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。

Machine Translated

客户评论

★★★★★
★★★★★

DL (Deep Learning)课程大纲

课程名称
课程时长
课程概览
课程名称
课程时长
课程概览
7小时
AlphaFold是一种(0)系统,执行蛋白质结构的预测。 它是由Alphabet’s/Google’s的DeepMind开发,作为一个深度学习系统,可以准确地预测蛋白质结构的3D模型。

由导师领导的现场培训(在线或现场)是针对生物学家,他们希望了解 AlphaFold 如何工作和使用 AlphaFold 模型作为他们的实验研究的指南。

在本研讨会结束后,参与者将能够:

理解基本原则(二) (二)学习如何工作。 学习如何解释(二)预测和结果。

课程格式

互动讲座和讨论。 很多练习和练习。 在现场实验室环境中进行手动实施。

课程定制选项

要申请此课程的定制培训,请联系我们安排。
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
21小时
Deep Reinforcement Learning refers to the ability of an "artificial agent" to learn by trial-and-error and rewards-and-punishments. An artificial agent aims to emulate a human's ability to obtain and construct knowledge on its own, directly from raw inputs such as vision. To realize reinforcement learning, deep learning and neural networks are used. Reinforcement learning is different from machine learning and does not rely on supervised and unsupervised learning approaches.

In this instructor-led, live training, participants will learn the fundamentals of Deep Reinforcement Learning as they step through the creation of a Deep Learning Agent.

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

- Understand the key concepts behind Deep Reinforcement Learning and be able to distinguish it from Machine Learning
- Apply advanced Reinforcement Learning algorithms to solve real-world problems
- Build a Deep Learning Agent

Audience

- Developers
- Data Scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
28小时
In this instructor-led, live training in 中国, 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.
14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
21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Artificial Intelligence (AI)系统。 Neural Networks通常用于Machine Learning (ML)应用程序,它们本身就是AI的一种实现。 Deep Learning是ML的一个子集。
21小时
本课程是Deep Learning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。
28小时
机器学习是人工智能的一个分支,其中计算机具有学习能力而无需明确编程。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。
21小时
Caffe是一个深刻的学习框架,以表达,速度和模块化为基础。

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
21小时
听众

本课程适合有兴趣利用可用工具(主要是开源)分析计算机图像的Deep Learning研究人员和工程师

本课程提供了工作实例。
14小时
这门课程涵盖了人工智能(在工业中简化 Machine Learning和 Deep Learning)。 它有助于确定哪种技术可以(潜在)在汽车中的多种情况下使用:从简单的自动化,图像识别到自主决策。
21小时
本课程涵盖AI(强调Machine Learning和Deep Learning )
14小时
在这个导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导导。

课程格式

阅读和讨论与实践练习相结合。
7小时
在这个由讲师指导的实时培训中,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。本课程首先概述了适用于机器翻译的神经网络。参与者将在整个课程中进行实践练习,以展示他们对所学习概念的理解并从教师那里获得反馈。

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
21小时
类型:理论培训与应用程序决定上游与学生在Lasagne或Keras根据教学组

教学方法:演讲,交流和案例研究

在破坏了许多科学领域之后,人工智能开始为大量经济部门(工业,医学,通信等)带来革命。尽管如此,它在大媒体中的表现往往是幻想,与Machine Learning或Deep Learning真正领域相差甚远。此培训的目的是为已经掌握计算机工具(包括软件编程基础)的工程师提供Deep Learning及其各个专业领域的介绍,从而为现有的主要网络架构提供介绍。今天。如果在课程期间召回数学基础,建议使用BAC + 2类型的数学水平以获得更多的舒适度。绝对有可能跳过数学轴只保持“系统”视觉,但这种方法将极大地限制您对该主题的理解。
7小时
在这项由导师领导的现场培训中,参与者将学习如何使用(0)NMT(Fairseq)进行样品内容的翻译。

在本课程结束后,参与者将有必要的知识和实践来实施基于 Fairseq 的直播机器翻译解决方案。

课程格式

部分讲座,部分讨论,重实习

笔记

如果您希望使用特定来源和目标语言内容,请联系我们安排。
21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。
21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
7小时
在这个由讲师指导的实时培训中,参与者将学习如何使用DSSTNE来构建推荐应用程序。

在培训结束时,参与者将能够:

- 使用稀疏数据集作为输入训练推荐模型
- 在多个GPU扩展训练和预测模型
- 以模型并行方式扩展计算和存储
- 生成类似亚马逊的个性化产品推荐
- 部署可在繁重工作负载下扩展的生产就绪应用程序

课程形式

- 部分讲座,部分讨论,练习和繁重的实践练习
7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
14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
21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
14小时
In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition.

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

- Build a deep learning model
- Automate data labeling
- Work with models from Caffe and TensorFlow-Keras
- Train data using multiple GPUs, the cloud, or clusters

Audience

- Developers
- Engineers
- Domain experts

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
28小时
机器学习是人工智能的一个分支,其中计算机具有学习能力而无需明确编程。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是金融行业中流行的编程语言。它用于从核心交易程序到风险管理系统的金融应用程序。

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R实施深度学习模型,因为他们逐步创建深度学习股票价格预测模型。

在培训结束时,参与者将能够:

- 理解深度学习的基本概念
- 了解深度学习在金融领域的应用和用途
- 使用R为财务创建深度学习模型
- 使用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

课程形式

- 部分讲座,部分讨论,练习和繁重的实践练习
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 banking 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 banking
- Use Python, Keras, and TensorFlow to create deep learning models for banking
- Build their own deep learning credit risk model using Python

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
28小时
机器学习是人工智能的一个分支,其中计算机具有学习能力而无需明确编程。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是金融行业中流行的编程语言。它用于从核心交易程序到风险管理系统的金融应用程序。

在这个由讲师指导的实时培训中,参与者将学习如何使用R实施深度学习银行模型,因为他们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R为银行业务创建深度学习模型
- 使用R建立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
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
21小时
引入:

深度学习正在成为未来的产品设计的主要组成部分,希望将人工智能纳入他们的模型的核心。 在接下来的5到10年内,深度学习开发工具、图书馆和语言将成为每个软件开发工具库的标准组件。 到目前为止 Google, Sales Force, Facebook, Amazon 已成功使用深度学习 AI 来推动业务。 应用程序从自动机器翻译,图像分析,视频分析,动作分析,产生目标广告和更多。

该课程是针对那些希望将其产品或服务战略的重要组成部分纳入的组织。 下面是深度学习课程的概述,我们可以为组织中的不同员工/参与者的不同水平定制。

目标观众:

(取决于目标观众,课程材料将自定义)

执行者

对人工智能以及它如何融入企业战略的一般概述,包括战略规划、技术路线图和资源分配,以确保最大价值。

项目经理

如何规划一个人工智能项目,包括数据收集和评估,数据清洁和验证,开发一个证据概念模型,融入业务流程,并在整个组织交付。

开发者

深入的技术培训,专注于神经网络和深度学习,图像和视频分析(CNN),音频和文本分析(NLP),并将人工智能引入现有应用。

销售人员

对人工智能的一般概述以及它如何满足客户的需求,对各种产品和服务的价值建议以及如何缓解恐惧以及促进人工智能的好处。
14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和案例研究练习,以与相关的神经和深层网络库进行

Last Updated:

近期Deep Learning (DL)培训课程

DL (Deep Learning),培训,课程,培训课程, 企业Deep Learning (DL)培训, 短期深度学习培训, DL (Deep Learning)课程, 深度学习周末培训, Deep Learning (DL)晚上培训, 深度学习训练, 学习DL (Deep Learning), DL (Deep Learning)老师, 学Deep Learning (DL)班, DL (Deep Learning)远程教育, 一对一Deep Learning (DL)课程, 小组DL (Deep Learning)课程, Deep Learning (DL)培训师, Deep Learning (DL)辅导班, Deep Learning (DL)教程, 深度学习私教, Deep Learning (DL)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!

该网站在其他国家/地区