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。
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
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
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: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
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
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。
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
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
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
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
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
drlpython用Python进行深度强化学习21小时深度强化学习是指“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
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21小时介绍: 深度学习正在成为未来产品设计的一个主要组成部分,希望将人工智能纳入其模型的核心。在未来的5到10年内, 深度学习开发工具,库和语言将成为每个软件开发工具包的标准组件。到目前为止,Google,Sales Force,Facebook,亚马逊已经成功使用深度学习AI来提升业务。应用范围从自动机器翻译,图像分析,视频分析,运动分析,生成有针对性的广告等等。 本课程面向那些希望将深度学习作为其产品或服务策略非常重要的组成部分的组织。以下是我们可以为组织中不同级别的员工/利益相关者定制的深度学习课程大纲。 目标听众: (根据目标受众,课程材料将被定制) 高管概述AI及其如何融入公司战略,并在战略规划,技术路线图和资源分配方面进行分组讨论,以确保最大价值。 项目经理如何规划AI项目,包括数据收集和评估,数据清理和验证,概念验证模型的开发,业务流程的整合以及整个组织的交付。 开发商深入的技术培训,重点关注神经网络和深度学习,图像和视频分析(CNN),声音和文本分析(NLP),以及将AI引入现有应用程序。 销售人员人工智能及其如何满足客户需求的总体概述,各种产品和服务的价值主张,以及如何消除恐惧并提升人工智能的益处。
Nue_LBGNeural computing – Data science14小时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
dlformedicineDeep Learning for Medicine14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,它试图模仿人类大脑在决策中的运作。它接受数据训练以自动提供问题的解决方案。深度学习为坐在数据库上的医疗行业提供了巨大的机会。 在这个有指导的现场培训中,参与者将会 参加一系列讨论,练习和案例研究分析,了解 Deep Learning 的基础知识 。将对最重要的深度学习工具和技术进行评估,并 开展运动训练,为参与者 在其 组织 内部进行深度学习解决方案的评估和实施 做好准备 。 在培训结束后,参与者将能够: 了解深度学习的基础知识 学习深度学习技术及其在行业中的应用 检查深度学习技术可以解决的医学问题 探索深度学习医学案例研究 制定采用深度学习最新技术来解决医学问题的策略 听众 经理 领导角色的医疗专业人士 课程的格式 部分讲座,部分讨论,练习和沉重的练习 注意 要请求本课程的定制培训,请联系我们安排。
dlfortelecomwithpythonDeep Learning for Telecom (with Python)28小时Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability.

In this instructor-led, live training, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model.

By the end of this training, participants will be able to:

- Understand the fundamental concepts of deep learning
- Learn the applications and uses of deep learning in telecom
- Use Python, Keras, and TensorFlow to create deep learning models for telecom
- Build their own deep learning customer churn prediction model using Python

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
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
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。
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。
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
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
tsflw2vNatural Language Processing with TensorFlow35小时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
w2vdl4jNLP with Deeplearning4j14小时Deeplearning4j是为Java和Scala编写的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。 Word2Vec是一种计算由Tomas Mikolov领导的Google研究小组介绍的词语向量表示的方法。 听众 本课程面向寻求利用Deeplearning4J构建Word2Vec模型的研究人员,工程师和开发人员。
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:

近期深度学习培训课程

课程日期价格【远程 / 传统课堂】
Machine Learning for Banking (with Python) - 厦门 - 国际银行大厦星期一, 2018-12-10 09:30¥28810 / ¥33910
Machine Learning for Banking (with Python) - 北京 - 数码大厦星期二, 2018-12-11 09:30¥28810 / ¥33010
Machine Learning for Banking (with Python) - 北京盈科中心星期一, 2018-12-17 09:30¥28810 / ¥32410
Machine Learning for Banking (with Python) - 上海 - 上海中区广场星期三, 2019-01-02 09:30¥28810 / ¥34780
Machine Learning for Banking (with Python) - 上海 - 上海中区广场星期一, 2019-02-25 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】
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 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!