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
与讲师的交流环节
文欣 张
课程: Artificial Neural Networks, Machine Learning, Deep Thinking
都喜欢
lisa xie
课程: Artificial Neural Networks, Machine Learning, Deep Thinking
每个主题后的练习都非常有用，尽管最后太复杂了。一般来说，所提供的材料非常有趣并涉及！图像识别练习很棒。
Dolby Poland Sp. z o.o.
课程: Introduction to Deep Learning
Machine Translated
我认为，如果培训是在波兰语中完成的，那么培训师就可以更有效地分享他的知识。
Radek
课程: Introduction to Deep Learning
Machine Translated
深度学习的全球概述。
Bruno Charbonnier
课程: Advanced Deep Learning
Machine Translated
这些练习非常实用，不需要Python的高级知识。
Alexandre GIRARD
课程: Advanced Deep Learning
Machine Translated
使用Eras对实例进行练习。意大利完全理解我们对此培训的期望。
Paul Kassis
课程: Advanced Deep Learning
Machine Translated
主题。这似乎很有趣，但我离开的时间比以前更多了。
Radoslaw Labedzki
课程: Introduction to Deep Learning
Machine Translated
我喜欢这门课程非常有趣。
Wojciech Wilk
课程: Introduction to Deep Learning
Machine Translated
我真的很感激克里斯对我们问题的明确答案。
Léo Dubus
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
我一般都很喜欢知识渊博的教练。
Sridhar Voorakkara
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
我对这门课程的标准感到惊讶 - 我会说它是大学标准。
David Relihan
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
非常好的全面概述。 Go OD背景到原因Tensorflow工作，因为它确实。
Kieran Conboy
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
我喜欢有机会提出问题并对理论进行更深入的解释。
Sharon Ruane
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
我们对这个主题有了更多的了解。我们公司内部的一些真实主题进行了一些很好的讨论。
Sebastiaan Holman
课程: Machine Learning and Deep Learning
Machine Translated
通过展示理论与实践如何相辅相成，培训提供了正确的基础，使我们能够进一步扩展。它实际上让我对这个主题比以前更感兴趣。
Jean-Paul van Tillo
课程: Machine Learning and Deep Learning
Machine Translated
我非常喜欢主题的报道和深度。
Anirban Basu
课程: Machine Learning and Deep Learning
Machine Translated
关于该主题的培训师的深刻知识。
Sebastian Görg
课程: Introduction to Deep Learning
Machine Translated
非常更新的方法或CPI（张量流，时代，学习）做机器学习。
Paul Lee
课程: TensorFlow for Image Recognition
Machine Translated
鉴于技术前景：未来哪种技术/流程可能变得更加重要;看，这项技术可以用于什么。
Commerzbank AG
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
我从主题选择中受益。训练风格。练习方向。
Commerzbank AG
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
教练的指导和举例
ORANGE POLSKA S.A.
课程: Machine Learning and Deep Learning
Machine Translated
可以自己讨论提议的问题。
ORANGE POLSKA S.A.
课程: Machine Learning and Deep Learning
Machine Translated
深入报道机器学习主题，特别是神经网络。揭开了很多话题的神秘面纱。
Sacha Nandlall
课程: Python用于高级机器学习
Machine Translated
领先和实际应用示例的大量和最新知识。
ING Bank Śląski S.A.
课程: Introduction to Deep Learning
Machine Translated
很多练习，与团队很好的合作。
Janusz Chrobot - ING Bank Śląski S.A.
课程: Introduction to Deep Learning
Machine Translated
关于colaborators的工作，
ING Bank Śląski S.A.
课程: Introduction to Deep Learning
Machine Translated
很明显，所提出主题的爱好者都在领先。运动时使用了有趣的例子。
ING Bank Śląski S.A.
课程: Introduction to Deep Learning
Machine Translated
涵盖广泛的主题和领导者的实质性知识。
ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
缺乏
ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
讲师的大量理论和实践知识。培训师的沟通能力。在课程中，您可以提出问题并获得满意的答案。
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
实用部分，我们实现了算法。这样可以更好地理解该主题。
ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
练习和实施的例子
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
课程: Understanding Deep Neural Networks
Machine Translated
Deep Learning (DL)子类别
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
14小时
课程概览
本课程涵盖Automotive行业的AI（强调Machine Learning和Deep Learning ）。它有助于确定哪种技术（可能）在汽车的多种情况下使用：从简单的自动化，图像识别到自主决策。
21小时
课程概览
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
28小时
课程概览
本课程将为您提供神经网络知识，通常用于机器学习算法，深度学习（算法和应用程序）。
这种训练更注重基本面，但会帮助你选择合适的技术： TensorFlow ， Caffe ，泰亚诺，DeepDrive， Keras ，等等这些例子中所作TensorFlow 。
这种训练更注重基本面，但会帮助你选择合适的技术： TensorFlow ， Caffe ，泰亚诺，DeepDrive， Keras ，等等这些例子中所作TensorFlow 。
14小时
课程概览
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (onsite or remote) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (onsite or remote) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14小时
课程概览
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小时
课程概览
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
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
14小时
课程概览
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。
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小时
课程概览
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小时
课程概览
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
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
课程概览
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的方法和诸如神经网络的结构。
Keras是一种用于快速开发和实验的高级神经网络API。它运行在TensorFlow ， CNTK或Theano CNTK 。
这种以讲师为主导的现场培训（现场或远程）是针对希望使用深度学习技术构建自动驾驶汽车的开发人员。
在培训结束时，参与者将能够：
- 使用计算机视觉技术识别车道。
- 使用Keras构建和训练卷积神经网络。
- 训练深度学习模型以区分交通标志。
- 模拟完全自动驾驶的汽车。
课程格式
- 互动讲座和讨论。
- 大量的练习和练习。
- 在实时实验室环境中亲自实施。
课程自定义选项
- 要申请本课程的定制培训，请联系我们安排。
Keras是一种用于快速开发和实验的高级神经网络API。它运行在TensorFlow ， CNTK或Theano CNTK 。
这种以讲师为主导的现场培训（现场或远程）是针对希望使用深度学习技术构建自动驾驶汽车的开发人员。
在培训结束时，参与者将能够：
- 使用计算机视觉技术识别车道。
- 使用Keras构建和训练卷积神经网络。
- 训练深度学习模型以区分交通标志。
- 模拟完全自动驾驶的汽车。
课程格式
- 互动讲座和讨论。
- 大量的练习和练习。
- 在实时实验室环境中亲自实施。
课程自定义选项
- 要申请本课程的定制培训，请联系我们安排。
14小时
课程概览
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
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
21小时
课程概览
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，诸如受限玻尔兹曼机（RBM）的能量模型和递归神经网络（RNN）。为用户提供了许多内置层。 SINGA架构足够灵活，可以运行同步，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，即分批维度，特征维度或混合分区。
听众
本课程面向希望利用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，监控
- 能够实现高级生产，如培训模型，嵌入术语，构建图形和记录
听众
本课程面向希望利用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，监控
- 能够实现高级生产，如培训模型，嵌入术语，构建图形和记录
7小时
课程概览
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
21小时
课程概览
TensorFlow是开发的流行和机器学习库Go眄深学习，数值计算和大规模机器学习。 TensorFlow 2.0于2019年1月发布，是TensorFlow的最新版本，包括对急切执行，兼容性和API一致性的改进。
这种以讲师为主导的现场培训（现场或远程）针对希望使用Tensorflow 2.0构建预测器，分类器，生成模型，神经网络等的开发人员和数据科学家。
在培训结束时，参与者将能够：
- 安装和配置TensorFlow 2.0。
- 了解TensorFlow 2.0与以前版本相比的优势。
- 建立深度学习模型。
- 实现高级图像分类器。
- 将深度学习模型部署到云，移动和物联网设备。
课程格式
- 互动讲座和讨论。
- 大量的练习和练习。
- 在实时实验室环境中亲自实施。
课程自定义选项
- 要申请本课程的定制培训，请联系我们安排。
- 要了解有关TensorFlow更多信息，请访问：https：//www.tensorflow.org/
这种以讲师为主导的现场培训（现场或远程）针对希望使用Tensorflow 2.0构建预测器，分类器，生成模型，神经网络等的开发人员和数据科学家。
在培训结束时，参与者将能够：
- 安装和配置TensorFlow 2.0。
- 了解TensorFlow 2.0与以前版本相比的优势。
- 建立深度学习模型。
- 实现高级图像分类器。
- 将深度学习模型部署到云，移动和物联网设备。
课程格式
- 互动讲座和讨论。
- 大量的练习和练习。
- 在实时实验室环境中亲自实施。
课程自定义选项
- 要申请本课程的定制培训，请联系我们安排。
- 要了解有关TensorFlow更多信息，请访问：https：//www.tensorflow.org/
14小时
课程概览
TensorFlow.js is a JavaScript framework for machine learning. TensorFlow.js enables users to build and train machine learning models directly in JavaScript.
This instructor-led, live training (onsite or remote) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (onsite or remote) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
7小时
课程概览
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小时
课程概览
TensorFlow是Go ogle Deep Learning开源软件库的第二代API。该系统旨在促进机器学习的研究，并使其从研究原型到生产系统的快速和轻松过渡。
听众
本课程面向希望将TensorFlow用于Deep Learning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，监控
- 能够实现高级生产，如培训模型，构建图形和记录
听众
本课程面向希望将TensorFlow用于Deep Learning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，监控
- 能够实现高级生产，如培训模型，构建图形和记录
28小时
课程概览
本课程通过具体的例子探讨了Tensor Flow在图像识别方面的应用
听众
本课程适用于寻求将TensorFlow用于图像识别的工程师
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，监控
- 实施先进的生产，如培训模型，建立图表和记录
听众
本课程适用于寻求将TensorFlow用于图像识别的工程师
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，监控
- 实施先进的生产，如培训模型，建立图表和记录
21小时
课程概览
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Deep Learning速度最快，最灵活的框架之一，被Facebook ， Go ogle，Twitter，NVIDIA，AMD，英特尔等公司使用。
在这个以讲师为主导的现场培训中，我们将介绍Torch的原理，其独特的功能以及如何将其应用于实际应用中。我们在整个过程中逐步进行多次动手练习，展示和练习所学的概念。
在课程结束时，与其他框架和库相比，参与者将全面了解Torch的基本特性和功能，以及它在AI空间中的作用和贡献。参与者还将获得在他们自己的项目中实施Torch的必要实践。
课程格式
- 机器和Deep Learning概述
- 课堂编码和集成练习
- 沿途撒有测试题以检查理解
在这个以讲师为主导的现场培训中，我们将介绍Torch的原理，其独特的功能以及如何将其应用于实际应用中。我们在整个过程中逐步进行多次动手练习，展示和练习所学的概念。
在课程结束时，与其他框架和库相比，参与者将全面了解Torch的基本特性和功能，以及它在AI空间中的作用和贡献。参与者还将获得在他们自己的项目中实施Torch的必要实践。
课程格式
- 机器和Deep Learning概述
- 课堂编码和集成练习
- 沿途撒有测试题以检查理解
35小时
课程概览
TensorFlow ™是一个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。
Word 2Vec用于学习单词的矢量表示，称为“单词嵌入”。 Word 2vec是一种特别计算有效的预测模型，用于学习原始文本中的单词嵌入。它有两种形式，连续Bag-of- Word模型（CBOW）和Skip-Gram模型（Mikolov等人的第3.1和3.2章）。
使用串联，SyntaxNet和Word 2Vec允许用户从自然语言输入生成学习嵌入模型。
听众
本课程面向打算在TensorFlow图中使用SyntaxNet和Word 2Vec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，监控
- 能够实现高级生产，如培训模型，嵌入术语，构建图形和记录
SyntaxNet是TensorFlow的神经网络自然语言处理框架。
Word 2Vec用于学习单词的矢量表示，称为“单词嵌入”。 Word 2vec是一种特别计算有效的预测模型，用于学习原始文本中的单词嵌入。它有两种形式，连续Bag-of- Word模型（CBOW）和Skip-Gram模型（Mikolov等人的第3.1和3.2章）。
使用串联，SyntaxNet和Word 2Vec允许用户从自然语言输入生成学习嵌入模型。
听众
本课程面向打算在TensorFlow图中使用SyntaxNet和Word 2Vec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，监控
- 能够实现高级生产，如培训模型，嵌入术语，构建图形和记录
35小时
课程概览
本课程首先介绍神经网络的概念知识，通常还包括机器学习算法，深度学习（算法和应用程序）。
本次培训的一部分-1（40％）更注重基本面，但会帮助你选择合适的技术： TensorFlow ， Caffe ，Theano，DeepDrive， Keras等。
本次培训的第2部分（20％）介绍了Theano--一个python库，可以轻松编写深度学习模型。
第3部分（40％）的培训将广泛基于Tensorflow - Go ogle的Deep Learning开源软件库的第二代API。示例和动手都将在TensorFlow 。
听众
本课程面向希望将TensorFlow用于Deep Learning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，监控
-
能够实现高级生产，如培训模型，构建图形和记录
本次培训的一部分-1（40％）更注重基本面，但会帮助你选择合适的技术： TensorFlow ， Caffe ，Theano，DeepDrive， Keras等。
本次培训的第2部分（20％）介绍了Theano--一个python库，可以轻松编写深度学习模型。
第3部分（40％）的培训将广泛基于Tensorflow - Go ogle的Deep Learning开源软件库的第二代API。示例和动手都将在TensorFlow 。
听众
本课程面向希望将TensorFlow用于Deep Learning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，监控
-
能够实现高级生产，如培训模型，构建图形和记录
21小时
课程概览
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。
14小时
课程概览
Keras是创建深度学习神经网络的开源Python神经网络库。Keras提供了一组直观的抽象，简化了深度学习神经网络和模型的开发。
这种讲师指导的现场培训（现场或远程）针对的软件工程师，他们希望开发先进的深度学习神经网络和模型，使用Keras和Python。
培训结束时，学员将能够：
- 使用监督或无监督的学习方法应用深度学习。
- 开发、训练和实现并发神经网络和循环神经网络。
- 使用Keras和Python构建深度学习模型，解决涉及图像、文本、声音等问题。
课程格式
- 互动讲座和讨论。
- 大量的练习和练习。
- 在实时实验室环境中实际实现。
课程自定义选项
- 如需申请本课程的定制培训，请联系我们安排。
这种讲师指导的现场培训（现场或远程）针对的软件工程师，他们希望开发先进的深度学习神经网络和模型，使用Keras和Python。
培训结束时，学员将能够：
- 使用监督或无监督的学习方法应用深度学习。
- 开发、训练和实现并发神经网络和循环神经网络。
- 使用Keras和Python构建深度学习模型，解决涉及图像、文本、声音等问题。
课程格式
- 互动讲座和讨论。
- 大量的练习和练习。
- 在实时实验室环境中实际实现。
课程自定义选项
- 如需申请本课程的定制培训，请联系我们安排。
21小时
课程概览
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。
28小时
课程概览
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
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
21小时
课程概览
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
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
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
.jpg "european molecular biology laboratory (embl)")
.jpg "european organization for nuclear research (cern)")
.jpg "international air transport association (iata)")
