14小时嵌入式投影仪是一款开源Web应用程序,用于可视化用于训练机器学习系统的数据。由Google创建,它是TensorFlow的一部分。 这个有指导意义的现场培训介绍了嵌入式投影仪背后的概念,并让参与者通过演示项目的设置。 在培训结束后,参与者将能够: 探索机器学习模型如何解释数据浏览数据的3D和2D视图以了解机器学习算法如何解释它理解嵌入背后的概念及其在表示图像,单词和数字的数学向量中的作用。 探索特定嵌入的属性以了解模型的行为将嵌入项目应用于真实世界的用例,例如为音乐爱好者建立歌曲推荐系统 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
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
pythonadvmlPython for Advanced Machine Learning21小时在这个有指导意义的现场培训中,参与者将学习Python中最相关和最先进的机器学习技术,因为他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。 在培训结束后,参与者将能够: 实现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算法达到最大潜力使用库和包,如NumPy和Theano 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
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
tensorflowservingTensorFlow Serving7小时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
matlabdlMatlab for Deep Learning14小时在这个有指导意义的现场培训中,参与者将学习如何使用Matlab来设计,构建和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: 建立深刻的学习模式自动化数据标签使用来自Caffe和TensorFlowKeras的模型使用多个GPU,云或群集训练数据 听众 开发商工程师领域专家 课程的格式 部分讲座,部分讨论,练习和沉重的练习
mlbankingpython_Machine Learning for Banking (with Python)21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。 Python是一门以清晰的语法和可读性着称的编程语言。它提供了用于开发机器学习应用程序的出色库和技术的绝佳集合。 在这个有指导意义的现场培训中,学员将学习如何应用机器学习技术和工具来解决银行业的现实问题。 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。 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
undnnUnderstanding Deep Neural Networks35小时This course begins with giving you conceptual knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).

Part-1(40%) of this training is more focus on fundamentals, but will help you choosing the right technology : TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.

Part-2(20%) of this training introduces Theano - a python library that makes writing deep learning models easy.

Part-3(40%) of the training would be extensively based on Tensorflow - 2nd Generation API of Google's open source software library for Deep Learning. The examples and handson would all be made in TensorFlow.

Audience

This course is intended for engineers seeking to use TensorFlow for their Deep Learning projects

After completing this course, delegates will:

-

have a good understanding on deep neural networks(DNN), CNN and RNN

-

understand TensorFlow’s structure and deployment mechanisms

-

be able to carry out installation / production environment / architecture tasks and configuration

-

be able to assess code quality, perform debugging, monitoring

-

be able to implement advanced production like training models, building graphs and logging

Not all the topics would be covered in a public classroom with 35 hours duration due to the vastness of the subject.

The Duration of the complete course will be around 70 hours and not 35 hours.

近期深度学习培训课程

课程日期价格【远程 / 传统课堂】
Introduction to Deep Learning - 北京 - 数码大厦星期一, 2018-09-03 09:30¥31090 / ¥35290
ML、DL與NLP入門與進階大綱 - 北京 - 创而新大厦星期一, 2018-09-03 09:30¥29040 / ¥32240
Understanding Deep Neural Networks - 上海 - 上海中区广场星期一, 2018-09-03 09:30¥127500 / ¥136650
Artificial Neural Networks, Machine Learning, Deep Thinking - 香港 - 中環中心星期二, 2018-09-04 09:30¥41630 / ¥54830
机器学习用于银行业务(使用Python) - 深圳 - 新世界中心星期二, 2018-09-11 09:30¥28810 / ¥34780
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】
Hadoop Administration 北京盈科中心 星期二, 2018-08-21 09:30 ¥25767 / ¥29367
Linux LPI LPIC-2 Exam 202 Preparation 苏州 - 晋合广场 星期四, 2018-08-23 09:30 ¥16362 / ¥18762
Mobile Development - An Overview for Decision Makers 北京 - 数码大厦 星期四, 2018-09-20 09:30 ¥8757 / ¥10957
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

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