Domů
Návrh Školení
Návrh Školení
Návrh Školení
Artificial Neural Networks, Machine Learning and Deep Thinking Počítačový Kurz

Artificial Neural Networks, Machine Learning and Deep Thinking Počítačový Kurz

Umělá neuronová síť je výpočetní datový model používaný při vývoji systémů umělé inteligence (AI) schopných provádět „inteligentní“ úkoly. Neural Networks se běžně používají v aplikacích strojového učení (ML), které jsou samy jednou implementací umělé inteligence. Hluboké učení je podmnožinou ML.

Thank you for sending your enquiry! One of our team members will contact you shortly.

Thank you for sending your booking! One of our team members will contact you shortly.

Návrh Školení

1. Pochopení klasifikace pomocí nejbližších sousedů

Algoritmus kNN Výpočet vzdálenosti Výběr vhodného k Příprava dat pro použití s kNN Proč je algoritmus kNN líný?

2. Pochopení naivní Bayes

Základní pojmy Bayesových metod Pravděpodobnost Společná pravděpodobnost Podmíněná pravděpodobnost s Bayesovou větou Naivní Bayesův algoritmus Naivní Bayesova klasifikace Laplaceův odhad Použití numerických znaků s naivním Bayesem

3. Pochopení rozhodovacích stromů

Rozděl a panuj Algoritmus rozhodovacího stromu C5.0 Výběr nejlepšího rozdělení Prořezávání rozhodovacího stromu

4. Pochopení klasifikačních pravidel

Oddělte a ovládněte Algoritmus jediného pravidla Algoritmus RIPPER Pravidla z rozhodovacích stromů

5. Pochopení regrese

Jednoduchá lineární regrese Obyčejný odhad nejmenších čtverců Korelace Vícenásobná lineární regrese

6. Pochopení regresních stromů a modelových stromů

Přidání regrese ke stromům

7. Pochopení neuronových sítí

Od biologických k umělým neuronům Aktivační funkce Topologie sítě Počet vrstev Směr pohybu informace Počet uzlů v každé vrstvě Tréninkové neuronové sítě se zpětnou propagací

8. Pochopení podpůrných vektorových strojů

Klasifikace s nadrovinami Nalezení maximální rezervy Případ lineárně separovatelných dat Případ nelineárně separovatelných dat Použití jader pro nelineární prostory

9. Pochopení asociačních pravidel

Apriori algoritmus pro učení asociačních pravidel Měření zájmu pravidel – podpora a důvěra Budování sady pravidel s Apriori principem

10. Pochopení shlukování

Shlukování jako úloha strojového učení Algoritmus k-means pro shlukování Použití vzdálenosti k přiřazení a aktualizaci clusterů Výběr vhodného počtu clusterů

11. Měření výkonu pro klasifikaci

Práce s daty predikce klasifikace Bližší pohled na matoucí matice Používání matoucích matic k měření výkonu Kromě přesnosti – další měřítka výkonu Kappa statistika Citlivost a specifičnost Přesnost a vybavitelnost F-measure Vizualizace výkonnostních kompromisů ROC křivky Odhad budoucí výkonnosti Metoda prodlevy Cross- validace Bootstrap vzorkování

12. Ladění modelů pažby pro lepší výkon

Použití stříšky pro automatizované ladění parametrů Vytvoření jednoduchého vyladěného modelu Přizpůsobení procesu ladění Zlepšení výkonu modelu pomocí meta-learningu Pochopení souborů Posílení pytlování Náhodné lesy Trénink náhodných lesů Vyhodnocení náhodného výkonu lesa

13. Deep Learning

Tři třídy hlubokého učení Deep Autoencoders Předtrénované Deep Neural Networks Deep Stacking Networks

14. Diskuse o specifických aplikačních oblastech

21 hodiny

Počet účastníků

Online

Classroom

Select Location

Please select a Venue

Price per participant

Open Training Courses require 5+ participants.

Artificial Neural Networks, Machine Learning and Deep Thinking Počítačový Kurz - Booking

Jméno a příjmení *

Partnerství a certifikace *

Telefon *

Job Title

Company Name

Address 1 *

City *

State / Province

Kontaktujte NobleProg *

Postcode *

Start Date

Tax ID

Dates are subject to availability and take place between 09:30 and 16:30.

Payment *

Bank Transfer (Invoice, PO)

Debit / Credit Card

Comments

Allow Publishing Certificate

If you check this box the participants will receive an option to publish their course certificate on the NobleProg Certified Professional Catalogue.

Pravidla a podmínky *

I am an authorised representative of the above named client and I wish to book the above courses or services in accordance with NobleProg Terms and Conditions and Privacy Policy.

Inform me about discounts and promotions

Please read our Privacy Policy to find out how we use your data

Artificial Neural Networks, Machine Learning and Deep Thinking Počítačový Kurz - Enquiry

Jméno a příjmení *

Partnerství a certifikace *

Telefon *

Počet účastníků

Company Name

Company Address

How do you want to take the course?

Client Premises

Online

Učebna

Comments

Inform me about discounts and promotions

Please read our Privacy Policy to find out how we use your data

Artificial Neural Networks, Machine Learning and Deep Thinking - Consultancy Enquiry

Consultancy Enquiry

Jméno a příjmení *

Telefon *

Partnerství a certifikace *

Company Name

Consultancy Subject *

Consultancy Goal

Consultancy Duration

Number of Consultants

Vhodné datum

Who will the consultant work with?

Consultancy Urgency *

Comments

Inform me about discounts and promotions

Please read our Privacy Policy to find out how we use your data

Reference (1)

Very flexible.

Frank Ueltzhoffer

Kurz - Artificial Neural Networks, Machine Learning and Deep Thinking

5250 EUR (Učebna)

Související kurzy

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

21 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé až pokročilé datové vědce, inženýry strojového učení, výzkumníky hlubokého učení a odborníky na počítačové vidění, kteří si chtějí rozšířit své znalosti a dovednosti v oblasti hlubokého učení. pro generování textu na obrázek.

Na konci tohoto školení budou účastníci schopni:

Pochopte pokročilé architektury hlubokého učení a techniky pro generování textu na obrázek.
Implementujte složité modely a optimalizace pro vysoce kvalitní syntézu obrazu.
Optimalizujte výkon a škálovatelnost pro velké datové sady a složité modely.
Vylaďte hyperparametry pro lepší výkon modelu a zobecnění.
Integrujte Stable Diffusion s dalšími rámci a nástroji hlubokého učení

AlphaFold

7 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na biology, kteří chtějí porozumět tomu, jak AlphaFold funguje, a používat modely AlphaFold jako průvodce ve svých experimentálních studiích.

Na konci tohoto školení budou účastníci schopni:

Pochopte základní principy AlphaFold.
Přečtěte si, jak funguje AlphaFold.
Naučte se interpretovat AlphaFold předpovědi a výsledky.

Applied AI from Scratch

28 hodiny

Toto je 4denní kurz představující AI a její aplikaci. Po dokončení tohoto kurzu je možné mít další den na provedení projektu AI.

Deep Learning for Vision with Caffe

21 hodiny

Caffe je rámec pro hluboké učení vytvořený s ohledem na výraz, rychlost a modularitu.

Tento kurz zkoumá aplikaci Caffe jako rámce hlubokého učení pro rozpoznávání obrazu na příkladu MNIST

Publikum

Tento kurz je vhodný pro Deep Learning výzkumníky a inženýry, kteří se zajímají o využití Caffe jako frameworku.

Po absolvování tohoto kurzu budou delegáti schopni:

porozumět struktuře a mechanismům nasazení Caffe provádět instalace / produkční prostředí / úkoly architektury a konfigurace hodnotit kvalitu kódu, provádět ladění, monitorovat implementovat pokročilou produkci, jako jsou tréninkové modely, implementace vrstev a protokolování

Deep Learning Neural Networks with Chainer

14 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na výzkumníky a vývojáře, kteří chtějí používat Chainer k budování a trénování neuronových sítí v Python a zároveň usnadňovat ladění kódu.

Na konci tohoto školení budou účastníci schopni:

Nastavte potřebné vývojové prostředí pro zahájení vývoje modelů neuronových sítí.
Definujte a implementujte modely neuronových sítí pomocí srozumitelného zdrojového kódu.
Provádějte příklady a upravujte stávající algoritmy, abyste optimalizovali tréninkové modely hlubokého učení a zároveň využili GPU pro vysoký výkon.

Using Computer Network ToolKit (CNTK)

28 hodiny

Computer Network ToolKit (CNTK) je Microsoft vysoce účinný RNN tréninkový systém strojového učení pro řeč, text a obrázky s otevřeným zdrojovým kódem, vícestrojový, vícenásobnýGPU.

Publikum

Tento kurz je zaměřen na inženýry a architekty, kteří chtějí využít CNTK ve svých projektech.

Computer Vision with Google Colab and TensorFlow

21 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé profesionály, kteří chtějí prohloubit své porozumění počítačovému vidění a prozkoumat možnosti TensorFlow pro vývoj sofistikovaných modelů vidění pomocí Google Colab.

Na konci tohoto školení budou účastníci schopni:

Vytvářejte a trénujte konvoluční neuronové sítě (CNN) pomocí TensorFlow.
Využijte Google Colab pro škálovatelný a efektivní vývoj cloudových modelů.
Implementujte techniky předběžného zpracování obrazu pro úlohy počítačového vidění.
Nasaďte modely počítačového vidění pro aplikace v reálném světě.
Použijte přenosové učení ke zvýšení výkonu modelů CNN.
Vizualizujte a interpretujte výsledky modelů klasifikace obrázků.

Deep Learning with TensorFlow in Google Colab

14 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé datové vědce a vývojáře, kteří chtějí porozumět a aplikovat techniky hlubokého učení pomocí prostředí Google Colab.

Na konci tohoto školení budou účastníci schopni:

Nastavte a procházejte Google Colab pro projekty hlubokého učení.
Pochopit základy neuronových sítí.
Implementujte modely hlubokého učení pomocí TensorFlow.
Trénujte a vyhodnocujte modely hlubokého učení.
Využijte pokročilé funkce TensorFlow pro hluboké učení.

Deep Learning for NLP (Natural Language Processing)

28 hodiny

V tomto živém školení pod vedením instruktora v České republice se účastníci naučí používat knihovny Python pro NLP při vytváření aplikace, která zpracovává sadu obrázků a generuje titulky.

Na konci tohoto školení budou účastníci schopni:

Návrh a kód DL pro NLP pomocí knihoven Python.
Vytvořte Python kód, který čte v podstatě obrovskou sbírku obrázků a generuje klíčová slova.
Vytvořte Python kód, který generuje titulky ze zjištěných klíčových slov.

Edge AI with TensorFlow Lite

14 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé vývojáře, datové vědce a odborníky na umělou inteligenci, kteří chtějí využít TensorFlow Lite pro aplikace Edge AI.

Na konci tohoto školení budou účastníci schopni:

Pochopte základy TensorFlow Lite a její roli v Edge AI.
Vyvíjejte a optimalizujte modely umělé inteligence pomocí TensorFlow Lite.
Nasaďte modely TensorFlow Lite na různá okrajová zařízení.
Využijte nástroje a techniky pro konverzi a optimalizaci modelů.
Implementujte praktické aplikace Edge AI pomocí TensorFlow Lite.

Accelerating Deep Learning with FPGA and OpenVINO

35 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí urychlit aplikace strojového učení v reálném čase a nasadit je ve velkém měřítku.

Na konci tohoto školení budou účastníci schopni:

Nainstalujte sadu nástrojů OpenVINO.
Urychlete aplikaci počítačového vidění pomocí FPGA.
Proveďte různé vrstvy CNN na FPGA.
Škálujte aplikaci napříč více uzly v clusteru Kubernetes.

Distributed Deep Learning with Horovod

7 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře nebo datové vědce, kteří chtějí použít Horovod k provádění distribuovaných školení hlubokého učení a rozšířit je tak, aby probíhaly paralelně v několika GPU .

Na konci tohoto školení budou účastníci schopni:

Nastavte potřebné vývojové prostředí, abyste mohli zahájit školení hlubokého učení.
Nainstalujte a nakonfigurujte Horovod pro trénování modelů s TensorFlow, Keras, PyTorch a Apache MXNet.
Škálujte trénink hlubokého učení pomocí Horovod tak, aby běžel na více GPUs.

Deep Learning with Keras

21 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na technické osoby, které chtějí aplikovat model hlubokého učení na aplikace pro rozpoznávání obrázků.

Na konci tohoto školení budou účastníci schopni:

Nainstalujte a nakonfigurujte Keras.
Rychle vytvořte prototyp modelů hlubokého učení.
Implementujte konvoluční síť.
Implementujte rekurentní síť.
Spusťte model hlubokého učení na CPU i GPU.

Introduction to Stable Diffusion for Text-to-Image Generation

21 hodiny

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na datové vědce, inženýry strojového učení a výzkumníky počítačového vidění, kteří chtějí využít Stable Diffusion k vytvoření vysoce kvalitních obrázků pro různé případy použití.

Na konci tohoto školení budou účastníci schopni:

Pochopte principy Stable Diffusion a jak to funguje pro generování obrázků.
Vytvářejte a trénujte Stable Diffusion modely pro úlohy generování obrázků.
Aplikujte Stable Diffusion na různé scénáře generování obrázků, jako je malování, překreslování a překlad z obrázku na obrázek.
Optimalizujte výkon a stabilitu Stable Diffusion modelů.

Tensorflow Lite for Microcontrollers

21 hodiny

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na inženýry, kteří chtějí psát, načítat a spouštět modely strojového učení na velmi malých vestavěných zařízeních.

Na konci tohoto školení budou účastníci schopni:

Nainstalujte TensorFlow Lite.
Nahrajte modely strojového učení do vestavěného zařízení, aby bylo možné detekovat řeč, klasifikovat obrázky atd.
Přidejte AI do hardwarových zařízení, aniž byste se spoléhali na síťové připojení.

Artificial Neural Networks, Machine Learning and Deep Thinking Počítačový Kurz

Návrh Školení

1. Pochopení klasifikace pomocí nejbližších sousedů

2. Pochopení naivní Bayes

3. Pochopení rozhodovacích stromů

4. Pochopení klasifikačních pravidel

5. Pochopení regrese

6. Pochopení regresních stromů a modelových stromů

7. Pochopení neuronových sítí

8. Pochopení podpůrných vektorových strojů

9. Pochopení asociačních pravidel

10. Pochopení shlukování

11. Měření výkonu pro klasifikaci

12. Ladění modelů pažby pro lepší výkon

13. Deep Learning

14. Diskuse o specifických aplikačních oblastech

Reference (1)

Frank Ueltzhoffer

Kurz - Artificial Neural Networks, Machine Learning and Deep Thinking

Upcoming Courses

Artificial Neural Networks, Machine Learning and Deep Thinking

Artificial Neural Networks, Machine Learning and Deep Thinking

Artificial Neural Networks, Machine Learning and Deep Thinking

Artificial Neural Networks, Machine Learning and Deep Thinking

Artificial Neural Networks, Machine Learning and Deep Thinking

Artificial Neural Networks, Machine Learning and Deep Thinking

Související kategorie

This site in other countries/regions

Europe

Asia Pacific

North America

South America

Africa / Middle East

Other sites