人工智能培訓 | Artificial Intelligence (AI)培訓

人工智能培訓

由講師進行實時指導的人工智能本地培訓課程通過動手實踐演示如何實施人工智能解決方案以解決實際問題。

人工智能培訓形式包括“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

★★★★★
★★★★★

人工智能課程大綱

Title
Duration
Overview
Title
Duration
Overview
7 小時
Overview
本課程是爲管理人員,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。
35 小時
Overview
到培訓結束時,代表們將被充分配備基本的Python概念,並且應該能夠充分利用NLTK來實現大部分基于NLP和ML的操作。培訓旨在不僅提供執行知識,還提供其中技術的邏輯和操作知識。
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
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。 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
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。 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,學員將學習如何應用機器學習技術和工具來解決金融行業的現實問題。 R將被用作編程語言。 參與者首先要學習的關鍵原則,然後通過建立自己的機器學習模型並使用它們來完成一些團隊項目來將他們的知識付諸實踐。 在培訓結束後,參與者將能夠: 理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R機器學習開發自己的算法交易策略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
Overview
計算機視覺是一個涉及從數字媒體自動提取、分析和理解有用信息的領域。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。

在這一由講師引導的現場培訓中,學員將使用Python逐步創建簡單的計算機視覺應用程序,並從中習得計算機視覺的基礎知識。

在本次培訓結束後,學員將能夠:

- 了解計算機視覺的基礎知識
- 使用Python來實現計算機視覺任務
- 使用Python構建自己的計算機視覺應用程序

受衆

- 對計算機視覺感興趣的Python程序員

課程形式

- 部分講座、部分討論、練習和大量實操
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
35 小時
Overview
技術進步和信息量的增加正在改變執法的執行方式。大數據所帶來的挑戰幾乎與大數據的承諾一樣令人生畏。有效地存儲數據是這些挑戰中的一個。有效地分析它是另一回事。 在這種有指導性的現場培訓中,與會者將學習如何使用大數據技術,評估其對現有流程和政策的影響,以及實施這些技術以確定犯罪活動和預防犯罪。世界各地執法機構的案例研究將進行審查,以了解他們的采用方式,挑戰和結果。 在培訓結束後,參與者將能夠: 將大數據技術與傳統的數據收集流程相結合,在調查過程中拼湊出一個故事實施工業大數據存儲和處理解決方案進行數據分析爲采用最適當的工具和程序來制定數據驅動的刑事調查方法提出建議 聽衆 具有技術背景的執法專家 課程的格式 部分講座,部分討論,練習和沈重的練習
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
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
35 小時
Overview
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。
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
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
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
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
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
21 小時
Overview
預測性分析是使用數據分析來預測未來的過程。此過程使用數據以及數據挖掘、統計和機器學習技術創建可用來預測未來事件的預測模型。

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建立預測模型,並將其應用于大樣本數據集,以根據數據預測未來事件。

在培訓結束後,參與者將能夠:

- 創建預測模型來分析曆史和交易數據中的規律
- 使用預測建模來識別風險和機會
- 建立捕捉重要趨勢的數學模型
- 使用來自設備和業務系統的數據來減少浪費、節省時間或降低成本

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
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
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
21 小時
Overview
自然語言生成(NLG)是指由計算機生成自然語言文本或語音。 在這個有指導性的現場培訓中,參與者將學習如何使用Python通過從頭開始構建自己的NLG系統來生成高質量的自然語言文本。還將審查案例研究,並將相關概念應用于生成實驗室項目以生成內容。 在培訓結束後,參與者將能夠: 使用NLG爲各行業自動生成內容,從新聞到房地産,再到天氣和體育報道選擇和組織源內容,計劃語句,並准備一個自動生成原始內容的系統了解NLG管道並在每個階段應用正確的技術了解自然語言生成(NLG)系統的體系結構實施最適合的分析和排序算法和模型從公開可用的數據源中提取數據以及策劃數據庫以用作生成文本的材料用計算機生成的自動內容創建來替代手動和費力的書寫過程 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
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
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
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
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
21 小時
Overview
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
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。
21 小時
Overview
斐濟是一個開源圖像處理軟件包,它捆綁了ImageJ(用于科學多維圖像的圖像處理程序)和一些用于科學圖像分析的插件。 在這個有指導意義的現場培訓中,參與者將學習如何使用斐濟分布及其基礎ImageJ程序來創建圖像分析應用程序。 在培訓結束後,參與者將能夠: 使用斐濟先進的編程功能和軟件組件來擴展ImageJ 從重疊的瓷磚縫合大型3D圖像使用集成更新系統在啓動時自動更新斐濟安裝從各種腳本語言中進行選擇以構建自定義圖像分析解決方案使用斐濟強大的庫,如ImgLib,用于大型生物圖像數據集部署他們的應用程序並與其他科學家合作進行類似的項目 聽衆 科學家們研究人員開發商 課程的格式 部分講座,部分討論,練習和沈重的練習
21 小時
Overview
這個有指導意義的實時培訓介紹了從零開始構建面部識別系統所需的軟件,硬件和分步驟過程。面部識別也被稱爲人臉識別。 本實驗中使用的硬件包括Rasberry Pi,相機模塊,舵機(可選)等。參與者負責自行購買這些組件。使用的軟件包括OpenCV,Linux,Python等。 在培訓結束後,參與者將能夠: 在Rasberry Pi上安裝Linux,OpenCV和其他軟件實用程序和庫。 配置OpenCV以捕獲和檢測面部圖像。 了解將Rasberry Pi系統打包用于實際環境的各種選項。 使系統適應各種用例,包括監視,身份驗證等。 聽衆 開發商硬件/軟件技術人員所有行業的技術人員愛好者 課程的格式 部分講座,部分討論,練習和沈重的練習 注意 其他硬件和軟件選項包括:Arduino,OpenFace,Windows等。如果您想使用其中的任何一種,請聯系我們安排。
14 小時
Overview
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
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。 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
人工智能,培訓,課程,培訓課程, 企業人工智能培訓, 短期人工智能培訓, 人工智能課程, 人工智能周末培訓, 人工智能晚上培訓, 人工智能訓練, 學習人工智能, 人工智能老師, 學人工智能班, 人工智能遠程教育, 一對一人工智能課程, 小組人工智能課程, 人工智能培訓師, 人工智能輔導班, 人工智能教程, 人工智能私教, 人工智能輔導, 人工智能講師AI,培訓,課程,培訓課程, 企業Artificial Intelligence培訓, 短期AI培訓, AI (Artificial Intelligence)課程, AI (Artificial Intelligence)周末培訓, AI晚上培訓, AI (Artificial Intelligence)訓練, 學習Artificial Intelligence (AI), Artificial Intelligence (AI)老師, 學Artificial Intelligence班, Artificial Intelligence遠程教育, 一對一AI課程, 小組Artificial Intelligence (AI)課程, Artificial Intelligence培訓師, Artificial Intelligence (AI)輔導班, AI教程, AI私教, AI輔導, Artificial Intelligence (AI)講師

促銷課程

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!