探索我們的課程

Advanced Machine Learning Models with Google Colab

 21 時間：
這種由講師指導的 台灣 現場培訓（在線或現場）面向希望增強機器學習模型知識、提高超參數調優技能並學習如何使用 Google Colab 有效部署模型的高級專業人員。在本次培訓結束時，參與者將能夠：
  • 使用 Scikit-learn 和 TensorFlow 等流行框架實現高級機器學習模型。
  • 通過超參數優化優化模型性能。
  • 使用 Google Colab 在實際應用程式中部署機器學習模型。
  • 在 Google Colab 中協作和管理大規模機器學習專案。
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...

Building AI Solutions on the Edge

 14 時間：
這種以講師為主導的 台灣（在線或現場）現場培訓面向希望獲得在邊緣設備上為各種應用程式部署 AI 模型的實用技能的中級開發人員、數據科學家和技術愛好者。在培訓結束時，參與者將能夠：
  • 了解邊緣 AI 的原理及其優勢。
  • 設置和配置邊緣計算環境。
  • 開發、訓練和優化用於邊緣部署的 AI 模型。
  • 在邊緣設備上實施實用的 AI 解決方案。
  • 評估和改進邊緣部署模型的性能。
  • 解決邊緣 AI 應用程式中的道德和安全注意事項。
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...

AI-Powered Autonomous Systems

 21 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）針對希望掌握自主系統背後技術的高級專業人士。在培訓結束時，參與者將能夠：
  • 設計和實施用於自主決策的 AI 模型。
  • 開發用於自主導航和避障的控制演算法。
  • 確保 AI 驅動的自主系統的安全性和可靠性。
  • 將自主系統與現有的機器人和 AI 框架整合。
更多...

AI-Enhanced Yield Management in Semiconductor Production

 14 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）面向希望應用AI技術優化半導體製造中產量管理的中級專業人員。在培訓結束時，參與者將能夠：
  • 分析生產數據，確定影響良率的因素。
  • 實施 AI 演算法以增強產量管理流程。
  • 優化生產參數，減少缺陷，提高良率。
  • 將 AI 驅動的產量管理整合到現有的生產工作流程中。
更多...

Predictive Maintenance with AI in Semiconductor Manufacturing

 14 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）面向希望在半導體製造中應用人工智慧驅動的預測性維護技術以提高生產效率並減少意外設備故障的中級專業人員。在培訓結束時，參與者將能夠：
  • 實施 AI 模型，以預測半導體製造中的設備故障。
  • 分析維護數據，以識別表明潛在問題的模式和趨勢。
  • 將 AI 驅動的預測性維護整合到現有的製造工作流程中。
  • 通過主動的設備管理減少停機時間和維護成本。
更多...

Advanced AI Techniques for Semiconductor Design Automation

 21 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）面向希望將尖端AI技術應用於半導體設計自動化，提高晶元設計和驗證的效率，準確性和創新的高級專業人士。在培訓結束時，參與者將能夠：
  • 應用先進的 AI 技術來優化半導體設計流程。
  • 將機器學習模型集成到 EDA 工具中，以增強設計驗證。
  • 開發 AI 驅動的解決方案，應對晶片製造中的複雜設計挑戰。
  • 利用神經網路提高設計自動化的準確性和速度。
更多...

AI-Driven Process Optimization in Chip Fabrication

 14 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）面向希望理解和應用AI技術以優化半導體製造工藝的中級專業人員。在培訓結束時，參與者將能夠：
  • 瞭解用於晶元製造中流程優化的 AI 方法。
  • 實施 AI 模型以提高產量並減少缺陷。
  • 分析過程數據，確定需要優化的關鍵參數。
  • 應用機器學習技術來微調半導體製造工藝。
更多...

Introduction to AI in Semiconductor Manufacturing

 14 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）面向希望在半導體製造業中理解和應用AI技術的初學者專業人士。在培訓結束時，參與者將能夠：
  • 瞭解 AI 的基本原理以及它們如何應用於半導體製造。
  • 確定半導體製造中可以有效實施 AI 的領域。
  • 利用人工智慧工具和技術來提高生產效率和品質控制。
  • 實施基本的 AI 模型以優化製造流程。
更多...

AI-Powered Cybersecurity: Advanced Threat Detection & Response

 28 時間：
這種講師指導的現場培訓在 台灣（在線或現場）進行，面向希望提升 AI 驅動型威脅檢測和事件回應技能的中高級網路安全專業人員。在本次培訓結束時，參與者將能夠：
  • 實施高級 AI 演算法以進行即時威脅檢測。
  • 針對特定的網路安全挑戰定製 AI 模型。
  • 開發用於威脅回應的自動化工作流程。
  • 保護 AI 驅動的安全工具，抵禦對抗性攻擊。
更多...

Machine Learning with Google Colab

 14 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）針對希望使用[0 * ogle Colab環境有效應用機器學習演算法的中級數據科學家和開發人員。在培訓結束時，參與者將能夠：
  • 設置和導航 Google Colab for machine learning projects.
  • 瞭解並應用各種機器學習演算法。
  • 使用 Scikit-learn 等庫來分析和預測數據。
  • 實施監督學習模型和無監督學習模型。
  • 有效地優化和評估機器學習模型。
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 現場培訓（在線或現場）面向希望擴展深度學習以生成文本到圖像的知識和技能的中高級數據科學家、機器學習工程師、深度學習研究人員和計算機視覺專家。在本次培訓結束時，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。
  • 實施複雜模型和優化，以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。
  • 優化超參數以獲得更好的模型性能和泛化。
  • 與其他深度學習框架和工具整合 Stable Diffusion
更多...

AI-Powered Cybersecurity: Threat Detection & Response

 21 時間：
這種由講師指導的 台灣 現場培訓（在線或現場）面向希望學習如何利用 AI 來提高威脅檢測和回應能力的初級網路安全專業人員。在本次培訓結束時，參與者將能夠：
  • 了解網路安全中的 AI 應用程式。
  • 實施 AI 演算法進行威脅檢測。
  • 使用 AI 工具自動回應事件。
  • 將 AI 整合到現有的網路安全基礎設施中。
更多...

LightGBM for Machine Learning

 21 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）面向希望學習LightGBM基礎知識並探索先進技術的初級到中級開發人員和數據科學家。在培訓結束時，參與者將能夠：
  • 安裝並配置 LightGBM。
  • 瞭解梯度提升和決策樹演演算法背後的理論
  • 使用 LightGBM 執行基本和高級機器學習任務。
  • 實施特徵工程、超參數調優和模型解釋等高級技術。
  • 將 LightGBM 與其他機器學習框架集成。
  • 排查LightGBM中的常見問題。
更多...

Introduction to Stable Diffusion for Text-to-Image Generation

 21 時間：
這種講師指導的現場培訓（在線或現場）面向希望 利用 Stable Diffusion 為各種使用案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。在本次培訓結束時，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 模型。
  • 將 Stable Diffusion 應用於各種圖像生成方案，例如修復、出海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：
這種由 台灣 的講師指導的現場培訓（在線或現場） 面向希望瞭解 AlphaFold 工作原理並在實驗研究中使用 AlphaFold 模型作為指導的生物學家。在本次培訓結束時，參與者將能夠：
  • 理解 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...

Machine Learning with Python – 2 Days

 14 時間：
本課程的目的是提供在實踐中應用Machine Learning方法的基本熟練程度。通過使用Python編程語言及其各種庫，並基於大量實際示例，本課程教授如何使用Machine Learning最重要的構建塊，如何制定數據建模決策，解釋算法的輸出和驗證結果。 我們的目標是讓您自信地理解和使用Machine Learning工具箱中最基本的工具，並避免Data Science應用程序的常見缺陷。
更多...

Machine Learning with Python – 4 Days

 28 時間：
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。
更多...

Algebra for Machine Learning

 14 時間：
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。
更多...

Applied Machine Learning

 14 時間：
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。
更多...

Machine Learning

 21 時間：
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。
更多...

Dataiku for Enterprise AI and Machine Learning

 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Dataiku DSS開發機器學習管道並利用AI流程生成戰略組織計劃的工程師，數據科學家和數據分析師。 在培訓結束時，參與者將能夠：
  • 在其首選作業系統上安裝和配置 Dataiku DSS。
  • 瞭解 AI/ML 概念和原則，這些概念和原則是 Dataiku 功能的基礎。
  • 在Dataiku DSS專案中創建並實現自己的數據可視化代碼。
  • 將 ML 模型和管道部署到圍繞 Dataiku DSS 構建的生產環境中。
  • 優化其企業應用程式數據分析方法的敏捷性和靈活性。
  • 利用 Dataiku DSS 來保護和管理數據在更多業務系統中的流動方式。
更多...

Feature Engineering for Machine Learning

 14 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）針對的是希望應用特徵工程技術來更好地處理數據並獲得更好的機器學習模型的工程師。 在培訓結束時，參與者將能夠：
  • 設置最佳開發環境，包括所有需要的 Python 包。
  • 通過分析數據集的特徵來獲得重要的見解。
  • 通過調整原始數據本身來優化機器學習模型。
  • 清理和轉換數據集，為機器學習做好準備。
更多...

Fundamentals of Artificial Intelligence (AI) and Machine Learning

 28 時間：
機器學習是人工智慧的一個分支，其中計算機具有無需明確程式設計即可學習的能力。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（如神經網路）的方法。Python 是一種高級程式設計語言，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實施電信深度學習模型，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：
  • 瞭解深度學習的基本概念。
  • 瞭解深度學習在電信中的應用和用途。
  • 使用 Python、Keras 和 TensorFlow 創建電信深度學習模型。
  • 使用 Python 構建自己的深度學習客戶流失預測模型。
課程形式
  • 互動講座和討論。
  • 大量的練習和練習。
  • 在現場實驗室環境中實際實施。
課程定製選項
  • 如需申請此課程的定製培訓，請聯繫我們進行安排。
更多...

Machine Learning Algorithms in Julia

 21 時間：
本課程適用於已經具有數據科學和統計學背景的人。給出的解釋旨在提醒那些已經熟悉這些概念的人，或者告知那些具有合適背景的人。
更多...

Mathematica for Machine Learning

 14 時間：
這種以講師為主導的台灣現場培訓（現場或遠端）針對的是希望在Mathematica中使用機器學習進行數據分析的數據科學家。 在培訓結束時，參與者將能夠：
  • 構建和訓練機器學習模型。
  • 導入和準備用於機器學習的數據。
  • 將訓練數據與測試數據分開。
  • 探索深度學習和神經網路在數據分析中的應用。
更多...

Machine Learning for Banking (with Python)

 21 時間：
Machine Learning 是人工智慧的一個分支，其中計算機具有無需明確程式設計即可學習的能力。Python 是一種程式設計語言，以其清晰的語法和可讀性而聞名。它提供了一系列經過充分測試的優秀庫和技術，用於開發機器學習應用程式。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銀行業的實際問題。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使用它們完成一些團隊專案，將他們的知識付諸實踐。觀眾
  • 開發人員
  • 數據科學家
課程形式
  • 部分講座，部分討論，練習和大量的實踐練習
更多...

Machine Learning and Big Data

 7 時間：
This instructor-led, live training (online or onsite) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data. By the end of this training, participants will:
  • Understand the evolution and trends for machine learning.
  • Know how machine learning is being used across different industries.
  • Become familiar with the tools, skills and services available to implement machine learning within an organization.
  • Understand how machine learning can be used to enhance data mining and analysis.
  • Learn what a data middle backend is, and how it is being used by businesses.
  • Understand the role that big data and intelligent applications are playing across industries.
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...

Machine Learning Concepts for Entrepreneurs and Managers

 21 時間：
該培訓課程面向希望將Machine Learning應用於團隊實際應用的人員。培訓不會涉及技術問題，而是圍繞基礎概念和業務/運營應用。 目標觀眾
  1. 投資者和人工智能企業家
  2. 管理者和工程師，他們的公司正在進入AI領域
  3. Business分析師和投資者
更多...

Machine Learning for Finance (with Python)

 21 時間：
機器學習是人工智慧的一個分支，其中計算機具有無需明確程式設計即可學習的能力。Python 是一種程式設計語言，以其清晰的語法和可讀性而聞名。它提供了一系列經過充分測試的優秀庫和技術，用於開發機器學習應用程式。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的實際問題。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使用它們完成一些團隊專案，將他們的知識付諸實踐。在培訓結束時，參與者將能夠：
  • 了解機器學習中的基本概念
  • 了解機器學習在金融中的應用和用途
  • 使用機器學習開發自己的演算法交易策略 Python
觀眾
  • 開發人員
  • 數據科學家
課程形式
  • 部分講座，部分討論，練習和大量的實踐練習
更多...

Machine Learning Fundamentals with Scala and Apache Spark

 14 時間：
本課程的目的是提供在實踐中應用Machine Learning方法的基本熟練程度。通過使用Scala編程語言及其各種庫，並基於大量實際示例，本課程教授如何使用Machine Learning最重要的構建塊，如何制定數據建模決策，解釋算法的輸出和驗證結果。 我們的目標是讓您自信地理解和使用Machine Learning工具箱中最基本的工具，並避免Data Science應用程序的常見缺陷。
更多...

Introduction to Machine Learning

 7 時間：
本培訓課程面向希望在實際應用中應用基本Machine Learning技術的人員。 聽眾熟悉機器學習並熟悉如何編程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際方面。目的是向有興趣在工作中應用這些方法的參與者提供機器學習的實用介紹行業特定示例用於使培訓與受眾相關。
更多...

Machine Learning on iOS

 14 時間：
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
更多...

Machine Learning in business – AI/Robotics

 14 時間：
這個基于課堂的培訓課程將探索機器學習技巧，基于計算機的例子和使用相關程序語言解決案例的練習
更多...

Machine Learning for Robotics

 21 時間：
本課程介紹機器人應用中的機器學習方法。它對模式識別背景下的現有方法、動機和主要思想進行了廣泛的概述。在簡短的理論背景之後，參與者將使用開源（通常是 R）或任何其他流行的軟體進行簡單的練習。
更多...

XGBoost for Gradient Boosting

 14 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XGBoost構建有效解決回歸，分類，排名和預測問題的模型的數據科學家。 在培訓結束時，參與者將能夠：
  • 安裝和配置 XGBoost。
  • 瞭解決策樹與其他演算法（如邏輯回歸和隨機森林）之間的關係。
  • 測試不同的庫以確定最適合作業的庫。
  • 為演演算法選擇正確的配置。
  • 針對給定數據集調整演算法的超參數。
  • 實施機器學習解決方案，在功能與複雜性、可解釋性和易實施性之間取得平衡。
更多...

DataRobot

 7 時間：
這種由 講師指導的 台灣 現場培訓（在線或現場）面向希望使用 DataRobot 的機器學習功能自動化、評估和管理預測模型的數據科學家和數據分析師。在本次培訓結束時，參與者將能夠：
  • 在 DataRobot 中載入數據集以分析、評估和品質檢查數據。
  • 構建和訓練模型以識別重要變數並滿足預測目標。
  • 解釋模型以創建有助於做出業務決策的寶貴見解。
  • 監控和管理模型以保持優化的預測性能。
更多...

H2O AutoML

 14 時間：
這種由 講師指導的 台灣現場培訓（在線或現場）面向希望使用 H2O AutoML 來自動構建和選擇最佳機器學習演算法和參數的數據科學家。在本次培訓結束時，參與者將能夠：
  • 自動化機器學習工作流程。
  • 在指定時間範圍內自動訓練和優化許多機器學習模型。
  • 訓練堆疊集成以獲得高度預測的集成模型。
更多...

AutoML with Auto-sklearn

 14 時間：
這種由 講師指導的 台灣 現場培訓（在線或現場）面向希望使用 Auto-sklearn 來自動化選擇和優化機器學習模型過程的機器學習從業者。在本次培訓結束時，參與者將能夠：
  • 自動執行高效機器學習模型的訓練過程。
  • 構建高度準確的機器學習模型，同時繞過選擇、訓練和測試不同模型的更繁瑣的任務。
  • 利用機器學習的強大功能解決實際業務問題。
更多...

AutoML with Auto-Keras

 14 時間：
這種由 台灣 的講師指導式現場培訓（在線或現場）面向數據科學家以及希望使用 Auto-Keras 來自動化選擇和優化機器學習模型過程的技術人員。在本次培訓結束時，參與者將能夠：
  • 自動執行高效機器學習模型的訓練過程。
  • 自動搜索深度學習模型的最佳參數。
  • 構建高度準確的機器學習模型。
  • 利用機器學習的強大功能解決實際業務問題。
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 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...

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...

Deep Learning Neural Networks with Chainer

 14 時間：
這種由 講師指導的 台灣 現場培訓（在線或現場）面向希望使用 Chainer 在 Python 中構建和訓練神經網路，同時使代碼易於調試的研究人員和開發人員。在本次培訓結束時，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 現場實時培訓（在線或現場）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 之間並行運行的開發人員或數據科學家。在本次培訓結束時，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。
  • 安裝並配置 Horovod 以使用 TensorFlow、Keras、PyTorch 和 Apache MXNet 訓練模型。
  • 使用 Horovod 擴展深度學習訓練以在多個 GPU 上運行。
更多...

Accelerating Deep Learning with FPGA and OpenVINO

 35 時間：
這種由講師指導的 台灣 現場實時培訓（在線或現場）面向希望加速即時機器學習應用程式並大規模部署它們的數據科學家。在本次培訓結束時，參與者將能夠：
  • 安裝 OpenVINO 工具包。
  • 使用 FPGA 加速電腦視覺應用程式。
  • 在 FPGA 上執行不同的 CNN 層。
  • 在 Kubernetes 群集中的多個節點之間擴展應用程式。
更多...

Building Deep Learning Models with Apache MXNet

 21 時間：
這種由講師指導的現場培訓（在線或現場）面向希望使用 Apache MXNet 構建和部署用於圖像識別的深度學習模型的數據科學家。在本次培訓結束時，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：
這種由講師指導的現場培訓在 台灣（在線或現場）進行，面向希望將深度學習模型應用於圖像識別應用的技術人員。在本次培訓結束時，參與者將能夠：
  • 安裝和配置 Keras。
  • 快速構建深度學習模型的原型。
  • 實現卷積網路。
  • 實現循環網路。
  • 在 CPU 和 GPU 上執行深度學習模型。
更多...

Machine Learning with Python and Pandas

 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Pandas通過機器學習進行預測分析的數據科學家。 在培訓結束時，參與者將能夠：
  • 在 Python 中執行數據整理。
  • 執行機器學習的 ETL 操作。
  • 使用 Pandas 建立資料視覺化
更多...

Last Updated:

客戶評論(23)

亨特很棒，非常有吸引力，知識淵博，風度翩翩。 做得很好。

Rick Johnson - Laramie County Community College

Course - Artificial Intelligence (AI) Overview

機器翻譯

VM 是個好主意

Vincent - REGNOLOGY ROMANIA S.R.L.

Course - Fundamentals of Artificial Intelligence (AI) and Machine Learning

機器翻譯

I thought the trainer was very knowledgeable and answered questions with confidence to clarify understanding.

Jenna - TCMT

Course - Machine Learning with Python – 2 Days

The clarity with which it was presented

John McLemore - Motorola Solutions

Course - Deep Learning for Telecom (with Python)

The way of transferring knowledge and the knowledge of the trainer.

Jakub Rękas - Bitcomp Sp. z o.o.

Course - Machine Learning on iOS

The explaination

Wei Yang Teo - Ministry of Defence, Singapore

Course - Machine Learning with Python – 4 Days

The enthusiasm to the topic. The examples he made an he explained it very well. Sympatic. A little to detailed for beginners. For managers, it could be more abstract in fewer days. But it was designed to fit and we had a good alignment in advance.

Benedikt Chiandetti - HDI Deutschland Bancassurance Kundenservice GmbH

Course - Machine Learning Concepts for Entrepreneurs and Managers

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

Convolution filter

Francesco Ferrara

Course - Introduction to Machine Learning

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

I liked the lab exercises.

Marcell Lorant - L M ERICSSON LIMITED

Course - Machine Learning

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

Other regions in 台灣

Other Countries

以下培訓課程在其他國家也可以預定
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