由講師進行實時指導的神經網絡本地培訓課程通過互動討論和動手實操演示了如何使用大量基本開源的工具包和軟件庫來構建神經網絡，以及如何利用先進硬件（GPU）以及涉及分布式計算和大數據的優化技術的強大功能。我們的神經網絡課程基于流行的編程語言，如Python、Java、R語言和具有強大功能的軟件庫，包括TensorFlow、Torch、Caffe、Theano等。我們的神經網絡課程涵蓋了理論和實現，使用了許多神經網絡實現，如深度神經網絡（DNN）、卷積神經網絡（CNN）、遞歸神經網絡（RNN）等。
神經網絡培訓形式包括“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
他給我們的例子。
JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
實驗
JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
介紹的練習和範例。
Marcos - JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
機器勒寧的主題。
Víctor Edgar - JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
老師的態度
Ivonne Guadalupe Avendaño Hernandez - JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
所教授的概念清晰，實用，並且有助於瞭解如何使用AI和ML這個主題。
Miguel - JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
講師的經驗和知識。
SERGIO BRAVO - JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
也許是一些練習。
Hilario García - JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
做法之一
JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
教師學科的知識和處理
Zaira N. - JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
創新，因為它是我們已經生活的東西。
jesus isaias - JONATHAN MARIANO, si
課程: Artificial Intelligence (AI) for Managers
Machine Translated
神經網絡（Neural Networks，NN）子類別
神經網絡（Neural Networks，NN）課程大綱
課程名稱
課程時長
概觀
課程名稱
課程時長
概觀
28小時
This is a 4 day course introducing AI and it's application using the Python programming language. There is an option to have an additional day to undertake an AI project on completion of this course.
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.
7小時
This course has been created for managers, solutions architects, innovation officers, CTOs, software architects and anyone who is interested in an overview of applied artificial intelligence and the nearest forecast for its development.
14小時
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。
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。
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.
28小時
This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).
This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.
21小時
該講師指導的實時課程介紹了模式識別和機器學習領域。它涉及統計學，計算機科學，信號處理，計算機視覺，數據挖掘和生物信息學的實際應用。 該課程是互動的，包括大量的動手練習，教師反饋，以及獲得的知識和技能測試。
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
張量處理單元（TPU）是Google多年來在內部使用的體系結構，現在才變得可供普通大衆使用。它包括幾個專門用于神經網絡的優化，包括簡化的矩陣乘法，以及8位整數而不是16位，以便返回適當的精度級別。 在這個有指導意義的現場培訓中，與會者將學習如何利用TPU處理器的創新優勢，最大限度地提高他們自己的AI應用程序的性能。 在培訓結束時，參與者將能夠： 對大量數據訓練各種類型的神經網絡使用熱塑性聚氨酯加速推理過程高達兩個數量級利用TPU處理密集型應用，如圖像搜索，雲視覺和照片 聽衆 開發商研究人員工程師數據科學家 課程的格式 部分講座，部分討論，練習和沈重的練習
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
浮潛是一個快速創建，建模和管理培訓數據的系統。它側重于加速開發結構化或“黑暗”的數據提取應用程序，該應用程序適用于大型標注培訓集不可用或不易獲取的領域。 在這種有指導意義的現場培訓中，參與者將學習通過使用Snorkel建模訓練數據，從非結構化數據（如文本，表格，圖形和圖像）中提取價值的技術。 在培訓結束後，參與者將能夠： 以編程方式創建訓練集以啓用大量訓練集的標簽通過首先對噪音訓練集進行建模來訓練高質量的最終模型使用呼吸管實施弱監督技術，並將數據編程應用于弱監督的機器學習系統 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
14小時
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
14小時
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
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
35小時
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
14小時
This classroom based training session will contain presentations and computer based examples and case study exercises to undertake with relevant neural and deep network libraries
28小時
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
21小時
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。
- 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。
- 要申請本課程的定制培訓，請聯繫我們安排。
14小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at data scientists who wish to use Python to build recommender systems.
By the end of this training, participants will be able to:
- Create recommender systems at scale.
- Apply collaborative filtering to build recommender systems.
- Use Apache Spark to compute recommender systems on clusters.
- Build a framework to test recommendation algorithms with Python.
14小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at researchers and developers who wish to use Chainer to build and train neural networks in Python while making the code easy to debug.
By the end of this training, participants will be able to:
- Set up the necessary development environment to start developing neural network models.
- Define and implement neural network models using a comprehensible source code.
- Execute examples and modify existing algorithms to optimize deep learning training models while leveraging GPUs for high performance.
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。
Last Updated:
神經網絡（Neural Networks，NN）,培訓,課程,培訓課程, 企業神經網絡（Neural Networks，NN）培訓, 短期神經網絡（Neural Networks，NN）培訓, 神經網絡（Neural Networks，NN）課程, 神經網絡（Neural Networks，NN）周末培訓, 神經網絡（Neural Networks，NN）晚上培訓, 神經網絡（Neural Networks，NN）訓練, 學習神經網絡（Neural Networks，NN）, 神經網絡（Neural Networks，NN）老師, 學神經網絡（Neural Networks，NN）班, 神經網絡（Neural Networks，NN）遠程教育, 一對一神經網絡（Neural Networks，NN）課程, 小組神經網絡（Neural Networks，NN）課程, 神經網絡（Neural Networks，NN）培訓師, 神經網絡（Neural Networks，NN）輔導班, 神經網絡（Neural Networks，NN）教程, 神經網絡（Neural Networks，NN）私教, 神經網絡（Neural Networks，NN）輔導, 神經網絡（Neural Networks，NN）講師
