探索我們的課程

Edge AI for Financial Services

 14 時間：
這種以講師為主導的台灣（在線或現場）現場培訓面向希望在金融服務中實施邊緣人工智慧解決方案的中級金融專業人士、金融科技開發人員和人工智慧專家。在培訓結束時，參與者將能夠：
  • 了解邊緣 AI 在金融服務中的作用。
  • 使用 Edge AI 實施欺詐檢測系統。
  • 通過 AI 驅動的解決方案增強客戶服務。
  • 應用邊緣 AI 進行風險管理和決策。
  • 在金融環境中部署和管理邊緣 AI 解決方案。
更多...

Edge AI in Industrial Automation

 14 時間：
這種以講師為主導的台灣（在線或現場）現場培訓面向希望在工業自動化中實施邊緣 AI 解決方案的中級工業工程師、製造專業人員和 AI 開發人員。在培訓結束時，參與者將能夠：
  • 了解邊緣 AI 在工業自動化中的作用。
  • 使用Edge AI實施預測性維護解決方案。
  • 在製造過程中應用人工智慧技術進行品質控制。
  • 使用邊緣 AI 優化工業流程。
  • 在工業環境中部署和管理邊緣 AI 解決方案。
更多...

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

 21 時間：
這種由講師指導的台灣現場現場培訓面向中高級數據科學家，機器學習工程師，深度學習研究人員和計算機視覺專家，他們希望擴展其在深度學習方面的知識和技能，以生成文本到圖像。 在培訓結束時，參與者將能夠：
    了解用於文字到圖像生成的高級深度學習架構和技術。 實施複雜的模型和優化，實現高品質的圖像合成。 優化大型數據集和複雜模型的性能和可擴充性。 調整超參數以獲得更好的模型性能和泛化。 將 Stable Diffusion 與其他深度學習框架和工具集成
更多...

Optimizing AI Models for Edge Devices

 14 時間：
這種由講師指導的 台灣（在線或現場）實時培訓面向希望優化 AI 模型以進行邊緣部署的中級 AI 開發人員、機器學習工程師和系統架構師。在培訓結束時，參與者將能夠：
  • 瞭解在邊緣設備上部署 AI 模型的挑戰和要求。
  • 應用模型壓縮技術來減小 AI 模型的大小和複雜性。
  • 利用量化方法提高邊緣硬體上的模型效率。
  • 實施修剪和其他優化技術以提高模型性能。
  • 在各種邊緣設備上部署優化的 AI 模型。
更多...

DeepSpeed for Deep Learning

 21 時間：
這種以講師為主導的台灣現場現場培訓面向希望提高深度學習模型性能的初級到中級數據科學家和機器學習工程師。 在培訓結束時，參與者將能夠：
  • 了解分散式深度學習的原理。
  • 安裝和配置 DeepSpeed。
  • 使用 DeepSpeed 在分散式硬體上擴展深度學習模型。
  • 實施和試驗 DeepSpeed 功能，以實現優化和記憶體效率。
更多...

Introduction to Large Language Models (LLMs)

 14 時間：
這種由講師指導的台灣現場現場培訓針對的是希望將大型語言模型用於各種自然語言任務的初級到中級開發人員。 在培訓結束時，參與者將能夠：
    設置包含常用 LLM 的開發環境。 創建一個基本的 LLM 並在自訂數據集上對其進行微調。 將 LLM 用於不同的自然語言任務，例如文本摘要、問答、文字生成等。 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具調試和評估 LLM。
更多...

Introduction to Stable Diffusion for Text-to-Image Generation

 21 時間：
這種以講師為主導的現場培訓（現場或遠端）面向希望 利用 Stable Diffusion 為各種用例生成高品質圖像的數據科學家、機器學習工程師和計算機視覺研究人員。 在培訓結束時，參與者將能夠：
    瞭解 Stable Diffusion 的原理以及它如何用於圖像生成。 為圖像生成任務構建和訓練 Stable Diffusion 個模型。 將 Stable Diffusion 應用於各種圖像生成場景，例如修復、修復和圖像到圖像的轉換。 優化 Stable Diffusion 模型的性能和穩定性。
更多...

AlphaFold

 7 時間：
這種以講師為主導的台灣 現場現場培訓針對的是希望瞭解AlphaFold工作原理並使用AlphaFold模型作為實驗研究指南的生物學家。 在培訓結束時，參與者將能夠：
  • 瞭解 AlphaFold 的基本原理。
  • 瞭解 AlphaFold 的工作原理。
  • 瞭解如何解釋 AlphaFold 預測和結果。
更多...

Edge AI with TensorFlow Lite

 14 時間：
這種由講師指導的 台灣（在線或現場）實時培訓面向希望利用 TensorFlow Lite 進行邊緣 AI 應用程式的中級開發人員、數據科學家和 AI 從業者。在培訓結束時，參與者將能夠：
  • 瞭解 TensorFlow Lite 的基礎知識及其在邊緣 AI 中的作用。
  • 使用 TensorFlow Lite 開發和優化 AI 模型。
  • 在各種邊緣設備上部署 TensorFlow Lite 模型。
  • 利用工具和技術進行模型轉換和優化。
  • 使用 TensorFlow Lite 實現實用的邊緣 AI 應用程式。
更多...

Advanced Machine Learning with Python

 21 時間：
In this instructor-led, live training, participants will learn the most relevant and cutting-edge machine learning techniques in Python as they build a series of demo applications involving image, music, text, and financial data. By the end of this training, participants will be able to:
  • Implement machine learning algorithms and techniques for solving complex problems.
  • Apply deep learning and semi-supervised learning to applications involving image, music, text, and financial data.
  • Push Python algorithms to their maximum potential.
  • Use libraries and packages such as NumPy and Theano.
Format of the course
  • Part lecture, part discussion, exercises and heavy hands-on practice
更多...

Deep Reinforcement Learning with Python

 21 時間：
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. This instructor-led, live training (online or onsite) is aimed at developers and data scientists who wish to 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.
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.
更多...

Deep Learning for Telecom (with Python)

 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 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.
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.
更多...

Introduction to Deep Learning

 21 時間：
本課程是Deep Learning一般概述，不會深入探討任何特定方法。它適合想要開始使用深度學習來提高預測準確性的人。
更多...

Artificial Neural Networks, Machine Learning and Deep Thinking

 21 時間：
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。
更多...

Advanced Deep Learning

 28 時間：
機器學習是人工智能的一個分支，其中計算機具有學習能力而無需明確編程。深度學習是機器學習的一個子領域，它使用基於學習數據表示和結構（如神經網絡）的方法。
更多...

Deep Learning for Vision with Caffe

 21 時間：
Caffe是一個深刻的學習框架，以表達，速度和模塊化為基礎。 本課程以MNIST為例，探討了Caffe作為圖像識別的深度學習框架的應用 聽眾 本課程適合有興趣使用Caffe作為框架的Deep Learning研究人員和工程師。 完成本課程後，代表們將能夠：
  • 了解Caffe的結構和部署機制
  • 執行安裝/生產環境/架構任務和配置
  • 評估代碼質量，執行調試，監控
  • 實施高級生產，如培訓模型，實施圖層和日誌記錄
更多...

Deep Learning for Vision

 21 時間：
聽眾 本課程適合有興趣利用可用工具（主要是開源）分析計算機圖像的Deep Learning研究人員和工程師本課程提供了工作實例。
更多...

Artificial Intelligence (AI) in Automotive

 14 時間：
本課程涵蓋Automotive行業的AI（強調Machine Learning和Deep Learning ）。它有助於確定哪種技術（可能）在汽車的多種情況下使用：從簡單的自動化，圖像識別到自主決策。
更多...

Machine Learning and Deep Learning

 21 時間：
本課程涵蓋AI（強調Machine Learning和Deep Learning ）
更多...

OpenNMT: Setting Up a Neural Machine Translation System

 7 時間：
在這個由講師指導的實時培訓中，參與者將學習如何設置和使用OpenNMT來執行各種樣本數據集的翻譯。本課程首先概述了適用於機器翻譯的神經網絡。參與者將在整個課程中進行實踐練習，以展示他們對所學習概念的理解並從教師那裡獲得反饋。 在本次培訓結束時，參與者將擁有實施OpenNMT實時解決方案所需的知識和實踐。 源和目標語言樣本將根據受眾的要求進行預先安排。
    課程格式
    • 部分講座，部分討論，重點實踐練習
    更多...

    Introduction Deep Learning & Réseaux de neurones pour l’ingénieur

     21 時間：
    類型：理論培訓，應用事先由學生決定，在烤寬麵條或Keras上，取決於教學組 教學方法：演講、交流和案例研究 人工智慧在顛覆了許多科學領域之後，已經開始徹底改變許多經濟部門（工業、醫學、通信等）。然而，它在主流媒體上的呈現往往是一種幻想，與Machine Learning或Deep Learning領域的真實情況相去甚遠。本培訓的目的是為已經掌握計算機工具（包括基本軟體程式設計）的工程師介紹 Deep Learning 及其不同的專業領域，從而介紹當今存在的主要網路架構。如果在課程中回憶起數學的基礎知識，建議學習 BAC+2 類型的數學水準，以獲得更舒適的體驗。跳過數學軸，只保持“系統”的視野是絕對可能的，但這種方法會極大地限制你對主題的理解。
    更多...

    PaddlePaddle

     21 時間：
    PaddlePaddle（並行分布式深度學習）是百度開發的可擴展的深度學習平台。 在這個有指導意義的現場培訓中，參與者將學習如何使用PaddlePaddle在其産品和服務應用中實現深度學習。 在培訓結束後，參與者將能夠： 設置並配置PaddlePaddle 建立用于圖像識別和物體檢測的卷積神經網絡（CNN） 爲情感分析設置一個循環神經網絡（RNN） 在推薦系統上建立深度學習，以幫助用戶找到答案預測點擊率（CTR），對大規模圖像集進行分類，執行光學字符識別（OCR），排名搜索，檢測計算機病毒以及實施推薦系統。 聽衆 開發商數據科學家 課程的格式 部分講座，部分討論，練習和沈重的練習
    更多...

    OpenFace: Creating Facial Recognition Systems

     14 時間：
    OpenFace是基于Python和Torch的開源，基于谷歌FaceNet研究的實時面部識別軟件。 在這個有指導的現場培訓中，參與者將學習如何使用OpenFace的組件來創建和部署樣本面部識別應用程序。 在培訓結束後，參與者將能夠： 使用OpenFace的組件，包括dlib，OpenVC，Torch和nn4來實現人臉檢測，對齊和轉換將OpenFace應用于真實世界的應用，如監控，身份驗證，虛擬現實，遊戲以及識別回頭客等。 聽衆 開發商數據科學家 課程的格式 部分講座，部分討論，練習和沈重的練習
    更多...

    Advanced Machine Learning with R

     21 時間：
    在這個以講師為主導的現場培訓中，參與者將學習 Machine Learning 和 R 的高級技術，因為他們逐步創建了實際應用程式。 在培訓結束時，參與者將能夠：
    • 瞭解並實施無監督學習技術
    • 應用聚類和分類，根據真實世界的數據進行預測。
    • 可視化數據，以巧妙地獲得見解、做出決策並進一步優化分析。
    • 使用超參數優化提高機器學習模型的性能。
    • 將模型投入生產，以便在更大的應用程式中使用。
    • 應用先進的機器學習技術來回答涉及社交網路數據、大數據等的問題。
    更多...

    Matlab for Deep Learning

     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
    更多...

    Deep Learning for Finance (with R)

     28 時間：
    機器學習是人工智能的一個分支，其中計算機具有學習能力而無需明確編程。深度學習是機器學習的一個子領域，它使用基於學習數據表示和結構（如神經網絡）的方法。 R是金融行業中流行的編程語言。它用於從核心交易程序到風險管理系統的金融應用程序。 在這個以講師為主導的現場培訓中，參與者將學習如何使用R實施深度學習模型，因為他們逐步創建深度學習股票價格預測模型。 在培訓結束時，參與者將能夠：
    • 理解深度學習的基本概念
    • 了解深度學習在金融領域的應用和用途
    • 使用R為財務創建深度學習模型
    • 使用R建立自己的深度學習股票價格預測模型
    聽眾
    • 開發商
    • 數據科學家
    課程形式
    • 部分講座，部分討論，練習和繁重的實踐練習
    更多...

    Deep Learning for Banking (with Python)

     28 時間：
    機器學習是人工智能的一個分支，其中計算機具有學習能力而無需明確編程。深度學習是機器學習的一個子領域，它使用基於學習數據表示和結構（如神經網絡）的方法。 Python是一種高級編程語言，以其清晰的語法和代碼可讀性而聞名。 在這個以講師為主導的現場培訓中，參與者將學習如何使用Python實施深度學習銀行模型，同時逐步創建深度學習信用風險模型。 在培訓結束時，參與者將能夠：
    • 理解深度學習的基本概念
    • 了解深度學習在銀行業務中的應用和用途
    • 使用Python ， Keras和TensorFlow為銀行業務創建深度學習模型
    • 使用Python構建自己的深度學習信用風險模型
    聽眾
    • 開發商
    • 數據科學家
    課程形式
    • 部分講座，部分討論，練習和繁重的實踐練習
    更多...

    Deep Learning for Banking (with R)

     28 時間：
    機器學習是人工智能的一個分支，其中計算機具有學習能力而無需明確編程。深度學習是機器學習的一個子領域，它使用基於學習數據表示和結構（如神經網絡）的方法。 R是金融行業中流行的編程語言。它用於從核心交易程序到風險管理系統的金融應用程序。 在這個由講師指導的實時培訓中，參與者將學習如何使用R實施深度學習銀行模型，因為他們逐步創建深度學習信用風險模型。 在培訓結束時，參與者將能夠：
    • 理解深度學習的基本概念
    • 了解深度學習在銀行業務中的應用和用途
    • 使用R為銀行業務創建深度學習模型
    • 使用R建立自己的深度學習信用風險模型
    聽眾
    • 開發商
    • 數據科學家
    課程形式
    • 部分講座，部分討論，練習和繁重的實踐練習
    更多...

    Deep Learning for Finance (with Python)

     28 時間：
    機器學習是人工智能的一個分支，其中計算機有能力學習而不被明確編程。深度學習是機器學習的一個子領域，它使用基于學習數據表示和結構（如神經網絡）的方法。 Python是一種高級編程語言，因其清晰的語法和代碼可讀性而聞名。 在這種有指導性的現場培訓中，參與者將學習如何通過創建深度學習股票價格預測模型來實現使用Python進行融資的深度學習模型。 在培訓結束後，參與者將能夠： 理解深度學習的基本概念了解金融深度學習的應用和使用使用Python，Keras和TensorFlow爲財務創建深度學習模型使用Python構建自己的深度學習股票價格預測模型 聽衆 開發商數據科學家 課程的格式 部分講座，部分討論，練習和沈重的練習
    更多...

    Deep Learning AI Techniques for Executives, Developers and Managers

     21 時間：
    介紹： 深度學習正在成為未來產品設計的主要組成部分，希望將人工智慧納入其模型的核心。在未來 5 到 10 年內，深度學習開發工具、庫和語言將成為每個軟體開發工具包的標準元件。到目前為止Google，Sales Force，Facebook，亞馬遜已經成功地使用深度學習AI來促進他們的業務。應用範圍包括自動機器翻譯、圖像分析、視頻分析、運動分析、生成有針對性的廣告等等。 本課程面向那些希望將Deep Learning作為其產品或服務戰略非常重要的一部分的組織。以下是深度學習課程的大綱，我們可以為組織中不同級別的員工/利益相關者定製。 目標受眾： （根據目標受眾，課程材料將定製） 高管 人工智慧的總體概述及其如何融入企業戰略，包括關於戰略規劃、技術路線圖和資源分配的分組會議，以確保最大價值。 項目經理 如何規劃 AI 專案，包括數據收集和評估、數據清理和驗證、概念驗證模型的開發、與業務流程的集成以及整個組織的交付。 開發人員 深入的技術培訓，重點是神經網路和深度學習、圖像和視頻分析 （CNN）、聲音和文本分析 （NLP），並將 AI 引入現有應用程式。 售貨員 人工智慧的一般概述及其如何滿足客戶需求，各種產品和服務的價值主張，以及如何減輕恐懼和促進人工智慧的好處。
    更多...

    Neural computing – Data science

     14 時間：
    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
    更多...

    Deep Learning for Medicine

     14 時間：
    Machine Learning是人工智能的一個分支，其中計算機具有學習能力而無需明確編程。 Deep Learning是Machine Learning一個子領域，它試圖模仿人類大腦在做出決策時的運作。它經過數據培訓，可以自動提供問題解決方案。 Deep Learning為坐在數據金礦上的醫療行業提供了巨大的機會。 在以講師為主導的現場培訓中，參與者將參與一系列討論，練習和案例研究分析，以了解Deep Learning的基本原理。將評估最重要的Deep Learning工具和技術，並將開展練習，為參與者在其組織內進行Deep Learning解決方案的評估和實施做好準備。 在培訓結束時，參與者將能夠：
    • 了解Deep Learning的基礎知識
    • 學習Deep Learning技術及其在行業中的應用
    • 檢查可以通過Deep Learning技術解決的醫學問題
    • 探索醫學中的Deep Learning案例研究
    • 制定採用Deep Learning最新技術解決醫學問題的策略
    聽眾
    • 經理
    • 領導角色的醫療專業人員
    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。
    更多...

    Python and Deep Learning with OpenCV 4

     14 時間：
    這種以講師為主導的台灣現場培訓（現場或遠端）針對的是希望使用OpenCV 4進行深度學習的Python程式設計的軟體工程師。 在培訓結束時，參與者將能夠：
    • 使用 OpenCV 4 查看、載入和分類圖像和影片。
    • 在 OpenCV 4 中使用 TensorFlow 和 Keras 實現深度學習。
    • 運行深度學習模型，並從圖像和視頻中生成有影響力的報告。
    更多...

    Hardware-Accelerated Video Analytics

     14 時間：
    這種以講師為主導的台灣現場培訓（現場或遠端）面向希望構建硬體加速物件檢測和跟蹤模型以分析流視頻數據的開發人員。 在培訓結束時，參與者將能夠：
    • 安裝和配置必要的開發環境、軟體和庫以開始開發。
    • 構建、訓練和部署深度學習模型以分析實時視頻源。
    • 識別、跟蹤、分割和預測視頻幀中的不同物件。
    • 優化目標檢測和跟蹤模型。
    • 部署智能視頻分析 （IVA） 應用程式。
    更多...

    Deep Learning for Healthcare

     14 時間：
    這種以講師為主導的台灣現場培訓（現場或遠端）面向希望將捲積神經網路（CNN）應用於MRI掃描分析的開發人員和數據科學家。 在培訓結束時，參與者將能夠：
    • 安裝和配置必要的開發環境、軟體和庫以開始開發。
    • 使用CNN等深度學習技術分析 MRI 圖像。
    • 通過MRI掃描分析檢測潛在的健康情況，例如心臟病。
    • 應用圖像分割和CNN訓練等技術來識別潛在的疾病。
    • 使用影像組學鑒定疾病的基因組學。
    • 構建和部署旨在進行醫療保健圖像分析的深度學習應用程式 。
    更多...

    DeepMind Lab

     14 時間：
    這種以講師為主導的台灣現場培訓（現場或遠端）針對希望安裝，設置，定製和使用DeepMind Lab平台開發通用人工智慧和機器學習系統的研究人員和開發人員。在培訓結束時，參與者將能夠：
    • 自訂 DeepMind Lab 以構建和運行適合學習和培訓需求的環境。
    • 使用 DeepMind Lab 的 3D 模擬環境以第一人稱視角訓練學習代理。
    • 促進代理評估，以在類似 3D 遊戲的世界中開發智慧。
    更多...

    Deep Learning for Business

     14 時間：
    這種由講師指導的台灣現場現場培訓面向希望構建和實施深度學習模型以加速收入增長並解決商業世界中的問題的業務分析師，數據科學家和開發人員。 在培訓結束時，參與者將能夠：
    • 了解機器學習和深度學習的核心概念。
    • 通過 ML 和 DL 深入瞭解商業和行業的未來。
    • 通過深度學習定義業務戰略 和解決方案。
    • 瞭解如何應用數據科學和深度學習來解決業務問題。
    • 使用 Python、Pandas、TensorFlow、CNTK、Torch、Keras 等構建深度學習模型。
    更多...

    TensorFlow Lite for Embedded Linux

     21 時間：
    這種以講師為主導的台灣現場現場培訓面向希望使用TensorFlow Lite在嵌入式設備上部署深度學習模型的開發人員。 在培訓結束時，參與者將能夠：
    • 在嵌入式設備上安裝和配置 Tensorflow Lite。
    • 瞭解 TensorFlow Lite 的基本概念和元件。
    • 將現有模型轉換為 TensorFlow Lite 格式，以便在嵌入式設備上執行。
    • 在小型設備和 TensorFlow Lite 的限制範圍內工作，同時學習如何擴展可以運行的操作範圍。
    • 在運行 Linux 的嵌入式設備上部署深度學習模型。
    更多...

    TensorFlow Lite for Android

     21 時間：
    這種以講師為主導的台灣現場培訓（現場或遠端）針對希望使用TensorFlow Lite開發具有深度學習功能的移動應用程式的開發人員。 在培訓結束時，參與者將能夠：
    • 安裝和配置 TensorFlow Lite。
    • 瞭解 TensorFlow、機器學習和深度學習背後的原理。
    • 將 TensorFlow 模型載入到 Android 設備上。
    • 在移動應用程式中啟用深度學習和機器學習功能，例如電腦視覺和自然語言識別。
    更多...

    Tensorflow Lite for Microcontrollers

     21 時間：
    這種以講師為主導的台灣現場培訓（現場或遠端）面向希望在非常小的嵌入式設備上編寫，載入和運行機器學習模型的工程師。 在培訓結束時，參與者將能夠：
    • 安裝 TensorFlow Lite。
    • 將機器學習模型載入式設備上，使其能夠檢測語音、對圖像進行分類等。
    • 將 AI 添加到硬體設備，而無需依賴網路連接。
    更多...

    TensorFlow Lite for iOS

     21 時間：
    這種以講師為主導的現場培訓（現場或遠端）面向希望使用TensorFlow Lite開發具有深度學習功能的iOS移動應用程式的開發人員。 在培訓結束時，參與者將能夠：
    • 安裝和配置 TensorFlow Lite。
    • 了解行動裝置上的 TensorFlow 和機器學習背後的原理。
    • 將 TensorFlow 模型載入到 iOS 設備上。
    • 運行能夠檢測和分類通過設備攝像頭捕獲的物件的iOS應用程式。
    更多...

    Deep Learning Neural Networks with Chainer

     14 時間：
    這種以講師為主導的台灣現場現場培訓針對的是希望使用Chainer在Python中構建和訓練神經網路的研究人員和開發人員，同時使代碼易於調試。 在培訓結束時，參與者將能夠：
    • 設置必要的開發環境以開始開發神經網路模型。
    • 使用易於理解的原始程式碼定義和實現神經網路模型。
    • 執行範例並修改現有演算法以優化深度學習訓練模型，同時利用 GPU 實現高性能。
    更多...

    Distributed Deep Learning with Horovod

     7 時間：
    這種由講師指導的台灣現場（現場或遠端）現場培訓面向希望使用Horovod運行分散式深度學習訓練並將其擴展為在多個GPU上並行運行的開發人員或數據科學家。 在培訓結束時，參與者將能夠：
    • 設置必要的開發環境以開始運行深度學習訓練。
    • 安裝和配置 Horovod 以使用 TensorFlow、Keras、PyTorch 和 Apache MXNet 訓練模型。
    • 使用 Horovod 擴展深度學習訓練，使其在多個 GPU 上運行。
    更多...

    Accelerating Deep Learning with FPGA and OpenVINO

     35 時間：
    這種以講師為主導的台灣現場現場培訓面向希望加速即時機器學習應用程式並大規模部署的數據科學家。 在培訓結束時，參與者將能夠：
    • 安裝 OpenVINO 工具包。
    • 使用 FPGA 加速電腦視覺應用。
    • 在FPGA上執行不同的CNN層。
    • 跨 Kubernetes 集群中的多個節點擴展應用程式。
    更多...

    Building Deep Learning Models with Apache MXNet

     21 時間：
    這種以講師為主導的現場培訓（現場或遠端）針對的是希望使用Apache MXNet來構建和部署用於圖像識別的深度學習模型的數據科學家。 在培訓結束時，參與者將能夠：
    • 安裝和配置 Apache MXNet 及其元件。
    • 瞭解MXNet的架構和數據結構。
    • 使用 Apache MXNet 的低級和高級 API 高效構建神經網路。
    • 構建用於圖像分類的捲積神經網路。
    更多...

    Deep Learning with Keras

     21 時間：
    這種以講師為主導的台灣現場現場培訓針對的是希望將深度學習模型應用於圖像識別應用的技術人員。 在培訓結束時，參與者將能夠：
    • 安裝和配置 Keras。
    • 快速構建深度學習模型原型。
    • 實現卷積網路。
    • 實施循環網路。
    • 在 CPU 和 GPU 上執行深度學習模型。
    更多...

    Deep Learning for Self Driving Cars

     21 時間：
    這種由講師指導的台灣現場現場培訓面向希望使用深度學習技術構建自動駕駛汽車的開發人員。 在培訓結束時，參與者將能夠：
    • 使用 Keras 構建和訓練卷積神經網路。
    • 使用電腦視覺技術識別自動駕駛專案中的車道。
    • 訓練深度學習模型來區分交通標誌。
    • 類比全自動駕駛汽車。
    更多...

    Advanced Deep Learning with Keras and Python

     14 時間：
    這種以講師為主導的台灣現場現場培訓面向希望使用Keras和Python開發高級深度學習神經網路和模型的軟體工程師。 在培訓結束時，參與者將能夠：
    • 使用有監督或無監督學習方法應用深度學習。
    • 開發、訓練和實現併發神經網路和遞歸神經網路。
    • 使用 Keras 和 Python 構建深度學習模型，以解決涉及圖像、文本、聲音等的問題。
    更多...

    Torch for Machine and Deep Learning

     21 時間：
    Torch是一個開源的機器學習庫和基於Lua編程語言的科學計算框架。它為數字，機器學習和計算機視覺提供了一個開發環境，特別強調深度學習和卷積網絡。它是機器和Deep Learning速度最快，最靈活的框架之一，被Facebook ， Go ogle，Twitter，NVIDIA，AMD，英特爾等公司使用。 在這個以講師為主導的現場培訓中，我們將介紹Torch的原理，其獨特的功能以及如何將其應用於實際應用中。我們在整個過程中逐步進行多次動手練習，展示和練習所學的概念。 在課程結束時，與其他框架和庫相比，參與者將全面了解Torch的基本特性和功能，以及它在AI空間中的作用和貢獻。參與者還將獲得在他們自己的項目中實施Torch的必要實踐。
      課程格式
      • 機器和Deep Learning概述
      • 課堂編碼和集成練習
      • 沿途撒有測試題以檢查理解
      更多...

      Mastering Apache SINGA

       21 時間：
      SINGA是一個通用的分佈式深度學習平台，用於在大型數據集上訓練大型深度學習模型。它採用基於圖層抽象的直觀編程模型設計。支持各種流行的深度學習模型，即包括卷積神經網絡（CNN）的前饋模型，諸如受限玻爾茲曼機（RBM）的能量模型和遞歸神經網絡（RNN）。為用戶提供了許多內置層。 SINGA架構足夠靈活，可以運行同步，異步和混合培訓框架。 SINGA還支持不同的神經網絡劃分方案來並行化大型模型的訓練，即分批維度，特徵維度或混合分區。 聽眾 本課程面向希望利用Apache SINGA作為深度學習框架的研究人員，工程師和開發人員。 完成本課程後，代表們將：
      • 了解SINGA的結構和部署機制
      • 能夠執行安裝/生產環境/架構任務和配置
      • 能夠評估代碼質量，執行調試，監控
      • 能夠實現高級生產，如培訓模型，嵌入術語，構建圖形和記錄
      更多...

      NLP with Deeplearning4j

       14 時間：
      Deeplearning4j是一個為Java和Scala編寫的開源分佈式深度學習庫。 DL4J與Hadoop和Spark集成，旨在用於分佈式GPU和CPU的業務環境。 Word 2Vec是一種計算由Tomas Mikolov領導的Go ogle研究團隊引入的單詞矢量表示的方法。 聽眾 本課程面向尋求利用Deeplearning4J構建Word 2Vec模型的研究人員，工程師和開發人員。
      更多...

      Last Updated:

      客戶評論(15)

      The clarity with which it was presented

      John McLemore - Motorola Solutions

      Course - Deep Learning for Telecom (with Python)

      The trainer explained the content well and was engaging throughout. He stopped to ask questions and let us come to our own solutions in some practical sessions. He also tailored the course well for our needs.

      Robert Baker

      Course - Deep Learning with TensorFlow 2.0

      Tomasz really know the information well and the course was well paced.

      Raju Krishnamurthy - Google

      Course - TensorFlow Extended (TFX)

      Organization, adhering to the proposed agenda, the trainer's vast knowledge in this subject

      Ali Kattan - TWPI

      Course - Natural Language Processing with TensorFlow

      The trainer was a professional in the subject field and related theory with application excellently

      Fahad Malalla - Tatweer Petroleum

      Course - Applied AI from Scratch in Python

      In-depth coverage of machine learning topics, particularly neural networks. Demystified a lot of the topic.

      Sacha Nandlall

      Course - Python for Advanced Machine Learning

      Very flexible.

      Frank Ueltzhöffer

      Course - Artificial Neural Networks, Machine Learning and Deep Thinking

      Very updated approach or CPI (tensor flow, era, learn) to do machine learning.

      Paul Lee

      Course - TensorFlow for Image Recognition

      I liked the new insights in deep machine learning.

      Josip Arneric

      Course - Neural Network in R

      We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.

      Sebastiaan Holman

      Course - Machine Learning and Deep Learning

      I really appreciated the crystal clear answers of Chris to our questions.

      Léo Dubus

      Course - Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple

      The global overview of deep learning.

      Bruno Charbonnier

      Course - Advanced Deep Learning

      The topic is very interesting.

      Wojciech Baranowski

      Course - Introduction to Deep Learning

      Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.

      Gudrun Bickelq

      Course - Introduction to the use of neural networks

      It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.

      Jonathan Blease

      Course - Artificial Neural Networks, Machine Learning, Deep Thinking

      Upcoming Courses

      Matlab for Deep Learning

      2024-07-28 09:30
      14 時間：
      全球運籌中心, 台中
      23400 NT$ (线上)
      149400 NT$ (課堂)

      Tensorflow Lite for Microcontrollers

      2024-08-11 09:30
      21 時間：
      The Hsinchu Wishun centre
      29700 NT$ (线上)
      29700 NT$ (課堂)

      OpenNMT: Setting Up a Neural Machine Translation System

      2024-08-25 09:30
      7 時間：
      Taipei, Aurora
      11700 NT$ (线上)
      11700 NT$ (課堂)

      TensorFlow Lite for Embedded Linux

      2024-09-08 09:30
      21 時間：
      台北, Concord
      29700 NT$ (线上)
      29700 NT$ (課堂)

      Deep Learning for Banking (with R)

      2024-09-22 09:30
      28 時間：
      台北華新信義
      46800 NT$ (线上)
      46800 NT$ (課堂)

      Python and Deep Learning with OpenCV 4

      2024-10-06 09:30
      14 時間：
      全球運籌中心, 台中
      19800 NT$ (线上)
      145800 NT$ (課堂)

      Introduction to Deep Learning

      2024-10-20 09:30
      21 時間：
      The Hsinchu Wishun centre
      35100 NT$ (线上)
      35100 NT$ (課堂)

      Other regions in 台灣

      Other Countries

      以下培訓課程在其他國家也可以預定

      諮詢顧問

      Deep Learning 諮詢顧問
      DL (Deep Learning),培訓,課程,培訓課程, 企業DL (Deep Learning)培訓, 短期Deep Learning培訓, Deep Learning (DL)課程, DL (Deep Learning)周末培訓, Deep Learning晚上培訓, DL (Deep Learning)訓練, 學習Deep Learning (DL), Deep Learning (DL)老師, 學Deep Learning班, Deep Learning遠程教育, 一對一Deep Learning (DL)課程, 小組Deep Learning (DL)課程, Deep Learning (DL)培訓師, Deep Learning輔導班, Deep Learning教程, DL (Deep Learning)私教, Deep Learning (DL)輔導, Deep Learning (DL)講師