由講師進行實時指導的機器學習本地培訓課程通過動手實踐演示如何應用機器學習技術和工具來解決各行業的現實問題。NobleProg機器學習課程涵蓋不同的編程語言和框架，包括Python、R語言、Matlab。機器學習課程適用于多種行業應用，包括金融、銀行、保險，涵蓋機器學習的基礎知識以及深度學習等更高級的方法。

機器學習培訓形式包括“現場實時培訓”和“遠程實時培訓”。現場實時培訓可在客戶位于台灣的所在場所或NobleProg位于台灣的企業培訓中心進行，遠程實時培訓可通過交互式遠程桌面進行。

NobleProg -- 您的本地培訓提供商

客戶評論

★★★★★

以後使用的參考材料非常好。

PAUL BEALES- Seagate Technology.

課程: Applied Machine Learning

Machine Translated

你最喜歡的訓練是什麼？：給我一個很好的練習，用R來構建真實情況下的機器學習系統。我可以馬上在我的工作中使用它。這是一個很好的課程。我擁有的最好的之一。

Matthew Thomas - British Telecom

課程: Applied Machine Learning

Machine Translated

它非常互動，比預期更輕鬆和非正式。我們在當時涵蓋了很多主題，培訓師總是樂於接受更詳細的討論，或者更廣泛地討論主題及其相關方式。我覺得培訓給了我繼續學習的工具，相反，它是一次性會議，一旦你完成學習就會停止，這對於主題的規模和復雜性非常重要。

Jonathan Blease

課程: Artificial Neural Networks, Machine Learning, Deep Thinking

Machine Translated

培訓師知識淵博，包括我感興趣的領域。

Mohamed Salama

課程: Data Mining & Machine Learning with R

Machine Translated

這個話題非常有趣。

Wojciech Baranowski

課程: Introduction to Deep Learning

Machine Translated

培訓師的理論知識和培訓後與參與者解決問題的意願。

Grzegorz Mianowski

課程: Introduction to Deep Learning

Machine Translated

話題。很有意思！。

Piotr

課程: Introduction to Deep Learning

Machine Translated

每個主題後的練習都非常有用，儘管最後太複雜了。一般來說，所提供的材料非常有趣並涉及！圖像識別練習很棒。

Dolby Poland Sp. z o.o.

課程: Introduction to Deep Learning

Machine Translated

我認為，如果培訓是在波蘭語中完成的，那麼培訓師就可以更有效地分享他的知識。

Radek

課程: Introduction to Deep Learning

Machine Translated

深度學習的全球概述。

Bruno Charbonnier

課程: Advanced Deep Learning

Machine Translated

這些練習非常實用，不需要Python的高級知識就可以完成。

Alexandre GIRARD

課程: Advanced Deep Learning

Machine Translated

使用Eras對實例進行練習。意大利完全理解我們對此培訓的期望。

Paul Kassis

課程: Advanced Deep Learning

Machine Translated

主題。這似乎很有趣，但我離開的時間比以前更多了。

Radoslaw Labedzki

課程: Introduction to Deep Learning

Machine Translated

我喜歡這門課程非常有趣。

Wojciech Wilk

課程: Introduction to Deep Learning

Machine Translated

我真的很感激克里斯對我們問題的明確答案。

Léo Dubus

課程: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

我一般都很喜歡知識淵博的教練。

Sridhar Voorakkara

課程: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

我對這門課程的標準感到驚訝 - 我會說它是大學標準。

David Relihan

課程: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

非常好的全面概述。很好的背景為什麼Tensorflow像它一樣運作。

Kieran Conboy

課程: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

我喜歡有機會提出問題並對理論進行更深入的解釋。

Sharon Ruane

課程: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

我們對這個主題有了更多的了解。我們公司內部的一些真實主題進行了一些很好的討論。

Sebastiaan Holman

課程: Machine Learning and Deep Learning

Machine Translated

通過展示理論與實踐如何相輔相成，培訓提供了正確的基礎，使我們能夠進一步擴展。它實際上讓我對這個主題比以前更感興趣。

Jean-Paul van Tillo

課程: Machine Learning and Deep Learning

Machine Translated

我非常喜歡主題的報導和深度。

Anirban Basu

課程: Machine Learning and Deep Learning

Machine Translated

關於該主題的培訓師的深刻知識。

Sebastian Görg

課程: Introduction to Deep Learning

Machine Translated

非常更新的方法或CPI（張量流，時代，學習）做機器學習。

Paul Lee

課程: TensorFlow for Image Recognition

Machine Translated

非常靈活。

Frank Ueltzhöffer

課程: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

我一般都很喜歡靈活性。

Werner Philipp

課程: Artificial Neural Networks, Machine Learning and Deep Thinking

Machine Translated

鑑於技術前景：未來哪種技術/流程可能變得更加重要;看，這項技術可以用於什麼。

Commerzbank AG

課程: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

我從主題選擇中受益。訓練風格。練習方向。

Commerzbank AG

課程: Neural Networks Fundamentals using TensorFlow as Example

Machine Translated

深入報導機器學習主題，特別是神經網絡。揭開了很多話題的神秘面紗。

Sacha Nandlall

課程: Python for Advanced Machine Learning

Machine Translated

Excercises

L M ERICSSON LIMITED

課程: Machine Learning

Machine Translated

實驗練習

Marcell Lorant - L M ERICSSON LIMITED

課程: Machine Learning

Machine Translated

Jupyter筆記本表格，其中提供培訓材料

L M ERICSSON LIMITED

課程: Machine Learning

Machine Translated

有很多練習和有趣的話題。

L M ERICSSON LIMITED

課程: Machine Learning

Machine Translated

一些偉大的實驗室練習由教練深入分析和解釋（例如線性回歸中的協變量，匹配實際功能）

L M ERICSSON LIMITED

課程: Machine Learning

Machine Translated

包括練習在內的所有材料都在同一頁面上然後它會立即更新。最終揭示了解決方案。涼！此外，我很欣賞Krzysztof花了很多精力去理解我們的問題，並向我們提出了可行的技巧。

Attila Nagy - L M ERICSSON LIMITED

課程: Machine Learning

Machine Translated

我受益於教學的熱情，並專注於使事情變得合情合理。

Zaher Sharifi - GOSI

課程: Advanced Deep Learning

Machine Translated

關於面部區域。

中移物联网

課程: Deep Learning for NLP (Natural Language Processing)

Machine Translated

我們在講座期間的非正式交流確實説明我加深了對這個問題的理解

Explore

課程: 用Python進行深度強化學習

Machine Translated

它展示了許多預備腳本的方法 - 非常精心準備的材料和易於追溯

Kamila Begej - GE Medical Systems Polska Sp. Zoo

課程: Machine Learning – Data science

Machine Translated

我喜歡那種培訓專注於實例和編碼。我認為在三天的訓練中包含這麼多內容是不可能的，但我錯了。培訓涵蓋了許多主題，一切都以非常詳細的方式完成（特別是調整模型的參數 - 我沒想到會有時間這樣，我很驚訝）。

Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo

課程: Machine Learning – Data science

Machine Translated

許多與解決方案實施相關的信息

Michał Smolana - ABB Sp. z o.o.

課程: Deep Learning with TensorFlow

Machine Translated

來自各種AI / IT / SQL / IoT問題的講師的大量實用技巧和知識。

ABB Sp. z o.o.

課程: Deep Learning with TensorFlow

Machine Translated

我喜歡它更側重於不同文本摘要方法的方法

課程: 用Python進行文本摘要

Machine Translated

我喜歡它更側重於不同文本摘要方法的方法

課程: 用Python進行文本摘要

Machine Translated

Machine Learning (ML)子類別

機器學習課程大綱

Title

Duration

Overview

Title

Duration

Overview

Artificial Intelligence Overview

7 小時

Overview

本課程是為管理人員，解決方案架構師，創新人員，CTO，軟件架構師以及對應用人工智能概述及其最近發展預測感興趣的人員而創建的。

Understanding Deep Neural Networks

35 小時

Overview

本課程首先介紹神經網絡的概念知識，通常還包括機器學習算法，深度學習（算法和應用程序）。

本次培訓的一部分-1（40％）更注重基本面，但會幫助你選擇合適的技術： TensorFlow ， Caffe ，Theano，DeepDrive， Keras等。

本次培訓的第2部分（20％）介紹了Theano - 一個python庫，可以輕鬆編寫深度學習模型。

第3部分（40％）的培訓將廣泛基於Tensorflow - Go ogle的Deep Learning開源軟件庫的第二代API。示例和動手都將在TensorFlow 。

聽眾

本課程面向希望將TensorFlow用於Deep Learning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，構建圖形和記錄

Turning Data into Intelligent Action with Cortana Intelligence

28 小時

Overview

Cortana Intelligence Suite是Microsoft Azure Cloud上的一系列集成產品和服務，使實體能夠將數據轉換為智能操作。

在這個由講師指導的實時培訓中，參與者將學習如何使用屬於Cortana Intelligence Suite的組件來構建數據驅動的智能應用程序。

在培訓結束時，參與者將能夠：

- 了解如何使用Cortana Intelligence Suite工具
- 獲取數據管理和分析的最新知識
- 使用Cortana組件將數據轉換為智能操作
- 使用Cortana從頭開始構建應用程序並在雲上啟動它

聽眾

- 數據科學家
- 程序員
- 開發商
- 經理
- 建築師

課程形式

- 部分講座，部分討論，練習和繁重的實踐練習

Deep Learning for Finance (with Python)

28 小時

Overview

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

Deep Learning for Banking (with R)

28 小時

Overview

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

Deep Learning for Banking (with Python)

28 小時

Overview

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

Deep Learning for Finance (with R)

28 小時

Overview

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

Machine Learning for Finance (with R)

28 小時

Overview

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。 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，參與者將學習如何應用機器學習技術和工具來解決金融行業中的現實問題。 R將用作編程語言。

參與者首先學習關鍵原則，然後通過構建自己的機器學習模型並將其用於完成一些團隊項目，將他們的知識付諸實踐。

在培訓結束時，參與者將能夠：

- 理解機器學習的基本概念
- 了解金融機器學習的應用和用途
- 使用R的機器學習開發自己的算法交易策略

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

Machine Learning for Finance (with Python)

21 小時

Overview

機器學習是人工智能的一個分支，指計算機可以在不被明確編程的情況下學習。

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財務的現實問題。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團隊項目以將所學知識運用到實踐中。

在本次培訓結束後，參與者將能夠：

- 了解機器學習的基本概念
- 了解機器學習在金融領域的應用和使用
- 使用Python機器學習開發自己的算法交易策略

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

Deep Learning for NLP (Natural Language Processing)

28 小時

Overview

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

用Python進行文本摘要

14 小時

Overview

在Python機器學習中，文本摘要功能可以讀取輸入文本並生成文本摘要。這個功能可以從命令行或從Python API / 庫中獲得。一個令人興奮的應用是執行摘要的快速創建；這對在做報告和演講前需要審閱大量文本數據的組織特別有用。

在這一由講師引導的現場培訓中，學員將學習使用Python創建一個簡單的可自動生成輸入文本摘要的應用程序。

在本次培訓結束後，學員將能夠：

- 使用一個命令行工具來總結文本。
- 使用Python庫設計和創建文本摘要代碼。
- 評估三個Python摘要庫：sumy 0.7.0、psisummarization 1.0.4、readless 1.0.17

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

OpenNLP for Text Based Machine Learning

14 小時

Overview

Apache OpenNLP庫是用于處理自然語言文本的基于機器學習的工具包。它支持最常見的NLP任務，例如語言檢測，標記，句子分段，部分語音標記，命名實體提取，分塊，解析和共參考解析。在這個有指導意義的現場培訓中，參與者將學習如何創建使用OpenNLP處理基于文本的數據的模型。樣本培訓數據以及定制數據集將作爲實驗練習的基礎。在培訓結束後，參與者將能夠：安裝和配置OpenNLP 下載現有模型並創建自己的模型在各種樣本數據上訓練模型將OpenNLP與現有的Java應用程序集成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

AI Awareness for Telecom

14 小時

Overview

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

Machine Learning for Banking (with Python)

21 小時

Overview

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

Machine Learning for Banking (with R)

28 小時

Overview

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。R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
- 具有技術背景的銀行專業人士

課程形式

- 部分講座、部分討論、練習和大量實操

Matlab for Deep Learning

14 小時

Overview

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

TensorFlow Serving

7 小時

Overview

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

Machine Learning on iOS

14 小時

Overview

在這個有指導性的現場培訓中，參與者將學習如何在iOS移動應用的創建和部署階段使用iOS機器學習（ML）技術堆棧。在培訓結束後，參與者將能夠：創建一個能夠進行圖像處理，文本分析和語音識別的移動應用程序訪問預訓練的ML模型以集成到iOS應用程序中創建一個自定義ML模型將Siri語音支持添加到iOS應用程序理解和使用諸如coreML，Vision，CoreGraphics和GamePlayKit等框架使用Python，Keras，Caffee，Tensorflow，scikit learn，libsvm，Anaconda和Spyder等語言和工具聽衆開發商課程的格式部分講座，部分討論，練習和沈重的練習

Python: Machine Learning with Text

21 小時

Overview

在這一由講師引導的現場培訓中，參與者將學習如何使用正確的機器學習和NLP（自然語言處理）技術從基于文本的數據中提取價值。

在本次培訓結束後，參與者將能夠：

- 用高質量、可重用的代碼解決基于文本的數據科學問題
- 運用scikit-learn的不同方面（分類、聚類、回歸、降維）來解決問題
- 使用基于文本的數據建立有效的機器學習模型
- 創建一個數據集並從非結構化文本中提取特征
- 用Matplotlib可視化數據
- 構建和評估模型以獲得洞察力
- 解決文本編碼錯誤

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

Encog: Introduction to Machine Learning

14 小時

Overview

Encog是Java和Net的開源機器學習框架。在這個有指導意義的現場培訓中，參與者將學習如何使用ENCOG創建各種神經網絡組件。將討論真實世界的案例研究，並探討基于機器語言的解決這些問題的方法。在培訓結束後，參與者將能夠：使用標准化過程爲神經網絡准備數據實施前饋網絡和傳播訓練方法實施分類和回歸任務使用Encog基于GUI的工作台對神經網絡進行建模和訓練將神經網絡支持集成到實際應用程序中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

Encog: Advanced Machine Learning

14 小時

Overview

Encog是Java和Net的開源機器學習框架。在這個有指導意義的現場培訓中，參與者將學習先進的機器學習技術，以建立精確的神經網絡預測模型。在培訓結束後，參與者將能夠：實施不同的神經網絡優化技術來解決欠擬合和過擬合問題了解並從衆多神經網絡體系結構中進行選擇實施有監督的前饋和反饋網絡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

Advanced Machine Learning with R

21 小時

Overview

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

Building Intelligent Mobile Applications

35 小時

Overview

智能應用程序是下一代應用程序，可以不斷學習用戶交互，為用戶提供更好的價值和相關性。

在這個以講師為主導的現場培訓中，參與者將學習如何構建智能移動應用程序和機器人。

在培訓結束時，參與者將能夠：

- 了解智能應用程序的基本概念
- 了解如何使用各種工具構建智能應用程序
- 使用Azure ，Cognitive Services API，Stream Analytics和Xamarin構建智能應用程序

聽眾

- 開發商
- 程序員
- 愛好者

課程形式

- 部分講座，部分討論，練習和繁重的實踐練習

用Python進行深度強化學習

21 小時

Overview

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

Machine Learning with Python

21 小時

Overview

本課程的目的是提供在實踐中應用機器學習方法的一般熟練程度。通過使用 Python 程式設計語言及其各種庫, 並基於大量的實際示例, 本課程教授如何使用機器學習最重要的構建塊, 如何做出資料建模決策, 解釋輸出並驗證結果

我們的目標是讓您能夠自信地理解和使用機器學習工具箱中最基本的工具, 並避免資料科學應用的常見陷阱。

AutoML

14 小時

Overview

automl 是一種方便使用的機器學習軟體, 它自動完成選擇理想的機器學習演算法、其參數設置和預處理方法所需的大量工作。

本教師指導的現場培訓 (現場或遠端) 針對具有機器學習背景的技術人員, 他們希望優化用於檢測大資料中複雜模式的機器學習模型

到本次培訓結束時, 學員將能夠:

- 安裝和評估各種開源自動 ml 工具.
- 培訓高品質的機器學習模型。
- 有效地解決不同類型的監督機器學習問題.
- 只編寫必要的代碼來啟動自動化機器學習過程.
課程的

格式

- 互動講座和討論.
- 大量的練習和練習
- 在現場實驗室環境中的實際實現。

課程自訂選項

- 要要求本課程的定制培訓, 請聯繫我們安排
- 要瞭解有關 automl 的更多資訊, 請訪問: HTTPs://www.automl.org/

Artificial Intelligence for Mechatronics

21 小時

Overview

機電一體化（又稱機電一體化）是機械，電子和計算機科學的結合。

這種以講師為主導的現場培訓（現場或遠程）是針對希望了解人工智能在機電一體化系統中的適用性的工程師。

在培訓結束時，參與者將能夠：

- 獲得人工智能，機器學習和計算智能的概述。
- 理解神經網絡和不同學習方法的概念。
- 有效地選擇人工智能方法來解決現實問題。
- 在機電一體化工程中實現AI應用。

課程格式

- 互動講座和討論。
- 大量的練習和練習。
- 在實時實驗室環境中親自實施。

課程自定義選項

- 要申請本課程的定制培訓，請聯繫我們安排。

Deep Learning for Self Driving Cars

21 小時

Overview

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的方法和諸如神經網絡的結構。

Keras是一種用於快速開發和實驗的高級神經網絡API。它運行在TensorFlow ， CNTK或Theano CNTK 。

這種以講師為主導的現場培訓（現場或遠程）是針對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：

- 使用計算機視覺技術識別車道。
- 使用Keras構建和訓練卷積神經網絡。
- 訓練深度學習模型以區分交通標誌。
- 模擬完全自動駕駛的汽車。

課程格式

- 互動講座和討論。
- 大量的練習和練習。
- 在實時實驗室環境中親自實施。

課程自定義選項

- 要申請本課程的定制培訓，請聯繫我們安排。

Deep Learning with Keras

21 小時

Overview

Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.

This instructor-led, live training (onsite or remote) is aimed at technical persons who wish to apply deep learning model to image recognition applications.

By the end of this training, participants will be able to:

- Install and configure Keras.
- Quickly prototype deep learning models.
- Implement a convolutional network.
- Implement a recurrent network.
- Execute a deep learning model on both a CPU and GPU.

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.
- To learn more about Keras, please visit: https://keras.io/

Deep Learning with TensorFlow 2.0

21 小時

Overview

TensorFlow是開發的流行和機器學習庫Go眄深學習，數值計算和大規模機器學習。 TensorFlow 2.0於2019年1月發布，是TensorFlow的最新版本，包括對急切執行，兼容性和API一致性的改進。

這種以講師為主導的現場培訓（現場或遠程）針對希望使用Tensorflow 2.0構建預測器，分類器，生成模型，神經網絡等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TensorFlow 2.0。
- 了解TensorFlow 2.0與以前版本相比的優勢。
- 建立深度學習模型。
- 實現高級圖像分類器。
- 將深度學習模型部署到雲，移動和物聯網設備。

課程格式

- 互動講座和討論。
- 大量的練習和練習。
- 在實時實驗室環境中親自實施。

課程自定義選項

- 要申請本課程的定制培訓，請聯繫我們安排。
- 要了解有關TensorFlow更多信息，請訪問：https：//www.tensorflow.org/

Courses Near You

OpenFace: Creating Facial Recognition Systems

2019-10-09 09:30:00

Ashburn, Virginia

遠程培訓

￥23400

課堂

￥38400

Advanced Machine Learning with R

2019-10-13 09:30:00

Ashburn, Virginia

遠程培訓

￥35100

課堂

￥53600

Amazon DSSTNE: Build a Recommendation System

2019-10-24 09:30:00

Ashburn, Virginia

遠程培訓

￥9900

課堂

￥21400

Deep Learning for Banking (with Python)

2019-11-04 09:30:00

Ashburn, Virginia

遠程培訓

￥46800

課堂

￥68800

Python for Advanced Machine Learning

2019-11-13 09:30:00

Ashburn, Virginia

遠程培訓

￥35100

課堂

￥53600

Deep Learning for Banking (with R)

2019-12-01 09:30:00

Ashburn, Virginia

遠程培訓

￥46800

課堂

￥68800

T2T: Creating Sequence to Sequence Models for Generalized Learning

2019-12-21 09:30:00

Ashburn, Virginia

遠程培訓

￥9900

課堂

￥21400

Matlab for Deep Learning

2020-01-04 09:30:00

Ashburn, Virginia

遠程培訓

￥23400

課堂

￥38400

Deep Learning for Finance (with Python)

2020-01-24 09:30:00

Ashburn, Virginia

遠程培訓

￥46800

課堂

￥68800

Deep Learning for Finance (with R)

2020-02-07 09:30:00

Ashburn, Virginia

遠程培訓

￥46800

課堂

￥68800

其它地區

;台北台中市新竹

Other countries

以下培訓課程在其他國家也可以預定 ››

諮詢顧問

機器學習諮詢顧問

ML (Machine Learning),培訓,課程,培訓課程, 企業ML (Machine Learning)培訓, 短期機器學習培訓, Machine Learning (ML)課程, ML (Machine Learning)周末培訓, 機器學習晚上培訓, ML (Machine Learning)訓練, 學習Machine Learning (ML), Machine Learning (ML)老師, 學機器學習班, 機器學習遠程教育, 一對一Machine Learning (ML)課程, 小組Machine Learning (ML)課程, Machine Learning (ML)培訓師, 機器學習輔導班, 機器學習教程, ML (Machine Learning)私教, Machine Learning (ML)輔導, Machine Learning (ML)講師