Advanced Analytics with RapidMiner培訓

RapidMiner是一個開源數據科學軟件平台，用於快速應用程序原型設計和開發。它包括用於數據準備，機器學習，深度學習，文本挖掘和預測分析的集成環境。

在這個由講師指導的實時培訓中，參與者將學習如何使用RapidMiner Studio進行數據準備，機器學習和預測模型部署。

在培訓結束時，參與者將能夠：

• 安裝和配置RapidMiner
• 使用RapidMiner準備和可視化數據
• 驗證機器學習模型
• Mashup數據並創建預測模型
• 在業務流程中實施預測分析
• 對RapidMiner故障排除和優化

聽眾

• 數據科學家
• 工程師
• 開發商

課程格式

• 部分講座，部分討論，練習和繁重的實踐練習

注意

• 要申請本課程的定制培訓，請聯繫我們安排。

未來城市會是什麼樣子？ Artificial Intelligence (AI)如何用於改善城市規劃？如何利用人工智能使城市更高效，更宜居，更安全，更環保？

在這個以講師為主導的現場培訓（現場或遠程）中，我們研究了構成AI的各種技術，以及將它們用於城市規劃所需的技能組合和心理框架。我們還介紹了收集和組織用於AI的相關數據的工具和方法，包括數據挖掘。

聽眾

• 城市規劃師
• 建築師
• 開發商
• 交通官員

課程格式

• 部分講座，部分討論和一系列互動練習。

注意

• 要申請本課程的定制培訓，請聯繫我們安排。

AI是用於構建智能係統的技術集合，能夠理解數據和圍繞數據的活動以做出“智能決策”。對於電信提供商而言，構建利用AI的應用程序和服務可以為維護和網絡優化等領域的改進操作和服務打開大門。

在本課程中，我們將研究構成AI的各種技術以及使用它們所需的技能。在整個課程中，我們將研究AI在電信行業中的特定應用。

聽眾

• 網絡工程師
• 網絡運營人員
• 電信技術經理

課程形式

• 部分講座，部分討論，動手練習

本課程是為經理、解決方案架構師、創新官、首席技術官、軟體架構師以及任何對應用人工智慧概述及其發展的最新預測感興趣的人創建的。

線性代數是數學的一個分支，處理向量，矩陣和線性變換。線性代數知識可幫助工程師和開發人員提高機器學習能力。理解線性代數概念使他們能夠更好地理解機器學習技術背後的原理，從而更快地解決問題。

在這個由講師指導的實時培訓中，參與者將學習線性代數的基礎知識，因為他們逐步使用線性代數方法解決機器學習問題。

在培訓結束時，參與者將能夠：

• 理解基本的線性代數概念
• 學習機器學習所需的線性代數技能
• 在處理數據，圖像，算法等時使用線性代數結構和概念。
• 使用線性代數解決機器學習問題

聽眾

• 開發商
• 工程師

課程形式

• 部分講座，部分討論，練習和繁重的實踐練習

注意

• 要申請本課程的定制培訓，請聯繫我們安排。

這種由講師指導的台灣現場培訓（現場或遠端）面向希望使用Azure ML的拖放平臺部署Machine Learning工作負載的工程師，而無需購買軟體和硬體，也不必擔心維護和部署。

在培訓結束時，參與者將能夠：

• 使用 Python、R 或零代碼工具編寫高度準確的機器學習模型。
• 利用 Azure 的可用資料集和演算法來訓練和跟蹤機器學習和深度學習模型。
• 使用 Azure 互動式工作區協作開發 ML 模型。
• 從 Azure 支援的不同 ML 框架中進行選擇，例如 PyTorch、TensorFlow 和 scikit-learn。

人工神經網絡是一種計算數據模型，用於開發能夠執行“智能”任務的Artificial Intelligence (AI)系統。 Neural Networks通常用於Machine Learning （ML）應用程序，它們本身就是AI的一種實現。 Deep Learning是ML的一個子集。

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。

這是一個為期4天的課程，介紹AI及其使用Python編程語言的應用程序。在完成本課程後，可以選擇額外一天進行AI項目。

本培訓課程面向希望在實際應用中應用Machine Learning人員。

聽眾

本課程適用於對統計學有一定了解並且知道如何編寫R（或Python或其他選定語言）的數據科學家和統計學家。本課程的重點是數據/模型準備，執行，事後分析和可視化的實踐方面。

目的是為有興趣在工作中應用這些方法的參與者提供Machine Learning實際應用。

行業特定示例用於使培訓與受眾相關。

這種由講師指導的台灣現場現場培訓面向希望創建和訓練機器學習模型以部署到生產就緒託管環境中的數據科學家和開發人員。

在培訓結束時，參與者將能夠：

• 使用筆記本實例準備和上傳用於訓練的數據。
• 使用訓練數據集訓練機器學習模型。
• 將經過訓練的模型部署到終結點以創建預測。

這種由講師指導的台灣現場現場培訓針對的是希望使用Azure Machine Learning構建用於預測分析的端到端機器學習模型的數據科學家。

在培訓結束時，參與者將能夠：

• 使用零程式設計經驗構建機器學習模型。
• 使用 Azure Machine Learning 建立預測演算法。
• 部署生產就緒的機器學習演算法。

本課程將理論和實踐工作相結合，並在整個活動中使用的具體示例。

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望使用Core ML為iOS 11和macOS High Sierra開發創建機器學習模型的Web開發人員。

在培訓結束時，參與者將能夠：

• 構建使用機器學習的 AI 驅動型應用程式。
• 實現對圖像進行分類的機器學習模型。
• 使用 Core ML API 支援自定義工作流和高級用例
• 使用機器學習模型分析自然語言文本。