在線或現場，講師指導的即時深度學習（DL）培訓課程通過動手實踐展示深度學習的基礎知識和應用，並涵蓋深度機器學習，深度結構化學習和分層學習等主題。
深度學習培訓以「在線實時培訓」或「現場實時培訓」的形式提供。在線實時培訓（又名“遠程實時培訓”）通過互動式
NobleProg -- 您當地的培訓機構
Machine Translated
Testimonials
保持簡短和簡單。 圍繞概念創建直覺和視覺模型（決策樹圖、線性方程、手動計算y_pred以證明模型的工作原理）。
Nicolae - Oana Pancea , DB Global Technology
Course: Machine Learning
Machine Translated
它説明我實現了理解ML的目標。非常尊重 Pablo 在這個主題上給出適當的介紹，因為經過 3 天的培訓后，這個主題變得非常廣泛。我也很喜歡你提供的虛擬機的想法，它的延遲非常好！它允許每個專家按照自己的節奏進行實驗。
Silviu - Oana Pancea , DB Global Technology
Course: Machine Learning
Machine Translated
巴勃羅是一位偉大的教練！他的教學風格有趣且易於遵循。他以易於理解的方式解釋了複雜的主題，並花時間詳細介紹並提供實際範例。他回答了每一個問題，即使是那些超出課程一般範圍的問題。他準備了示例、練習、學習材料，並設法在短短 3 天內適應了大量資訊。肯定會參加他教的另一門課程。
Oana Pancea , DB Global Technology
Course: Machine Learning
Machine Translated
培訓者的氛圍、知識和態度
Oana Pancea , DB Global Technology
Course: Machine Learning
Machine Translated
Deep Learning課程大綱
課程名稱
課程時長
概覽
課程名稱
課程時長
概覽
21小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at intermediate to advanced-level data scientists, machine learning engineers, deep learning researchers, and computer vision experts who wish to expand their knowledge and skills in deep learning for text-to-image generation.
By the end of this training, participants will be able to:
- Understand advanced deep learning architectures and techniques for text-to-image generation.
- Implement complex models and optimizations for high-quality image synthesis.
- Optimize performance and scalability for large datasets and complex models.
- Tune hyperparameters for better model performance and generalization.
- Integrate Stable Diffusion with other deep learning frameworks and tools.
21小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at beginner to intermediate-level data scientists and machine learning engineers who wish to improve the performance of their deep learning models.
By the end of this training, participants will be able to:
- Understand the principles of distributed deep learning.
- Install and configure DeepSpeed.
- Scale deep learning models on distributed hardware using DeepSpeed.
- Implement and experiment with DeepSpeed features for optimization and memory efficiency.
7小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at biologists who wish to understand how AlphaFold works and use AlphaFold models as guides in their experimental studies.
By the end of this training, participants will be able to:
- Understand the basic principles of AlphaFold.
- Learn how AlphaFold works.
- Learn how to interpret AlphaFold predictions and results.
21小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at data scientists, machine learning engineers, and computer vision researchers who wish to leverage Stable Diffusion to generate high-quality images for a variety of use cases.
By the end of this training, participants will be able to:
- Understand the principles of Stable Diffusion and how it works for image generation.
- Build and train Stable Diffusion models for image generation tasks.
- Apply Stable Diffusion to various image generation scenarios, such as inpainting, outpainting, and image-to-image translation.
- Optimize the performance and stability of Stable Diffusion models.
21小時
在這一由講師引導的現場培訓中，參與者將學習Python中最相關及最尖端的機器學習技術，因爲它們構建了一系列涉及圖像、音樂、文本和財務數據的演示應用程序。
在本次培訓結束後，參與者將能夠：
- 運用用于解決複雜問題的機器學習算法和技術
- 將深度學習和半監督學習應用于涉及圖像、音樂、文本和財務數據的應用程序
- 推動Python算法達到其最大潛力
- 使用例如NumPy和Theano的庫和包
- 開發人員
- 分析師
- 數據科學家
- 部分講座、部分討論、練習和大量實操
21小時
This instructor-led, live training in 台灣 (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.
28小時
In this instructor-led, live training in 台灣, 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.
14小時
嵌入式投影儀是一款開源Web應用程序，用于可視化用于訓練機器學習系統的數據。由Google創建，它是TensorFlow的一部分。 這個有指導意義的現場培訓介紹了嵌入式投影儀背後的概念，並讓參與者通過演示項目的設置。 在培訓結束後，參與者將能夠： 探索機器學習模型如何解釋數據浏覽數據的3D和2D視圖以了解機器學習算法如何解釋它理解嵌入背後的概念及其在表示圖像，單詞和數字的數學向量中的作用。 探索特定嵌入的屬性以了解模型的行爲將嵌入項目應用于真實世界的用例，例如爲音樂愛好者建立歌曲推薦系統 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
21小時
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。
21小時
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。
28小時
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。
21小時
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
14小時
This course covers AI (emphasizing Machine Learning and Deep Learning) in Automotive Industry. It helps to determine which technology can be (potentially) used in multiple situation in a car: from simple automation, image recognition to autonomous decision making.
14小時
在這個由講師指導的現場培訓中，我們將介紹神經網路的原理， 並使用 OpenNN 來實現示例應用程式。
課程形式
講座和討論加上動手練習。
7小時
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。
- 部分講座，部分討論，重點實踐練習
21小時
類型：理論培訓與應用程序決定上游與學生在Lasagne或Keras根據教學組教學方法：演講，交流和案例研究在破壞了許多科學領域之後，人工智能開始為大量經濟部門（工業，醫學，通信等）帶來革命。然而，它在大媒體中的呈現往往是幻想，遠離Machine Learning或Deep Learning真正領域。此培訓的目的是為已經掌握計算機工具（包括軟件編程基礎）的工程師提供Deep Learning及其各個專業領域的介紹，從而為現有的主要網絡架構提供介紹。今天。如果在課程期間召回數學基礎，建議使用BAC + 2類型的數學水平以獲得更多的舒適度。絕對有可能跳過數學軸只保持“系統”視覺，但這種方法將極大地限制您對該主題的理解。
7小時
Fairseq是Facebok爲神經機器翻譯（NMT）創建的開源序列序列學習工具包。 在這次培訓中，參與者將學習如何使用Fairseq來翻譯樣本內容。 通過此次培訓的結束，參與者將具備實施基于Fairseq的機器翻譯解決方案所需的知識和實踐。 聽衆 具有技術背景的本地化專家全球內容管理員本地化工程師負責實施全球內容解決方案的軟件開發人員 課程的格式 部分講座，部分討論，沈重的練習 注意 如果您想使用特定的源語言和目標語言內容，請聯系我們安排。
21小時
Microsoft Cognitive Toolkit 2x（以前的CNTK）是一種開源的商業級工具包，可以訓練深度學習算法，以便像人類大腦一樣學習。根據微軟的說法，CNTK在循環網絡上的速度可能比TensorFlow快510倍，對于與圖像相關的任務來說，TensorFlow的速度要快2-3倍。 在這種有指導性的現場培訓中，參與者將學習如何使用Microsoft Cognitive Toolkit來創建，訓練和評估深度學習算法，以用于涉及多種類型數據（如數據，語音，文本和圖像）的商業級AI應用程序。 在培訓結束後，參與者將能夠： 從Python，C＃或C ++程序中將CNTK作爲庫訪問通過自己的模型描述語言（BrainScript），使用CNTK作爲獨立的機器學習工具。 使用Java程序中的CNTK模型評估功能結合前饋DNN，卷積網絡（CNN）和循環網絡（RNN / LSTM） 在CPU，GPU和多台機器上擴展計算能力使用現有的編程語言和算法訪問海量數據集 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 注意 如果您想定制此培訓的任何部分，包括選擇的編程語言，請聯系我們安排。
21小時
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
7小時
在這個由講師指導的實時培訓中，參與者將學習如何使用DSSTNE來構建推薦應用程序。 在培訓結束時，參與者將能夠：
- 使用稀疏數據集作為輸入訓練推薦模型
- 在多個GPU擴展訓練和預測模型
- 以模型並行方式擴展計算和存儲
- 生成類似亞馬遜的個性化產品推薦
- 部署可在繁重工作負載下擴展的生產就緒應用程序
- 部分講座，部分討論，練習和繁重的實踐練習
7小時
Tensor2Tensor（T2T）是一個模塊化，可擴展的庫，用于使用不同類型的訓練數據在不同任務中訓練AI模型，例如：圖像識別，翻譯，解析，圖像字幕和語音識別。它由Google Brain團隊維護。 在這種有指導性的現場培訓中，參與者將學習如何准備一種深度學習模式來解決多項任務。 在培訓結束後，參與者將能夠： 安裝tensor2tensor，選擇一個數據集，並訓練和評估一個AI模型使用Tensor2Tensor中包含的工具和組件自定義開發環境創建並使用單個模型同時從多個域中學習許多任務使用該模型從具有大量訓練數據的任務中學習，並將該知識應用于數據有限的任務使用單個GPU獲得令人滿意的處理結果 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
14小時
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
21小時
在這個有指導意義的現場培訓中，參與者將學習使用R進行機器學習的先進技術，以便他們逐步創建實際應用程序。 在培訓結束後，參與者將能夠： 使用技術作爲超參數調整和深度學習了解並實施無監督學習技巧將模型投入生産以用于更大的應用程序 聽衆 開發商分析師數據科學家 課程的格式 部分講座，部分討論，練習和沈重的練習
14小時
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
- Developers
- Engineers
- Domain experts
- Part lecture, part discussion, exercises and heavy hands-on practice
28小時
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
- 開發商
- 數據科學家
- 部分講座，部分討論，練習和繁重的實踐練習
28小時
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
- Developers
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
Last Updated:
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
