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
文欣 张
课程: Artificial Neural Networks, Machine Learning, Deep Thinking
lisa xie
课程: Artificial Neural Networks, Machine Learning, Deep Thinking
王 春柱 - 中移物联网
课程: Deep Learning for NLP (Natural Language Processing)
中移物联网
课程: Deep Learning for NLP (Natural Language Processing)
中移物联网
课程: Deep Learning for NLP (Natural Language Processing)
Grzegorz Mianowski
课程: Introduction to Deep Learning
Machine Translated
Piotr
课程: Introduction to Deep Learning
Machine Translated
Dolby Poland Sp. z o.o.
课程: Introduction to Deep Learning
Machine Translated
Radek
课程: Introduction to Deep Learning
Machine Translated
Bruno Charbonnier
课程: Advanced Deep Learning
Machine Translated
Alexandre GIRARD
课程: Advanced Deep Learning
Machine Translated
Paul Kassis
课程: Advanced Deep Learning
Machine Translated
Radoslaw Labedzki
课程: Introduction to Deep Learning
Machine Translated
Wojciech Wilk
课程: Introduction to Deep Learning
Machine Translated
Léo Dubus
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sridhar Voorakkara
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
David Relihan
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Kieran Conboy
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sharon Ruane
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sebastiaan Holman
课程: Machine Learning and Deep Learning
Machine Translated
Jean-Paul van Tillo
课程: Machine Learning and Deep Learning
Machine Translated
Anirban Basu
课程: Machine Learning and Deep Learning
Machine Translated
Sebastian Görg
课程: Introduction to Deep Learning
Machine Translated
Paul Lee
课程: TensorFlow for Image Recognition
Machine Translated
Commerzbank AG
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Commerzbank AG
课程: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Sacha Nandlall
课程: Python用于高级机器学习
Machine Translated
Zaher Sharifi - GOSI
课程: Advanced Deep Learning
Machine Translated
Explore
课程: 用Python进行深度强化学习
Machine Translated
A1 Telekom Austria AG
课程: Deep Learning for Telecom (with Python)
Machine Translated
DL (Deep Learning)课程大纲
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
21小时
课程概览
本课程涵盖AI（强调Machine Learning和Deep Learning ）
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）。
14小时
课程概览
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
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
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。
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）。
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。
21小时
课程概览
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 。
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。 Python是一种高级编程语言，以其清晰的语法和代码可读性而闻名。
28小时
课程概览
这是一个为期4天的课程，介绍AI及其应用。在完成本课程后，可以选择额外一天进行AI项目。
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。
21小时
课程概览
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。
21小时
课程概览
Deeplearning4j是第一个为Java和Scala编写的商业级开源分布式深度学习库。 DL4J与Hadoop和Spark集成，旨在用于分布式GPU和CPU的业务环境。
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
.jpg "european molecular biology laboratory (embl)")
.jpg "european organization for nuclear research (cern)")
.jpg "international air transport association (iata)")
