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

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
本课程涵盖汽车行业的AI(强调机器学习和深度学习)。它有助于确定哪种技术可以(可能)用于汽车中的多种情况:从简单的自动化,图像识别到自主决策。
21 hours
Overview
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
21 hours
Overview
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 hours
Overview
本课程涵盖人工智能(强调机器学习和深度学习)
28 hours
Overview
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。
14 hours
Overview
这个基于课堂的培训课程将包含演示和基于计算机的示例以及与相关的神经和深层网络库进行的案例学习练习
14 hours
Overview
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
7 hours
Overview
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
14 hours
Overview
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。
21 hours
Overview
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
21 hours
Overview
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
21 hours
Overview
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。
21 hours
Overview
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
7 hours
Overview
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
7 hours
Overview
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
21 hours
Overview
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
28 hours
Overview
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
21 hours
Overview
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 。
35 hours
Overview
TensorFlow™是使用数据流图进行数值计算的开源软件库。 SyntaxNet是TensorFlow的神经网络自然语言处理框架。 Word2Vec用于学习单词的矢量表示,称为“单词嵌入”。 Word2vec是一种用于从原始文本中学习单词嵌入的特别计算有效的预测模型。它有两种风格,连续BagofWords模型(CBOW)和SkipGram模型(Mikolov等人的第31章和第32章)。 SyntaxNet和Word2Vec允许用户从自然语言输入中生成Learned Embedding模型。 听众 本课程面向那些打算在TensorFlow图表中使用SyntaxNet和Word2Vec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
35 hours
Overview
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。
14 hours
Overview
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
7 hours
Overview
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。
21 hours
Overview
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。
28 hours
Overview
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
28 hours
Overview
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
21 hours
Overview
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
21 hours
Overview
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。
14 hours
Overview
21 hours
Overview
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:
21 hours
Overview
Deeplearning4j是一款适用于Hadoop和Spark的Java和Scala的OpenSource DeepLearning软件。 听众 本课程面向寻求在其图像识别项目中使用DeepLearning4J的工程师和开发人员。

近期深度学习培训课程

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

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 China!

As a Business Development Manager you will:

  • expand business in China
  • 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.

Apply now!