Deep Learning培訓

Deep Learning培訓

本地的,具有指導作用的現場深度學習(DL)培訓課程通過實踐深入學習的基礎知識和應用程序進行演示,並涵蓋深入機器學習,深層次學習和分層學習等主題。深度學習培訓可作為“現場實時培訓”或“遠程實時培訓”。現場實地培訓可在當地客戶所在地進行台灣或者在NobleProg公司的培訓中心台灣 。遠程實時培訓通過交互式遠程桌面進行。 NobleProg您當地的培訓提供商。

客戶評論

★★★★★
★★★★★

Deep Learning課程大綱

代碼名稱時長概覽
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 小時人工神經網絡是一種計算數據模型,用于開發能夠執行“智能”任務的人工智能(AI)系統。神經網絡通常用于機器學習(ML)應用程序,它們本身就是AI的一種實現。深度學習是ML的一個子集。
undnnUnderstanding Deep Neural Networks35 小時本課程首先向您介紹神經網絡的概念知識,一般用于機器學習算法,深度學習(算法和應用)。 第一部分(40%)的培訓更注重基礎知識,但會幫助您選擇正確的技術:TensorFlow,Caffe,Theano,DeepDrive,Keras等。 本次培訓的第二部分(20%)介紹了Theano python庫,使得深入學習模型的編寫變得輕松。 第三部分(40%)的培訓將廣泛地基于Google的深度學習開源軟件庫Tensorflow第二代API。示例和操作都將在TensorFlow中完成。 聽衆 本課程面向尋求將TensorFlow用于深度學習項目的工程師完成本課程後,代表們將: 對深度神經網絡(DNN),CNN和RNN有很好的理解了解TensorFlow的結構和部署機制能夠執行安裝/生産環境/架構任務和配置能夠評估代碼質量,執行調試和監控能夠實施先進的生産,如培訓模型,建築圖表和日志由于主題的廣泛性,並不是所有主題都會在35小時的公共課堂中進行討論。 完整課程的時間將爲70小時左右,而不是35小時。
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7 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
embeddingprojectorEmbedding Projector: Visualizing Your Training Data14 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
openfaceOpenFace: Creating Facial Recognition Systems14 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
pythonadvmlPython for Advanced Machine Learning21 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

受衆

- 開發人員
- 分析師
- 數據科學家

課程形式

- 部分講座、部分討論、練習和大量實操
radvmlAdvanced Machine Learning with R21 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
tensorflowservingTensorFlow Serving7 小時TensorFlow Serving是一個爲機器學習(ML)模型提供服務的系統。 在這個有指導的現場培訓中,參與者將學習如何配置和使用TensorFlow Serving在生産環境中部署和管理ML模型。 在培訓結束後,參與者將能夠: 培訓,出口和服務各種TensorFlow模型使用單一架構和一組API來測試和部署算法擴展TensorFlow服務于TensorFlow型號之外的其他類型的模型 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
matlabdlMatlab for Deep Learning14 小時在這一由講師引導的現場培訓中,參與者將學習如何使用Matlab來設計、構建、可視化用于圖像識別的卷積神經網絡。

在培訓結束後,參與者將能夠:

- 建立深度學習的模式
- 使數據分類自動化
- 使用Caffe和TensorFlow-Keras的模型
- 使用多個GPU、雲或群集訓練數據

受衆

- 開發人員
- 工程師
- 領域專家

課程形式

- 部分講座、部分討論、練習和大量實操
mlbankingpython_Machine Learning for Banking (with Python)21 小時在這一由講師引導的現場培訓中,參與者將學習如何應用機器學習技術和工具來解決銀行業的現實問題。Python將被用作編程語言。

參與者首先學習關鍵原則,然後通過建立自己的機器學習模型並使用模型來完成一些現場項目以將所學知識運用到實踐中。

受衆

- 開發人員
- 數據科學家

課程形式

- 部分講座、部分討論、練習和大量實操
dlfornlpDeep Learning for NLP (Natural Language Processing)28 小時NLP的深度學習使機器學習簡單到複雜的語言處理。當前可能的任務包括語言翻譯和照片的標題生成。 DL(深度學習)是ML(機器學習)的子集。 Python是一種流行的編程語言,包含用于NLP深度學習的庫。 在這個有指導意義的現場培訓中,參與者將學習使用Python庫進行NLP(自然語言處理),因爲他們創建了一個處理一組圖片並生成字幕的應用程序。 在培訓結束後,參與者將能夠: 使用Python庫設計和編寫用于NLP的DL 創建讀取大量圖片並生成關鍵字的Python代碼創建Python代碼,從檢測到的關鍵字中生成字幕 聽衆 對語言學感興趣的程序員希望了解NLP(自然語言處理)的程序員 課程的格式 部分講座,部分討論,練習和沈重的練習
PaddlePaddlePaddlePaddle21 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
dlfinancewithrDeep Learning for Finance (with R)28 小時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。 R是金融行業流行的編程語言。它用于金融應用,從核心交易計劃到風險管理系統。 在這種有指導性的現場培訓中,參與者將學習如何通過建立深度學習股票價格預測模型來實施R的金融深度學習模型。 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R來創建融資的深度學習模型利用R建立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
dlforbankingwithpythonDeep Learning for Banking (with Python)28 小時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。 在這種有指導意義的現場培訓中,參與者將學習如何通過創建深度學習信用風險模型來實施使用Python的銀行業深度學習模型。 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深度學習在銀行業務中的應用和使用使用Python,Keras和TensorFlow爲銀行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
dlforbankingwithrDeep Learning for Banking (with R)28 小時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。 R是金融行業流行的編程語言。它用于金融應用,從核心交易計劃到風險管理系統。 在這種有指導性的現場培訓中,參與者將學習如何通過建立深度學習信用風險模型來實施銀行使用R的深度學習模式。 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深度學習在銀行業務中的應用和使用使用R爲銀行創建深度學習模型使用R構建自己的深度學習信用風險模型 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
dlforfinancewithpythonDeep Learning for Finance (with Python)28 小時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
drlpython用Python進行深度強化學習21 小時深度強化學習是指“人工智能體”通過反複試驗和獎懲來學習的能力。人工智能體旨在模仿人類直接從原始輸入(如視覺)獲取和構建知識的能力。爲了實現強化學習,深度學習和神經網絡會被用到。強化學習與機器學習不同,不依賴于有監督和無監督的學習方法。

在這一由講師引導的現場培訓中,學員將在逐步創建深度學習智能體的過程中學習深度強化學習的基礎知識。

在本次培訓結束後,學員將能夠:

- 理解深度強化學習的基本概念,及其與機器學習的區別
- 運用先進的強化學習算法來解決實際問題
- 構建深度學習智能體

受衆

- 開發人員
- 數據科學家

課程形式

- 部分講座、部分討論、練習和大量實操
DLAITEDMDeep Learning AI Techniques for Executives, Developers and Managers21 小時介紹: 深度學習正在成爲未來産品設計的一個主要組成部分,希望將人工智能納入其模型的核心。在未來的5到10年內, 深度學習開發工具,庫和語言將成爲每個軟件開發工具包的標准組件。到目前爲止,Google,Sales Force,Facebook,亞馬遜已經成功使用深度學習AI來提升業務。應用範圍從自動機器翻譯,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深度學習作爲其産品或服務策略非常重要的組成部分的組織。以下是我們可以爲組織中不同級別的員工/利益相關者定制的深度學習課程大綱。 目標聽衆: (根據目標受衆,課程材料將被定制) 高管概述AI及其如何融入公司戰略,並在戰略規劃,技術路線圖和資源分配方面進行分組討論,以確保最大價值。 項目經理如何規劃AI項目,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,業務流程的整合以及整個組織的交付。 開發商深入的技術培訓,重點關注神經網絡和深度學習,圖像和視頻分析(CNN),聲音和文本分析(NLP),以及將AI引入現有應用程序。 銷售人員人工智能及其如何滿足客戶需求的總體概述,各種産品和服務的價值主張,以及如何消除恐懼並提升人工智能的益處。
Nue_LBGNeural computing – Data science14 小時這個基于課堂的培訓課程將包含演示和基于計算機的示例以及與相關的神經和深層網絡庫進行的案例學習練習
dlformedicineDeep Learning for Medicine14 小時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,它試圖模仿人類大腦在決策中的運作。它接受數據訓練以自動提供問題的解決方案。深度學習爲坐在數據庫上的醫療行業提供了巨大的機會。 在這個有指導的現場培訓中,參與者將會 參加一系列討論,練習和案例研究分析,了解 Deep Learning 的基礎知識 。將對最重要的深度學習工具和技術進行評估,並 開展運動訓練,爲參與者 在其 組織 內部進行深度學習解決方案的評估和實施 做好准備 。 在培訓結束後,參與者將能夠: 了解深度學習的基礎知識 學習深度學習技術及其在行業中的應用 檢查深度學習技術可以解決的醫學問題 探索深度學習醫學案例研究 制定采用深度學習最新技術來解決醫學問題的策略 聽衆 經理 領導角色的醫療專業人士 課程的格式 部分講座,部分討論,練習和沈重的練習 注意 要請求本課程的定制培訓,請聯系我們安排。
dlfortelecomwithpythonDeep Learning for Telecom (with Python)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 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

Audience

- Developers
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice
dsstneAmazon DSSTNE: Build a Recommendation System7 小時亞馬遜DSSTNE是一個開源庫,用于培訓和部署推薦模型。它允許單個GPU上的權重矩陣過大的模型在單個主機上進行培訓。 在這個有指導意義的現場培訓中,參與者將學習如何使用DSSTNE構建推薦應用程序。 在培訓結束後,參與者將能夠: 用稀疏數據集作爲輸入來訓練推薦模型在多個GPU上擴展訓練和預測模型以模型並行的方式展開計算和存儲生成Amazonlike個性化産品推薦部署可以在繁重工作負載下擴展的生産准備應用程序 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
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 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。
deeplearning1Introduction to Deep Learning21 小時本課程是深度學習的一般概述,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准確性的人。
caffeDeep Learning for Vision with Caffe21 小時Caffe是一個深思熟慮的表達,速度和模塊化的深度學習框架。 本課程以MNIST爲例,探討Caffe作爲深度圖像識別學習框架的應用 聽衆 本課程適合深度學習的研究人員和工程師,他們對利用Caffe作爲框架感興趣。 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/生産環境/架構任務和配置評估代碼質量,執行調試和監控實施先進的生産,如培訓模式,實施層和記錄
bspkannmldtArtificial Neural Networks, Machine Learning and Deep Thinking21 小時人工神經網絡是一種計算數據模型,用于開發能夠執行“智能”任務的人工智能(AI)系統。神經網絡通常用于機器學習(ML)應用程序,它們本身就是AI的一種實現。深度學習是ML的一個子集。
dladvAdvanced Deep Learning28 小時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。
tf101Deep Learning with TensorFlow21 小時TensorFlow是Google的深度學習開源軟件庫的第二代API。該系統旨在促進機器學習方面的研究,並使其從研究原型轉換爲生産系統變得快速簡單。 聽衆 本課程面向尋求將TensorFlow用于深度學習項目的工程師 完成本課程後,代表們將: 了解TensorFlow的結構和部署機制能夠執行安裝/生産環境/架構任務和配置能夠評估代碼質量,執行調試和監控能夠實施先進的生産,如培訓模型,建築圖表和日志
tfirTensorFlow for Image Recognition28 小時本課程通過具體示例探討Tensor Flow在圖像識別中的應用 聽衆 本課程面向尋求將TensorFlow用于圖像識別目的的工程師 完成本課程後,代表們將能夠: 了解TensorFlow的結構和部署機制執行安裝/生産環境/架構任務和配置評估代碼質量,執行調試和監控實施先進的生産,如培訓模型,建築圖和記錄
tsflw2vNatural Language Processing with TensorFlow35 小時TensorFlow™是使用數據流圖進行數值計算的開源軟件庫。 SyntaxNet是TensorFlow的神經網絡自然語言處理框架。 Word2Vec用于學習單詞的矢量表示,稱爲“單詞嵌入”。 Word2vec是一種用于從原始文本中學習單詞嵌入的特別計算有效的預測模型。它有兩種風格,連續BagofWords模型(CBOW)和SkipGram模型(Mikolov等人的第31章和第32章)。 SyntaxNet和Word2Vec允許用戶從自然語言輸入中生成Learned Embedding模型。 聽衆 本課程面向那些打算在TensorFlow圖表中使用SyntaxNet和Word2Vec模型的開發人員和工程師。 完成本課程後,代表們將: 了解TensorFlow的結構和部署機制能夠執行安裝/生産環境/架構任務和配置能夠評估代碼質量,執行調試和監控能夠實施先進的生産,如培訓模式,嵌入術語,建築圖和日志

近期Deep Learning培訓課程

課程日期價格【遠程 / 傳統課堂】
Advanced Deep Learning - 台北, Concord二, 2019-01-15 09:30¥46800 / ¥68800
Advanced Deep Learning - 台北, Concord週一, 2019-03-18 09:30¥46800 / ¥68800
Advanced Deep Learning - 全球運籌中心, 台中二, 2019-04-02 09:30¥46800 / ¥68800
Advanced Deep Learning - 台北, Concord二, 2019-05-14 09:30¥46800 / ¥68800
Advanced Deep Learning - 全球運籌中心, 台中週一, 2019-07-01 09:30¥46800 / ¥68800
Deep Learning,培訓,課程,培訓課程, 企業Deep Learning培訓, 短期Deep Learning培訓, Deep Learning課程, Deep Learning周末培訓, Deep Learning晚上培訓, Deep Learning訓練, 學習Deep Learning, Deep Learning老師, 學Deep Learning班, Deep Learning遠程教育, 一對一Deep Learning課程, 小組Deep Learning課程, Deep Learning培訓師, Deep Learning輔導班, Deep Learning教程, Deep Learning私教, Deep Learning輔導, Deep Learning講師

促銷課程

課程地址日期價格【遠程 / 傳統課堂】
Agile Project Management with Scrum全球運籌中心, 台中二, 2019-01-08 09:30¥17820 / ¥32820
Advanced Automation with AnsibleThe Hsinchu Wishun centre二, 2019-01-08 09:30¥17820 / ¥32820
The Compliance and MLRO Refresher Programme全球運籌中心, 台中二, 2019-01-15 09:30¥10530 / ¥22030
Advanced Go ProgrammingThe Hsinchu Wishun centre週一, 2019-02-04 09:30¥31590 / ¥50090
IoT ( Internet of Things) for Entrepreneurs, Managers and InvestorsThe Hsinchu Wishun centre二, 2019-04-09 09:30N/A / ¥50090

訂閱促銷課程

為尊重您的隱私,我公司不會把您的郵箱地址提供給任何人。您可以享有優先權和隨時取消訂閱的權利。

我們的客戶

is growing fast!

We are looking to expand our presence in Taiwan!

As a Business Development Manager you will:

  • expand business in Taiwan
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!