現地の専門講師によるライブディープラーニング（DL）トレーニングコースは、DLの基礎と応用の実践を行い、深層機械学習、深層構造学習、階層型学習などの科目をカバーしています。
本トレーニングは、オンサイトでもリモートでもご利用が可能です。オンサイトトレーニングはお客様のオフィスに講師が訪問し、リモートトレーニングはインタラクティブなリモートデスクトップを介して提供いたします。
お客様の声
非常にインタラクティブで、期待以上にリラックスできるトレーニングでした。講師は多くのトピックを扱ってくれ、トピックの関連性についても詳細に話してくれました。トピックの規模と複雑さを考慮すると、トレーニング後も学習を続けていくために、このようなトレーニング方式は非常に重要であると思います。
Jonathan Blease
コース: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
トピックは非常に興味深いです。
Wojciech Baranowski
コース: Introduction to Deep Learning
Machine Translated
トレーニング後に参加者の問題を解決する理論的知識と意欲を養成する。
Grzegorz Mianowski
コース: Introduction to Deep Learning
Machine Translated
トピック。とても興味深い！。
Piotr
コース: Introduction to Deep Learning
Machine Translated
最終的には複雑すぎるにもかかわらず、各トピックの後の演習は本当に役に立ちました。一般に、提示された資料は非常に興味深いものでした。画像認識の練習は素晴らしかった。
Dolby Poland Sp. z o.o.
コース: Introduction to Deep Learning
Machine Translated
私はトレーニングが磨かれて行われると、トレーナーが自分の知識をより効率的に分かち合うことができると思います。
Radek
コース: Introduction to Deep Learning
Machine Translated
深い学習の世界的概要
Bruno Charbonnier
コース: Advanced Deep Learning
Machine Translated
演習は十分に実践的であり、 Python高度な知識は必要ありません。
Alexandre GIRARD
コース: Advanced Deep Learning
Machine Translated
Erasを使った実際の例題の演習。イタリアはこのトレーニングに関する私たちの期待を完全に理解していました。
Paul Kassis
コース: Advanced Deep Learning
Machine Translated
私たちの質問に対するクリスの明確な答えを本当に感謝しています。
Léo Dubus
コース: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
私は一般的に知識のあるトレーナーを楽しんだ。
Sridhar Voorakkara
コース: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
私はこのクラスのスタンダードに驚いていました。私はそれが大学の標準であると言います。
David Relihan
コース: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
全体的に非常に良い概要です。 GoそれがないようTensorflowが動作する理由にODの背景を。
Kieran Conboy
コース: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
私は質問をする機会が好きで、理論の深い説明をもっと得た。
Sharon Ruane
コース: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
私たちは主題についてより多くの洞察を得ました。いくつかの素敵な議論は、私たちの会社内のいくつかの実際のテーマで行われました。
Sebastiaan Holman
コース: Machine Learning and Deep Learning
Machine Translated
このトレーニングは、理論と実践がどのように密接に関係しているかを示すことにより、さらに拡張するための適切な基盤を提供しました。実際、以前よりもこのテーマに興味を持ちました。
Jean-Paul van Tillo
コース: Machine Learning and Deep Learning
Machine Translated
私は本当に話題のカバレッジと深みを楽しんでいました。
Anirban Basu
コース: Machine Learning and Deep Learning
Machine Translated
トピックに関するトレーナーの深い知識。
Sebastian Görg
コース: Introduction to Deep Learning
Machine Translated
機械学習を行うための非常に更新されたアプローチまたはCPI（テンソルフロー、時代遅れ、学習）。
Paul Lee
コース: TensorFlow for Image Recognition
Machine Translated
非常に柔軟です。
Frank Ueltzhöffer
コース: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
私は一般に柔軟性を楽しんだ。
Werner Philipp
コース: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
技術の見通し：将来どのような技術/プロセスが重要になるか。どのような技術が使用されるのかを見てください。
Commerzbank AG
コース: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
私はトピック選択の恩恵を受けました。トレーニングのスタイル。オリエンテーションを練習する。
Commerzbank AG
コース: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
指導者の指導の仕方と例
ORANGE POLSKA S.A.
コース: Machine Learning and Deep Learning
Machine Translated
提案された問題について自分で議論する可能性
ORANGE POLSKA S.A.
コース: Machine Learning and Deep Learning
Machine Translated
講師とのコミュニケーション
文欣 张
コース: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
それが好き
lisa xie
コース: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
機械学習の話題、特にニューラルネットワークについて詳しく解説します。話題の多くを解読しました。
Sacha Nandlall
コース: Python for Advanced Machine Learning
Machine Translated
先進的かつ実用的なアプリケーションの例についての、大規模かつ最新の知識。
ING Bank Śląski S.A.
コース: Introduction to Deep Learning
Machine Translated
演習の多く、グループとの非常に良い協力。
Janusz Chrobot - ING Bank Śląski S.A.
コース: Introduction to Deep Learning
Machine Translated
コラボレーター、
ING Bank Śląski S.A.
コース: Introduction to Deep Learning
Machine Translated
提示されたトピックの熱狂者が主導していたことは明らかでした。運動中に興味深い例を使用しました。
ING Bank Śląski S.A.
コース: Introduction to Deep Learning
Machine Translated
トピックの広い範囲とリーダーの実質的な知識をカバーしています。
ING Bank Śląski S.A.; Kamil Kurek Programowanie
コース: Understanding Deep Neural Networks
Machine Translated
不足
ING Bank Śląski S.A.; Kamil Kurek Programowanie
コース: Understanding Deep Neural Networks
Machine Translated
講師の大きな理論的、実践的な知識。トレーナーのコミュニケーション。コース中に、あなたは質問し、満足のいく答えを得ることができます。
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
コース: Understanding Deep Neural Networks
Machine Translated
アルゴリズムを実装した実用的な部分。これにより、トピックの理解を深めることができました。
ING Bank Śląski S.A.; Kamil Kurek Programowanie
コース: Understanding Deep Neural Networks
Machine Translated
演習とその上で実装された例
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
コース: Understanding Deep Neural Networks
Machine Translated
議論された事例と問題。
ING Bank Śląski S.A.; Kamil Kurek Programowanie
コース: Understanding Deep Neural Networks
Machine Translated
実質的な知識、コミットメント、知識を伝達する情熱的な方法。理論的講義後の実践例
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
コース: Understanding Deep Neural Networks
Machine Translated
Maciej氏が実際に作成した演習
ING Bank Śląski S.A.; Kamil Kurek Programowanie
コース: Understanding Deep Neural Networks
Machine Translated
私は教えて、事を賢明にすることに集中するという情熱の恩恵を受けました。
Zaher Sharifi - GOSI
コース: Advanced Deep Learning
Machine Translated
人間の識別と回路基板の不良点検出
王 春柱 - 中移物联网
コース: Deep Learning for NLP (Natural Language Processing)
Machine Translated
示す
中移物联网
コース: Deep Learning for NLP (Natural Language Processing)
Machine Translated
フェイスエリアについて。
中移物联网
コース: Deep Learning for NLP (Natural Language Processing)
Machine Translated
講義の間の非公式なやりとりは、私がこの問題についての理解を深めるのに役立った。
Explore
コース: Deep Reinforcement Learning with Python
Machine Translated
実用的なヒントがたくさん
Pawel Dawidowski - ABB Sp. z o.o.
コース: Deep Learning with TensorFlow
Machine Translated
ソリューションの実装に関する多くの情報
Michał Smolana - ABB Sp. z o.o.
コース: Deep Learning with TensorFlow
Machine Translated
幅広いAI / IT / SQL / IoT問題からの講師の実用的なヒントと知識の数々。
ABB Sp. z o.o.
コース: Deep Learning with TensorFlow
Machine Translated
たくさんの情報、すべての質問に答え、興味深い例
A1 Telekom Austria AG
コース: Deep Learning for Telecom (with Python)
Machine Translated
ゼロに近い知識から始めて、最終的には自分のネットワークを構築して訓練することができました。
Huawei Technologies Duesseldorf GmbH
コース: TensorFlow for Image Recognition
Machine Translated
DL (Deep Learning)コース概要
コース名
期間
概要
コース名
期間
概要
7 時間
AlphaFoldは、タンパク質構造の予測を実行するシステムです。 それはAlphabet’s/Google’s DeepMindによって開発され、タンパク質構造の3Dモデルを正確に予測できる深い学習システムです。
このインストラクターによるライブトレーニング(オンラインまたはオンライン)は、実験研究におけるガイドとしてモデルをどのように機能し、使用するかを理解したい生物学者に向けられています。
このトレーニングの終了後、参加者は:
基本原則を理解する(2)。 2 どのように働くかを学びましょう。 (2)予測と結果を解釈する方法を学びます。
コースの形式
インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装
コースカスタマイズオプション
このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。
このインストラクターによるライブトレーニング(オンラインまたはオンライン)は、実験研究におけるガイドとしてモデルをどのように機能し、使用するかを理解したい生物学者に向けられています。
このトレーニングの終了後、参加者は:
基本原則を理解する(2)。 2 どのように働くかを学びましょう。 (2)予測と結果を解釈する方法を学びます。
コースの形式
インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装
コースカスタマイズオプション
このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。
21 時間
このインストラクター主導のライブトレーニングでは、画像、音楽、テキスト、財務データを含む一連のデモアプリケーションを構築する際に、Python で最も関連性の高い最先端の機械学習技術を学びます。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- は複雑な問題を解くための機械学習アルゴリズムと技法を実装する
- は、画像、音楽、テキスト、および財務データを含むアプリケーションに深い学習と半教師付き学習を適用する
- は Python アルゴリズムを最大のポテンシャル
にプッシュする - は NumPy やテアノなどのライブラリーやパッケージを使用して
観客
- 開発者
- アナリスト
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- は複雑な問題を解くための機械学習アルゴリズムと技法を実装する
- は、画像、音楽、テキスト、および財務データを含むアプリケーションに深い学習と半教師付き学習を適用する
- は Python アルゴリズムを最大のポテンシャル
にプッシュする - は NumPy やテアノなどのライブラリーやパッケージを使用して
観客
- 開発者
- アナリスト
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
21 時間
デープ Reinforcement Learning は, 审判 失敗 や 報酬 や 報告 から 学ぶ 能力 を 指摘 し て い ます。 人間と#39を持つことができることができます。 目的は自分に知識を得ると建てることができます。 目的は、目的には、ビジョンのような原子インポートから直接の知識を受けることができます。 強調 学習 を 認識 する ため, 深い 学習 や ネュール ネットワーク が 用い られ て い ます。 強力 の 学習 は マシン の 学習 から 異なっ て い ます。
この教師では、生きていた訓練で、参加者はディープの基本的なことを学ぶ。 Deep Learning 代理者を創造しました。
この訓練の終わりまで 参加者は:
ディープの後に関する重要な概念を理解し、それを Machine Learning アクセスした Reinforcement Learning アルゴリズムを解決することができます。 実際の世界問題を解決するため、Deep Learning アジェントを建設することができます。
音楽
開発 者 は データ 科学 者
コースのフォーマット
プラスチーム、部分の話題、運動、重大な手術
この教師では、生きていた訓練で、参加者はディープの基本的なことを学ぶ。 Deep Learning 代理者を創造しました。
この訓練の終わりまで 参加者は:
ディープの後に関する重要な概念を理解し、それを Machine Learning アクセスした Reinforcement Learning アルゴリズムを解決することができます。 実際の世界問題を解決するため、Deep Learning アジェントを建設することができます。
音楽
開発 者 は データ 科学 者
コースのフォーマット
プラスチーム、部分の話題、運動、重大な手術
28 時間
機械学習は、コンピュータが明確にプログラミングされずに学ぶ能力を持つ人工知能の分野です。
深い学習は、神経ネットワークなどの学習データの表現や構造に基づく方法を使用する機械学習のサブフィールドです。
Pythonは、明確な合成とコード読みやすさで有名な高レベルのプログラミング言語です。
このインストラクター指導、ライブトレーニングでは、参加者は、深い学習クレジットリスクモデルの作成を通じてテレコムを使用するための深い学習モデルを実施する方法を学びます。
このトレーニングの終了後、参加者は:
深い学習の基本的な概念を理解する。 テレコムにおける深い学習の応用と用途を学びます。 テレコムのための深い学習モデルを作成するために使用する Python, Keras, and TensorFlow. 自分の深い学習のクライアントの予測モデルを使用して構築する Python.
コースの形式
インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装
コースカスタマイズオプション
このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。
深い学習は、神経ネットワークなどの学習データの表現や構造に基づく方法を使用する機械学習のサブフィールドです。
Pythonは、明確な合成とコード読みやすさで有名な高レベルのプログラミング言語です。
このインストラクター指導、ライブトレーニングでは、参加者は、深い学習クレジットリスクモデルの作成を通じてテレコムを使用するための深い学習モデルを実施する方法を学びます。
このトレーニングの終了後、参加者は:
深い学習の基本的な概念を理解する。 テレコムにおける深い学習の応用と用途を学びます。 テレコムのための深い学習モデルを作成するために使用する Python, Keras, and TensorFlow. 自分の深い学習のクライアントの予測モデルを使用して構築する Python.
コースの形式
インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装
コースカスタマイズオプション
このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。
14 時間
埋め込みプロジェクターは、機械学習システムを訓練するために使用されるデータを視覚化するためのオープンソースの web アプリケーションです。Google によって作成された、それは TensorFlow の一部です。
このインストラクター主導のライブトレーニングでは、プロジェクターの埋め込みの概念を紹介し、デモプロジェクトのセットアップを通じて参加者をウォークします。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- 機械学習モデルによるデータの解釈方法を探る
- は、機械学習アルゴリズムがそれをどのように解釈するかを理解するために、データの3d と2d ビューをナビゲートし
- は、込みの背後にある概念と、画像、単語、数字の数学的ベクトルを表す役割を理解しています。
- 特定の埋め込みのプロパティを調べて、モデルの動作を理解する
- は、このような音楽愛好家のための曲の推薦システムを構築する現実世界のユースケースに埋め込みプロジェクトを適用する
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
このインストラクター主導のライブトレーニングでは、プロジェクターの埋め込みの概念を紹介し、デモプロジェクトのセットアップを通じて参加者をウォークします。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- 機械学習モデルによるデータの解釈方法を探る
- は、機械学習アルゴリズムがそれをどのように解釈するかを理解するために、データの3d と2d ビューをナビゲートし
- は、込みの背後にある概念と、画像、単語、数字の数学的ベクトルを表す役割を理解しています。
- 特定の埋め込みのプロパティを調べて、モデルの動作を理解する
- は、このような音楽愛好家のための曲の推薦システムを構築する現実世界のユースケースに埋め込みプロジェクトを適用する
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
21 時間
人工ニューラルネットワークは、「インテリジェント」タスクを実行できるArtificial Intelligence (AI)システムの開発に使用される計算データモデルです。 Neural Networksは、それ自体がAIの実装の1つであるMachine Learning （ML）アプリケーションで一般的に使用されています。 Deep LearningはMLのサブセットです。
21 時間
このコースは、特定の方法に深く入りすぎることなく、 Deep Learning一般的な概要です。それは彼らの予測の正確さを高めるためにディープラーニングを使い始めたい人々に適しています。
21 時間
人工ニューラルネットワークは、「インテリジェント」タスクを実行できるArtificial Intelligence (AI)システムの開発に使用される計算データモデルです。 Neural Networksは、それ自体がAIの実装の1つであるMachine Learning （ML）アプリケーションで一般的に使用されています。 Deep LearningはMLのサブセットです。
28 時間
機械学習は、コンピュータが明示的にプログラムされていなくても学習することができる人工知能の一分野です。ディープラーニングは、学習データ表現およびニューラルネットワークなどの構造に基づく方法を使用する機械学習のサブフィールドです。
21 時間
Caffeは表現力、スピード、そしてモジュール性を念頭に置いて作られた深い学習の枠組みです。
このコースでは、例としてMNISTを使用して、画像認識のためのディープラーニングフレームワークとしてのCaffeの適用を探ります。
観客
このコースは、 Caffeをフレームワークとして利用することに興味のあるDeep Learning研究者やエンジニアに適しています。
このコースを修了すると、参加者は次のことができるようになります。
- Caffeの構造と展開メカニズムを理解する
- インストール/本番環境/アーキテクチャのタスクと設定を実行する
- コード品質の評価、デバッグの実行、監視
- トレーニングモデル、レイヤの実装、ロギングなどの高度なプロダクションの実装
このコースでは、例としてMNISTを使用して、画像認識のためのディープラーニングフレームワークとしてのCaffeの適用を探ります。
観客
このコースは、 Caffeをフレームワークとして利用することに興味のあるDeep Learning研究者やエンジニアに適しています。
このコースを修了すると、参加者は次のことができるようになります。
- Caffeの構造と展開メカニズムを理解する
- インストール/本番環境/アーキテクチャのタスクと設定を実行する
- コード品質の評価、デバッグの実行、監視
- トレーニングモデル、レイヤの実装、ロギングなどの高度なプロダクションの実装
21 時間
観客
このコースは、コンピューターイメージの分析に利用可能なツール（主にオープンソース）を利用することに興味があるDeep Learning研究者やエンジニアに適しています。
このコースは実例を提供します。
このコースは、コンピューターイメージの分析に利用可能なツール（主にオープンソース）を利用することに興味があるDeep Learning研究者やエンジニアに適しています。
このコースは実例を提供します。
14 時間
このコースはAI(エンファシング Machine Learningおよび Deep Learning)をカバーしています。 それは、単純な自動化、イメージ認識から自主的な意思決定に至るまで、車内の複数の状況でどのようなテクノロジーが(潜在的に)使用されるかを決定するのに役立ちます。
14 時間
このインストラクター指導、ライブトレーニングでは、神経ネットワークの原則を超え、サンプルアプリケーションを実施するために使用します。
コースの形式
講演・講演・講演・講演・講演・講演・講演・講演
コースの形式
講演・講演・講演・講演・講演・講演・講演・講演
7 時間
この講師主導のライブトレーニングでは、参加者はOpenNMT設定方法と使用方法を学び、さまざまなサンプルデータセットの翻訳を実行します。コースは、機械翻訳に適用されるニューラルネットワークの概要から始まります。参加者は、学んだ概念についての理解を示し、講師からのフィードバックを得るためにコース全体を通して実習を行います。
このトレーニングの終わりまでに、参加者はライブのOpenNMTソリューションを実装するために必要な知識と実践を得ることがOpenNMTます。
原文と訳文のサンプルは、視聴者の要求に応じて事前に準備されます。
コースの形式
- パートレクチャー、パートディスカッション、ヘビー実習
このトレーニングの終わりまでに、参加者はライブのOpenNMTソリューションを実装するために必要な知識と実践を得ることがOpenNMTます。
原文と訳文のサンプルは、視聴者の要求に応じて事前に準備されます。
コースの形式
- パートレクチャー、パートディスカッション、ヘビー実習
21 時間
タイプ：教育学的グループによると、ラザニアまたはKeras学生と上流で決定されたアプリケーションによる理論的トレーニング
教授法：発表、交換およびケーススタディ
人工知能は、多くの科学分野を混乱させた後、多数の経済分野（産業、医学、通信など）に革命を起こし始めました。それにもかかわらず、ビッグメディアでのそのプレゼンテーションは、ファンタジーであることが多く、実際にはMachine LearningやDeep Learning分野とはかけ離れています。このトレーニングの目的は、既にコンピュータツール（ソフトウェアプログラミングベースを含む）を習得しているエンジニアに、 Deep Learningおよびそのさまざまな専門分野への導入、したがって主要な既存のネットワークアーキテクチャの導入を提供することです。今日。数学の基礎がコースの間に思い出されるならば、タイプBAC + 2の数学のレベルはより多くの快適さのために推薦されます。 「システム」のビジョンだけを維持するために数学的軸をスキップすることは絶対に可能ですが、このアプローチはあなたの主題に対するあなたの理解を非常に制限するでしょう。
教授法：発表、交換およびケーススタディ
人工知能は、多くの科学分野を混乱させた後、多数の経済分野（産業、医学、通信など）に革命を起こし始めました。それにもかかわらず、ビッグメディアでのそのプレゼンテーションは、ファンタジーであることが多く、実際にはMachine LearningやDeep Learning分野とはかけ離れています。このトレーニングの目的は、既にコンピュータツール（ソフトウェアプログラミングベースを含む）を習得しているエンジニアに、 Deep Learningおよびそのさまざまな専門分野への導入、したがって主要な既存のネットワークアーキテクチャの導入を提供することです。今日。数学の基礎がコースの間に思い出されるならば、タイプBAC + 2の数学のレベルはより多くの快適さのために推薦されます。 「システム」のビジョンだけを維持するために数学的軸をスキップすることは絶対に可能ですが、このアプローチはあなたの主題に対するあなたの理解を非常に制限するでしょう。
7 時間
このインストラクター指導、ライブトレーニングでは、参加者はサンプルコンテンツの翻訳を実行するためにNMT(Fairseq)を使用する方法を学びます。
このトレーニングの終了後、参加者は、ライブ・ファイレスクベースのマシン翻訳ソリューションを実施するために必要な知識と実践を得るでしょう。
コースの形式
部分講義、部分討論、重い実践
ノート
特定のソースおよびターゲット言語コンテンツを使用したい場合は、私たちに連絡して整理してください。
このトレーニングの終了後、参加者は、ライブ・ファイレスクベースのマシン翻訳ソリューションを実施するために必要な知識と実践を得るでしょう。
コースの形式
部分講義、部分討論、重い実践
ノート
特定のソースおよびターゲット言語コンテンツを使用したい場合は、私たちに連絡して整理してください。
21 時間
マイクロソフト認知ツールキット 2.x (以前は CNTK) は、人間の脳のように学ぶために深い学習アルゴリズムを訓練するオープンソース、商用グレードのツールキットです。Microsoft によると、CNTK は、リカレントネットワークで TensorFlow よりも 5 ~ 10 倍速く、イメージ関連のタスクの場合は TensorFlow よりも 2 ~ 3 倍高速です。
このインストラクター主導の, ライブトレーニング, 参加者は、作成する Microsoft の認知ツールキットを使用する方法を学びます, トレーニングとデータなどのデータの複数の種類を含む商用グレードの AI アプリケーションで使用するための深い学習アルゴリズムを評価する, 音声,テキスト、および画像
このトレーニングの終わりまでに、参加者は次のことができるようになります:
Python、C#、または C++ プログラム内からライブラリとして CNTK アクセスを -
- は、独自のモデル記述言語 (BrainScript) を介してスタンドアロンの機械学習ツールとして CNTK を使用して
- Java プログラムから CNTK モデル評価機能を使用する
- は、フィードフォワード DNNs、畳み込みネット (CNNs)、およびリカレントネットワーク (RNNs/LSTMs) を組み合わせた
cpu、gpu、複数のマシンでの - スケールの計算能力
- 既存のプログラミング言語とアルゴリズムを使用して大規模なデータセットにアクセスする
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
ノート
- あなたが選択のプログラミング言語を含む、このトレーニングの任意の部分をカスタマイズしたい場合は、手配するために私達に連絡してください。
このインストラクター主導の, ライブトレーニング, 参加者は、作成する Microsoft の認知ツールキットを使用する方法を学びます, トレーニングとデータなどのデータの複数の種類を含む商用グレードの AI アプリケーションで使用するための深い学習アルゴリズムを評価する, 音声,テキスト、および画像
このトレーニングの終わりまでに、参加者は次のことができるようになります:
Python、C#、または C++ プログラム内からライブラリとして CNTK アクセスを -
- は、独自のモデル記述言語 (BrainScript) を介してスタンドアロンの機械学習ツールとして CNTK を使用して
- Java プログラムから CNTK モデル評価機能を使用する
- は、フィードフォワード DNNs、畳み込みネット (CNNs)、およびリカレントネットワーク (RNNs/LSTMs) を組み合わせた
cpu、gpu、複数のマシンでの - スケールの計算能力
- 既存のプログラミング言語とアルゴリズムを使用して大規模なデータセットにアクセスする
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
ノート
- あなたが選択のプログラミング言語を含む、このトレーニングの任意の部分をカスタマイズしたい場合は、手配するために私達に連絡してください。
21 時間
PaddlePaddle (パラレル分散ディープラーニング) は、Baidu によって開発されたスケーラブルなディープラーニングプラットフォームです。
このインストラクター主導のライブトレーニングでは、PaddlePaddle を使用して、製品およびサービスアプリケーションで深い学習を可能にする方法について説明します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- の設定と構成 PaddlePaddle
- は、画像認識とオブジェクト検出のための畳み込みニューラルネットワーク (CNN) を設定する
- は、感情解析のためのリカレントニューラルネットワーク (RNN) を設定する
- はユーザーが答えを見つけるのを助けるために推薦システムの深い学習をセットアップした
- は、クリックスルー率 (CTR) を予測し、大規模な画像セットを分類し、光学式文字認識 (OCR) を実行し、検索をランク付けし、コンピュータウイルスを検出し、勧告システムを実装します。
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
このインストラクター主導のライブトレーニングでは、PaddlePaddle を使用して、製品およびサービスアプリケーションで深い学習を可能にする方法について説明します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- の設定と構成 PaddlePaddle
- は、画像認識とオブジェクト検出のための畳み込みニューラルネットワーク (CNN) を設定する
- は、感情解析のためのリカレントニューラルネットワーク (RNN) を設定する
- はユーザーが答えを見つけるのを助けるために推薦システムの深い学習をセットアップした
- は、クリックスルー率 (CTR) を予測し、大規模な画像セットを分類し、光学式文字認識 (OCR) を実行し、検索をランク付けし、コンピュータウイルスを検出し、勧告システムを実装します。
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
7 時間
このインストラクター主導のライブトレーニングでは、参加者はDSSTNEを使用して推奨アプリケーションを作成する方法を学びます。
このトレーニングの終わりまでに、参加者は次のことができるようになります。
- 入力としてスパースデータセットを使用して推奨モデルを学習させる
- 複数のGPUにわたるトレーニングと予測モデルのスケール
- モデル並列方式で計算と格納を広げる
- Amazonのようなパーソナライズされた商品の推奨を生成する
- 大きな作業負荷でも拡張可能な本番用アプリケーションをデプロイする
コースの形式
- パートレクチャー、パートディスカッション、エクササイズ、そして激しい実習
このトレーニングの終わりまでに、参加者は次のことができるようになります。
- 入力としてスパースデータセットを使用して推奨モデルを学習させる
- 複数のGPUにわたるトレーニングと予測モデルのスケール
- モデル並列方式で計算と格納を広げる
- Amazonのようなパーソナライズされた商品の推奨を生成する
- 大きな作業負荷でも拡張可能な本番用アプリケーションをデプロイする
コースの形式
- パートレクチャー、パートディスカッション、エクササイズ、そして激しい実習
7 時間
Tensor2Tensor (T2T) は、さまざまな種類のトレーニングデータ (画像認識、翻訳、解析、画像キャプション、音声認識など) を使用して、異なるタスクで AI モデルをトレーニングするためのモジュール式の拡張可能なライブラリです。これは、Google の脳チームによって維持されます。
このインストラクター主導のライブトレーニングでは、複数のタスクを解決するためのディープラーニングモデルを準備する方法について説明します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- tensor2tensor のインストール、データセットの選択、AI モデルのトレーニングと評価
- Tensor2Tensor
に含まれるツールとコンポーネントを使用して開発環境をカスタマイズする - は、単一のモデルを作成して使用し、複数のドメインから多数のタスクを同時に学習します
- は、モデルを使用して、大量のトレーニングデータを持つタスクから学習し、データが制限されているタスクにそのナレッジを適用します
- は、単一の GPU
を使用して満足のいく処理結果を得る
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
このインストラクター主導のライブトレーニングでは、複数のタスクを解決するためのディープラーニングモデルを準備する方法について説明します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- tensor2tensor のインストール、データセットの選択、AI モデルのトレーニングと評価
- Tensor2Tensor
に含まれるツールとコンポーネントを使用して開発環境をカスタマイズする - は、単一のモデルを作成して使用し、複数のドメインから多数のタスクを同時に学習します
- は、モデルを使用して、大量のトレーニングデータを持つタスクから学習し、データが制限されているタスクにそのナレッジを適用します
- は、単一の GPU
を使用して満足のいく処理結果を得る
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
14 時間
OpenFace は、Python とトーチベースのオープンソース、Google & #39 に基づくリアルタイムの顔認識ソフトウェアです。
このインストラクター主導のライブトレーニングでは、OpenFace & #39 のコンポーネントを使用して、サンプルの顔認識アプリケーションを作成して展開する方法を受講者が学習します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- は、dlib、OpenVC、トーチ、および nn4 を含む OpenFace & #39 のコンポーネントを使用して、顔検出、アライメント、および変換
を実装します。 - は、監視、身元確認、バーチャルリアリティ、ゲーム、リピート顧客の特定など、実世界のアプリケーションに OpenFace を適用します
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
このインストラクター主導のライブトレーニングでは、OpenFace & #39 のコンポーネントを使用して、サンプルの顔認識アプリケーションを作成して展開する方法を受講者が学習します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- は、dlib、OpenVC、トーチ、および nn4 を含む OpenFace & #39 のコンポーネントを使用して、顔検出、アライメント、および変換
を実装します。 - は、監視、身元確認、バーチャルリアリティ、ゲーム、リピート顧客の特定など、実世界のアプリケーションに OpenFace を適用します
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
21 時間
このインストラクター主導のライブトレーニングでは、実際のアプリケーションの作成をステップとして、R を使用して機械学習のための高度なテクニックを学習します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
ハイパーパラメータのチューニングと深い学習 として - の使用技術
- を理解し、教師なし学習技術を実装する
- は、大規模なアプリケーションで使用するための生産にモデルを置く
観客
- 開発者
- アナリスト
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
このトレーニングの終わりまでに、参加者は次のことができるようになります:
ハイパーパラメータのチューニングと深い学習 として - の使用技術
- を理解し、教師なし学習技術を実装する
- は、大規模なアプリケーションで使用するための生産にモデルを置く
観客
- 開発者
- アナリスト
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
14 時間
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
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 時間
機械学習は、コンピュータが明示的にプログラムされていなくても学習することができる人工知能の一分野です。ディープラーニングは、学習データ表現およびニューラルネットワークなどの構造に基づく方法を使用する機械学習のサブフィールドです。 Rは金融業界で人気のあるプログラミング言語です。これは、コアトレーディングプログラムからリスク管理システムに至るまでの金融アプリケーションで使用されています。
この講師主導のライブトレーニングでは、ディープラーニング株価予測モデルの作成を進めながら、参加者はRを使用して金融のディープラーニングモデルを実装する方法を学習します。
このトレーニングの終わりまでに、参加者は次のことができるようになります。
- ディープラーニングの基本概念を理解する
- 金融におけるディープラーニングの応用と使い方を学ぶ
- Rを使って金融に関する深い学習モデルを作成する
- Rを使用して独自のディープラーニング株価予測モデルを構築する
観客
- 開発者
- データ科学者
コースの形式
- パートレクチャー、パートディスカッション、エクササイズ、そして激しい実習
この講師主導のライブトレーニングでは、ディープラーニング株価予測モデルの作成を進めながら、参加者はRを使用して金融のディープラーニングモデルを実装する方法を学習します。
このトレーニングの終わりまでに、参加者は次のことができるようになります。
- ディープラーニングの基本概念を理解する
- 金融におけるディープラーニングの応用と使い方を学ぶ
- Rを使って金融に関する深い学習モデルを作成する
- Rを使用して独自のディープラーニング株価予測モデルを構築する
観客
- 開発者
- データ科学者
コースの形式
- パートレクチャー、パートディスカッション、エクササイズ、そして激しい実習
28 時間
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
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 時間
機械学習は、コンピュータが明示的にプログラムされていなくても学習することができる人工知能の一分野です。ディープラーニングは、学習データ表現およびニューラルネットワークなどの構造に基づく方法を使用する機械学習のサブフィールドです。 Rは金融業界で人気のあるプログラミング言語です。これは、コアトレーディングプログラムからリスク管理システムに至るまでの金融アプリケーションで使用されています。
この講師主導のライブトレーニングでは、参加者はRを使用して銀行向けのディープラーニングモデルを実装する方法を学びます。
このトレーニングの終わりまでに、参加者は次のことができるようになります。
- ディープラーニングの基本概念を理解する
- 銀行業務におけるディープラーニングの応用と使用法を学ぶ
- Rを使って銀行業務のための深い学習モデルを作成する
- Rを使用して独自のディープラーニング信用リスクモデルを構築する
観客
- 開発者
- データ科学者
コースの形式
- パートレクチャー、パートディスカッション、エクササイズ、そして激しい実習
この講師主導のライブトレーニングでは、参加者はRを使用して銀行向けのディープラーニングモデルを実装する方法を学びます。
このトレーニングの終わりまでに、参加者は次のことができるようになります。
- ディープラーニングの基本概念を理解する
- 銀行業務におけるディープラーニングの応用と使用法を学ぶ
- Rを使って銀行業務のための深い学習モデルを作成する
- Rを使用して独自のディープラーニング信用リスクモデルを構築する
観客
- 開発者
- データ科学者
コースの形式
- パートレクチャー、パートディスカッション、エクササイズ、そして激しい実習
28 時間
機械学習は、コンピュータが明示的にプログラムされることなく学習する能力を持っている人工知能のブランチです。ディープラーニングは、ニューラルネットワークのようなデータ表現や構造の学習に基づいたメソッドを使用する機械学習のサブフィールドです。Python は、明確な構文とコードの可読性で有名な高レベルのプログラミング言語です。
このインストラクター主導のライブトレーニングでは、深い学習株価予測モデルの作成をステップとして、Python を使用して財務の深い学習モデルを実装する方法について説明します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- 深い学習の基本概念を理解する
- は、アプリケーションと金融の深い学習の使用を学ぶ
- は、Python、Keras、TensorFlow を使用して、ファイナンスのための深い学習モデルを作成し
- は、Python
を使用して独自の深い学習株価予測モデルを構築する
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
このインストラクター主導のライブトレーニングでは、深い学習株価予測モデルの作成をステップとして、Python を使用して財務の深い学習モデルを実装する方法について説明します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- 深い学習の基本概念を理解する
- は、アプリケーションと金融の深い学習の使用を学ぶ
- は、Python、Keras、TensorFlow を使用して、ファイナンスのための深い学習モデルを作成し
- は、Python
を使用して独自の深い学習株価予測モデルを構築する
観客
- 開発者
- データサイエンティスト
コース の
形式
- 部講義、パート討論、演習と重い実地練習
21 時間
導入:
深い学習は、将来の製品デザインの主な要素となり、人工知能をモデルの中心に組み込むことを望んでいます。 次の5年から10年以内に、深い学習開発ツール、図書館、言語は、すべてのソフトウェア開発ツールキットの標準コンポーネントとなります。 これまで Google, Sales Force, Facebook, Amazon は、ビジネスを促進するために深い学習AI を使用して成功しました。 アプリケーションは、自動機械翻訳、イメージ分析、ビデオ分析、動き分析、ターゲット広告を生成し、その他多くのものから異なります。
このコースは、彼らの製品またはサービス戦略の非常に重要な部分として Deep Learning を組み込むことを望む組織に向けられています。 以下は、組織内の従業員/株主のさまざまなレベルにカスタマイズできる深い学習コースの概要です。
ターゲット観客:
(ターゲット観客に応じて、コース材料はカスタマイズされます)
取締役
AIの概要とそれが企業戦略にどのように合うか、戦略計画、テクノロジーのルートマップ、および資源の割り当てについてのブレイクセッションで最大限の価値を確保します。
プロジェクトマネージャー
AIプロジェクトを計画する方法、データ収集および評価、データクリーニングおよび検証、コンセプトモデルの開発、ビジネスプロセスへの統合、および組織全体での配達を含む。
開発者
深い技術訓練、神経ネットワークと深い学習、イメージとビデオ分析(CNN)、音声とテキスト分析(NLP)、そしてAIを既存のアプリケーションに導入することに焦点を当てています。
売り手
AIの概要と顧客のニーズをどのように満たすことができるか、さまざまな製品やサービスに対する価値提案、そして恐れを緩和し、AIの利益を促進する方法。
深い学習は、将来の製品デザインの主な要素となり、人工知能をモデルの中心に組み込むことを望んでいます。 次の5年から10年以内に、深い学習開発ツール、図書館、言語は、すべてのソフトウェア開発ツールキットの標準コンポーネントとなります。 これまで Google, Sales Force, Facebook, Amazon は、ビジネスを促進するために深い学習AI を使用して成功しました。 アプリケーションは、自動機械翻訳、イメージ分析、ビデオ分析、動き分析、ターゲット広告を生成し、その他多くのものから異なります。
このコースは、彼らの製品またはサービス戦略の非常に重要な部分として Deep Learning を組み込むことを望む組織に向けられています。 以下は、組織内の従業員/株主のさまざまなレベルにカスタマイズできる深い学習コースの概要です。
ターゲット観客:
(ターゲット観客に応じて、コース材料はカスタマイズされます)
取締役
AIの概要とそれが企業戦略にどのように合うか、戦略計画、テクノロジーのルートマップ、および資源の割り当てについてのブレイクセッションで最大限の価値を確保します。
プロジェクトマネージャー
AIプロジェクトを計画する方法、データ収集および評価、データクリーニングおよび検証、コンセプトモデルの開発、ビジネスプロセスへの統合、および組織全体での配達を含む。
開発者
深い技術訓練、神経ネットワークと深い学習、イメージとビデオ分析(CNN)、音声とテキスト分析(NLP)、そしてAIを既存のアプリケーションに導入することに焦点を当てています。
売り手
AIの概要と顧客のニーズをどのように満たすことができるか、さまざまな製品やサービスに対する価値提案、そして恐れを緩和し、AIの利益を促進する方法。
14 時間
このクラスルームベースのトレーニングセッションには、関連するニューラルおよびディープネットワークライブラリを使用したプレゼンテーション、コンピュータベースの例、およびケーススタディ演習が含まれます。
Last Updated:
今後の深層学習コース
Deep Learning for Medicine
2022-07-20 10:00
14 時間
Deep Learning for Telecom (with Python)
2022-07-26 10:00
28 時間
Neural computing – Data science
2022-08-17 10:00
14 時間
Deep Learning AI Techniques for Executives, Developers and Managers
2022-08-22 10:00
21 時間
Deep Reinforcement Learning with Python
2022-09-05 10:00
21 時間
週末深層学習コース, 夜のDL (Deep Learning)トレーニング, 深層学習ブートキャンプ, 深層学習 インストラクターよる, 週末Deep Learning (DL)トレーニング, 夜の深層学習コース, DL (Deep Learning)指導, DL (Deep Learning)インストラクター, 深層学習レーナー, DL (Deep Learning)レーナーコース, 深層学習クラス, 深層学習オンサイト, DL (Deep Learning)プライベートコース, 深層学習1対1のトレーニング
