현지에서 강사가 진행된 DL (Deep Learning) 교육 과정은 직접 학습을 통해 딥 학습의 기초 및 응용 프로그램을 연습하고 심층 기계 학습, 심층 구조 학습 및 계층 적 학습과 같은 주제를 다룹니다 딥 학습 교육은 "현장 실습"또는 "원격 실습"으로 제공됩니다 현장 실습은 고객 구내에서 현지에서 실시 할 수 있습니다 대한민국 또는 NobleProg 기업 교육 센터에서 대한민국 원격 라이브 교육은 대화 형 원격 데스크톱을 통해 수행됩니다 NobleProg 지역 교육 제공자.
Machine Translated
회원 평가
연습은 충분히 실용적이고 Python 에 대한 높은 지식이 필요하지 않습니다.
Alexandre GIRARD
Course: Advanced Deep Learning
Machine Translated
Keras를 사용하여 실제 예제를 연습합니다. Mihaly는이 훈련에 대한 우리의 기대를 완전히 이해했습니다.
Paul Kassis
Course: Advanced Deep Learning
Machine Translated
지식이 풍부한 강사
Sridhar Voorakkara
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
나는이 수업의 표준에 놀랐다. 나는 그것이 대학의 표준이라고 말할 것이다.
David Relihan
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
아주 좋은 모든 라운드 개요. Tensorflow가 작동하는 이유를 배경으로 Go 하십시오.
Kieran Conboy
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
나는 질문을하고 이론에 대한 깊이있는 설명을 더 얻을 수있는 기회를 좋아했다.
Sharon Ruane
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
우리는 주제에 대해 더 많은 통찰력을 얻었습니다. 우리 회사 내의 일부 실제 주제에 대해 좋은 토론이있었습니다
Sebastiaan Holman
Course: Machine Learning and Deep Learning
Machine Translated
이 교육은 이론과 실습이 어떻게 진행되는지를 보여줌으로써 더 확장 할 수있는 올바른 토대를 제공했습니다. 실제로 이전보다 주제에 더 관심을 갖게되었습니다.
Jean-Paul van Tillo
Course: Machine Learning and Deep Learning
Machine Translated
주제 및 범위
Anirban Basu
Course: Machine Learning and Deep Learning
Machine Translated
주제에 대한 강사의 깊은 지식
Sebastian Görg
Course: Introduction to Deep Learning
Machine Translated
기계 학습을 위해 매우 업데이트 된 접근법 또는 API (tensorflow, kera, tflearn)
Paul Lee
Course: TensorFlow for Image Recognition
Machine Translated
매우 유연합니다
Frank Ueltzhöffer
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
적응성
Werner Philipp
Course: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
기술의 전망 : 미래에 어떤 기술 / 프로세스가 더 중요해질 것인가? 이 기술이 어떤 용도로 사용될 수 있는지보십시오
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
주제 선택. 훈련의 스타일. 실습 오리엔테이션
Commerzbank AG
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
기계 학습 주제, 특히 신경 네트워크에 대한 확실한 적용 범위. 주제를 많이 비판했다
Sacha Nandlall
Course: Python for Advanced Machine Learning
Machine Translated
저는 크리스의 질문에 대한 분명한 대답을 정말로 높이 평가했습니다. Léo Dubus
Léo Dubus
Course: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
실시 방법 및 트레이너가 제시 한 사례 ORANGE POLSKA S.A.
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Machine Translated
제안 된 문제를 직접 논의 할 수있는 가능성 ORANGE POLSKA S.A.
ORANGE POLSKA S.A.
Course: Machine Learning and Deep Learning
Machine Translated
강사와의 커뮤니케이션 张 文欣 - Accenture
文欣 张
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
좋아해. li
lisa xie
Course: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
선도적이고 실제적인 응용 사례에 대한 최신 지식.
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Machine Translated
많은 연습, 그룹과의 매우 좋은 협력.
Janusz Chrobot - ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Machine Translated
colaborators에서 작동,
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Machine Translated
제시된 화제의 열광자는지도이었다 명백했다. 운동 중에 재미있는 예를 사용했습니다.
ING Bank Śląski S.A.
Course: Introduction to Deep Learning
Machine Translated
광범위한 주제가 다루어지고 지도자에 대한 실질적인 지식.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
결핍
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
강사에 대한 큰 이론 및 실제 지식. 트레이너의 의사 소통. 과정 중에 질문을하고 만족스러운 답변을 얻을 수 있습니다.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
알고리즘을 구현 한 실용적인 부분. 이것은 주제에 대한 더 나은 이해를 가능하게했습니다.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
연습과 예제가 구현되었습니다.
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
논의 된 사례와 문제.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
실질적인 지식, 헌신, 지식을 전달하는 열정적 인 방법. 이론 강의 후에 실제적인 예.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
Maciej 씨가 준비한 실용적인 연습
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Course: Understanding Deep Neural Networks
Machine Translated
나는 열정을 가르치고 집중하는 것이 유익했다.
Zaher Sharifi - GOSI
Course: Advanced Deep Learning
Machine Translated
Deep Learning (DL)서브 카테고리
Deep Learning (DL)코스 개요
Course Name
Duration
Overview
Course Name
Duration
Overview
14 시간
Overview
Automotive 산업에서의 AI ( Machine Learning 및 Deep Learning )에 대해 Deep Learning 합니다. 단순한 자동화에서 이미지 인식, 자율적 의사 결정에 이르기까지 자동차의 여러 상황에서 어떤 기술이 (잠재적으로) 사용될 수 있는지 판단하는 데 도움이됩니다.
14 시간
Overview
TensorFlow.js is a JavaScript framework for machine learning. TensorFlow.js enables users to build and train machine learning models directly in JavaScript.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
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.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use TensorFlow.js to identify patterns and generate predictions through machine learning models.
By the end of this training, participants will be able to:
- Build and train machine learning models with TensorFlow.js.
- Run machine learning models in the browser or under Node.js.
- Retrain pre-existing machine learning models using custom data.
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.
14 시간
Overview
이 교실 기반 교육 세션에는 프레젠테이션 및 컴퓨터 기반 예제 및 관련 신경 및 심층 네트워크 라이브러리를 수행하는 사례 연구 연습이 포함됩니다
14 시간
Overview
OpenCV is a library of programming functions for deciphering images with computer algorithms. OpenCV 4 is the latest OpenCV release and it provides optimized modularity, updated algorithms, and more. With OpenCV 4 and Python, users will be able to view, load, and classify images and videos for advanced image recognition.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
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.
This instructor-led, live training (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
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.
14 시간
Overview
OpenFace는 Google의 FaceNet 연구를 기반으로하는 Python 및 Torch 기반의 opensource 실시간 얼굴 인식 소프트웨어입니다 강사진이 진행되는이 교육 과정에서 참가자는 OpenFace의 구성 요소를 사용하여 샘플 얼굴 인식 응용 프로그램을 만들고 배포하는 방법을 배우게됩니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 dlib, OpenVC, Torch 및 nn4를 포함한 OpenFace의 구성 요소로 작업하여 얼굴 인식, 정렬 및 변형 기능을 구현하십시오 감시, 신원 확인, 가상 현실, 게임 및 반복 고객 확인과 같은 Realworld 응용 프로그램에 OpenFace를 적용하십시오 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
7 시간
Overview
강사가 진행하는이 실습에서는 OpenNMT 를 설정하고 사용하여 다양한 샘플 데이터 세트의 번역을 수행하는 방법을 배우게됩니다. 이 과정은 기계 번역에 적용 할 때 신경망에 대한 개요부터 시작합니다. 참가자는 과정 전반에 걸쳐 실제 연습을 수행하여 학습 한 개념을 이해하고 강사로부터 피드백을 얻을 수 있습니다.
이 교육이 끝날 때까지 참가자는 생생한 OpenNMT 솔루션을 구현하는 데 필요한 지식과 실습을 OpenNMT 됩니다.
소스 및 대상 언어 샘플은 잠재 고객의 요구 사항에 따라 사전 정렬됩니다.
코스 형식
- 파트 강연, 파트 토론, 무거운 실무 연습
이 교육이 끝날 때까지 참가자는 생생한 OpenNMT 솔루션을 구현하는 데 필요한 지식과 실습을 OpenNMT 됩니다.
소스 및 대상 언어 샘플은 잠재 고객의 요구 사항에 따라 사전 정렬됩니다.
코스 형식
- 파트 강연, 파트 토론, 무거운 실무 연습
14 시간
Overview
강사가 진행하는이 실습에서는 신경 네트워크의 원리를 OpenNN 을 사용하여 샘플 애플리케이션을 구현합니다.
과정 형식
- 강의 및 토론은 실습과 결합됩니다.
과정 형식
- 강의 및 토론은 실습과 결합됩니다.
21 시간
Overview
PaddlePaddle (PArallel Distributed DeepLearning)은 Baidu가 개발 한 확장 가능한 심층 학습 플랫폼입니다 강사진이 진행되는이 교육에서는 PaddlePaddle을 사용하여 제품 및 서비스 응용 프로그램에 대한 심층적 인 학습을 수행하는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 PaddlePaddle 설정 및 구성 이미지 인식 및 객체 감지를위한 CNN (Convolutional Neural Network) 설정 정서 분석을위한 RNN (Recurrent Neural Network) 설정 사용자가 답변을 찾을 수 있도록 추천 시스템에 대한 심층 학습을 설정하십시오 클릭률 (CTR) 예측, 대형 이미지 세트 분류, 광학 문자 인식 (OCR) 수행, 검색 순위 지정, 컴퓨터 바이러스 검색 및 추천 시스템 구현 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
21 시간
Overview
강사가 진행되는이 실습에서 참가자는 이미지, 음악, 텍스트 및 재무 데이터가 포함 된 일련의 데모 응용 프로그램을 작성하면서 파이썬에서 가장 관련성이 높고 첨단 인 기계 학습 기술을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 복잡한 문제를 해결하기위한 기계 학습 알고리즘 및 기술 구현 이미지, 음악, 텍스트 및 금융 데이터가 포함 된 응용 프로그램에 심층 학습 및 반 감독 학습을 적용합니다 Python 알고리즘을 최대 가능성으로 푸시하십시오 NumPy 및 Theano와 같은 라이브러리 및 패키지 사용 청중 개발자 애널리스트 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
21 시간
Overview
강사가 진행되는이 실습에서 참가자는 실제 응용 프로그램을 만드는 과정에서 R을 사용하는 기계 학습을위한 고급 기술을 학습합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 하이퍼 파라미터 튜닝 및 심층 학습으로 기술 사용 자율 학습 기술 이해 및 구현 더 큰 응용 프로그램에서 사용할 수 있도록 모델을 제작에 적용하십시오 청중 개발자 애널리스트 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
21 시간
Overview
Deep learning is a subfield of machine learning. It uses methods based on learning data representations and structures such as neural networks.
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 (online or onsite) is aimed at developers who wish to build a self-driving car (autonomous vehicle) using deep learning techniques.
By the end of this training, participants will be able to:
- Use computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
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.
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 (online or onsite) is aimed at developers who wish to build a self-driving car (autonomous vehicle) using deep learning techniques.
By the end of this training, participants will be able to:
- Use computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
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.
21 시간
Overview
SINGA는 대규모 데이터 세트에 대한 심층 학습 모델을 학습하기위한 일반적인 분산 형 심층 학습 플랫폼입니다. 레이어 추상화를 기반으로하는 직관적 인 프로그래밍 모델로 설계되었습니다. CNN (convolutional neural networks)을 비롯한 피드 포워드 모델, 제한된 볼츠만 머신 (RBM) 및 반복적 신경 네트워크 (RNN)와 같은 에너지 모델 등 다양한 인기 학습 모델이 지원됩니다. 많은 내장 레이어가 사용자에게 제공됩니다. SINGA 아키텍처는 동기, 비동기 및 하이브리드 교육 프레임 워크를 실행하기에 충분히 유연합니다. 또한 SINGA는 대형 모델의 교육, 즉 일괄 처리 차원, 피처 차원 또는 하이브리드 파티셔닝에 대한 파티셔닝을 병렬화하기 위해 다양한 신경망 분할 스키마를 지원합니다.
청중
이 과정은 Apache SINGA 를 심층 학습 프레임 워크로 활용하고자하는 연구자, 엔지니어 및 개발자를 Apache SINGA 으로합니다.
이 코스를 마친 후, 대표자들은 :
- SINGA의 구조와 전개 메커니즘 이해
- 설치 / 생산 환경 / 아키텍처 작업 및 구성을 수행 할 수 있어야합니다.
- 코드 품질 평가, 디버깅 수행, 모니터링
- 교육 모델, 용어 포함, 그래프 작성 및 로깅과 같은 고급 생산을 구현할 수 있어야합니다.
청중
이 과정은 Apache SINGA 를 심층 학습 프레임 워크로 활용하고자하는 연구자, 엔지니어 및 개발자를 Apache SINGA 으로합니다.
이 코스를 마친 후, 대표자들은 :
- SINGA의 구조와 전개 메커니즘 이해
- 설치 / 생산 환경 / 아키텍처 작업 및 구성을 수행 할 수 있어야합니다.
- 코드 품질 평가, 디버깅 수행, 모니터링
- 교육 모델, 용어 포함, 그래프 작성 및 로깅과 같은 고급 생산을 구현할 수 있어야합니다.
7 시간
Overview
Tensor2Tensor (T2T)는 이미지 인식, 번역, 구문 분석, 이미지 캡션 및 음성 인식과 같은 다양한 유형의 교육 데이터를 사용하여 AI 모델을 다양한 작업으로 교육하기위한 모듈 식의 확장 가능한 라이브러리입니다 Google Brain 팀에서 관리합니다 강사가 진행되는이 실습에서 참가자는 여러 작업을 해결하기 위해 모델을 준비하는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 tensor2tensor 설치, 데이터 세트 선택, AI 모델 교육 및 평가 Tensor2Tensor에 포함 된 도구 및 구성 요소를 사용하여 개발 환경 사용자 정의 단일 모델을 작성하고 사용하여 여러 도메인에서 여러 작업을 동시에 학습합니다 이 모델을 사용하여 많은 양의 교육 데이터가있는 작업으로부터 학습하고 해당 지식을 데이터가 제한된 작업에 적용합니다 단일 GPU를 사용하여 만족스러운 처리 결과 얻기 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
21 시간
Overview
TensorFlow 는 Go ogle에서 딥 러닝, 수치 계산 및 대규모 머신 러닝을 위해 개발 한 인기있는 머신 러닝 라이브러리입니다. 2019 년 1 월에 출시 된 TensorFlow 2.0은 최신 버전의 TensorFlow 이며,보다 TensorFlow 실행, 호환성 및 API 일관성 개선 사항을 포함합니다.
이 강사 주도의 라이브 교육 (현장 또는 원격)은 Tensorflow 2.0을 사용하여 예측 변수, 분류기, 생성 모델, 신경망 등을 구축하려는 개발자 및 데이터 과학자를 대상으로합니다.
이 교육이 끝나면 참가자는 다음을 수행 할 수 있습니다.
- TensorFlow 2.0을 설치하고 구성하십시오.
- 이전 버전에 비해 TensorFlow 2.0의 이점을 이해하십시오.
- 딥 러닝 모델을 구축하십시오.
- 고급 이미지 분류기를 구현하십시오.
- 클라우드, 모바일 및 IoT 장치에 딥 러닝 모델을 배포하십시오.
코스의 형식
- 대화식 강의 및 토론.
- 많은 연습과 연습.
- 라이브 랩 환경에서 실습 구현.
코스 사용자 정의 옵션
- 이 과정에 대한 맞춤형 교육을 요청하려면 저희에게 연락하여 준비하십시오.
- TensorFlow 에 대한 자세한 내용은 https://www.tensorflow.org/를 참조하십시오.
이 강사 주도의 라이브 교육 (현장 또는 원격)은 Tensorflow 2.0을 사용하여 예측 변수, 분류기, 생성 모델, 신경망 등을 구축하려는 개발자 및 데이터 과학자를 대상으로합니다.
이 교육이 끝나면 참가자는 다음을 수행 할 수 있습니다.
- TensorFlow 2.0을 설치하고 구성하십시오.
- 이전 버전에 비해 TensorFlow 2.0의 이점을 이해하십시오.
- 딥 러닝 모델을 구축하십시오.
- 고급 이미지 분류기를 구현하십시오.
- 클라우드, 모바일 및 IoT 장치에 딥 러닝 모델을 배포하십시오.
코스의 형식
- 대화식 강의 및 토론.
- 많은 연습과 연습.
- 라이브 랩 환경에서 실습 구현.
코스 사용자 정의 옵션
- 이 과정에 대한 맞춤형 교육을 요청하려면 저희에게 연락하여 준비하십시오.
- TensorFlow 에 대한 자세한 내용은 https://www.tensorflow.org/를 참조하십시오.
21 시간
Overview
TensorFlow Lite is an open source deep learning framework for executing models on mobile and embedded devices with limited compute and memory resources.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing machine learning models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand their default capabilities.
- Deploy deep learning models on embedded devices running Linux to solve physical world problems such as recognizing images and voice, predicting patterns, and initiating movements and responses from robots and other embedded systems in the field.
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.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to deploy deep learning models on embedded devices.
By the end of this training, participants will be able to:
- Install and configure Tensorflow Lite on an embedded device.
- Understand the concepts and components underlying TensorFlow Lite.
- Convert existing machine learning models to TensorFlow Lite format for execution on embedded devices.
- Work within the limitations of small devices and TensorFlow Lite, while learning how to expand their default capabilities.
- Deploy deep learning models on embedded devices running Linux to solve physical world problems such as recognizing images and voice, predicting patterns, and initiating movements and responses from robots and other embedded systems in the field.
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.
21 시간
Overview
MXNet is a flexible, open-source Deep Learning library that is popular for research prototyping and production. Together with the high-level Gluon API interface, Apache MXNet is a powerful alternative to TensorFlow and PyTorch.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
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.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use Apache MXNet to build and deploy a deep learning model for image recognition.
By the end of this training, participants will be able to:
- Install and configure Apache MXNet and its components.
- Understand MXNet's architecture and data structures.
- Use Apache MXNet's low-level and high-level APIs to efficiently build neural networks.
- Build a convolutional neural network for image classification.
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.
21 시간
Overview
TensorFlow Lite is an open source deep learning framework for mobile devices and embedded systems.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
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 TensorFlow, please visit: https://www.tensorflow.org/lite/
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow, machine learning and deep learning.
- Load TensorFlow Models onto an Android device.
- Enable deep learning and machine learning functionality such as computer vision and natural language recognition in a mobile application.
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 TensorFlow, please visit: https://www.tensorflow.org/lite/
21 시간
Overview
TensorFlow Lite is an open source deep learning framework for mobile devices and embedded systems.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
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.
This instructor-led, live training (online or onsite) is aimed at developers who wish to use TensorFlow Lite to develop iOS mobile applications with deep learning capabilities.
By the end of this training, participants will be able to:
- Install and configure TensorFlow Lite.
- Understand the principles behind TensorFlow and machine learning on mobile devices.
- Load TensorFlow Models onto an iOS device.
- Run an iOS application capable of detecting and classifying an object captured through the device's camera.
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.
21 시간
Overview
TensorFlow Lite for Microcontrollers is a port of TensorFlow Lite designed to run machine learning models on microcontrollers and other devices with limited memory.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
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.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to write, load and run machine learning models on very small embedded devices.
By the end of this training, participants will be able to:
- Install TensorFlow Lite.
- Load machine learning models onto an embedded device to enable it to detect speech, classify images, etc.
- Add AI to hardware devices without relying on network connectivity.
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.
7 시간
Overview
TensorFlow Serving은 기계 학습 (ML) 모델을 프로덕션에 제공하기위한 시스템입니다.
강사가 진행하는이 실시간 교육에서 참가자는 프로덕션 환경에서 ML 모델을 배포 및 관리하기 위해 TensorFlow Serving을 구성하고 사용하는 방법을 학습합니다.
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.
- 다양한 TensorFlow 모델 교육, 수출 및 제공
- 단일 아키텍처 및 API 세트를 사용하여 알고리즘 테스트 및 배포
- 확장 TensorFlow 넘어 모델의 다른 종류의 봉사 봉사 TensorFlow 모델을
청중
- 개발자
- 데이터 과학자
과정 형식
- 파트 강의, 파트 토론, 연습 및 무거운 실무 연습
강사가 진행하는이 실시간 교육에서 참가자는 프로덕션 환경에서 ML 모델을 배포 및 관리하기 위해 TensorFlow Serving을 구성하고 사용하는 방법을 학습합니다.
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.
- 다양한 TensorFlow 모델 교육, 수출 및 제공
- 단일 아키텍처 및 API 세트를 사용하여 알고리즘 테스트 및 배포
- 확장 TensorFlow 넘어 모델의 다른 종류의 봉사 봉사 TensorFlow 모델을
청중
- 개발자
- 데이터 과학자
과정 형식
- 파트 강의, 파트 토론, 연습 및 무거운 실무 연습
21 시간
Overview
TensorFlow 는 Go Deep Learning 위한 Go ogle의 오픈 소스 소프트웨어 라이브러리의 2 세대 API입니다. 이 시스템은 기계 학습에 대한 연구를 용이하게하고 연구 프로토 타입에서 생산 시스템으로 신속하고 쉽게 전환 할 수 있도록 설계되었습니다.
청중
이 코스는 TensorFlow 를 Deep Learning 프로젝트에 사용하려는 엔지니어를 대상으로합니다.
이 코스를 마친 후, 대표자들은 :
- TensorFlow 의 구조와 배포 메커니즘 이해
- 설치 / 생산 환경 / 아키텍처 작업 및 구성을 수행 할 수 있어야합니다.
- 코드 품질 평가, 디버깅 수행, 모니터링
- 교육 모델, 그래프 작성 및 로깅과 같은 고급 생산을 구현할 수 있어야합니다.
청중
이 코스는 TensorFlow 를 Deep Learning 프로젝트에 사용하려는 엔지니어를 대상으로합니다.
이 코스를 마친 후, 대표자들은 :
- TensorFlow 의 구조와 배포 메커니즘 이해
- 설치 / 생산 환경 / 아키텍처 작업 및 구성을 수행 할 수 있어야합니다.
- 코드 품질 평가, 디버깅 수행, 모니터링
- 교육 모델, 그래프 작성 및 로깅과 같은 고급 생산을 구현할 수 있어야합니다.
28 시간
Overview
이 과정에서는 특정 예제를 사용하여 이미지 인식을 목적으로 Tensor Flow를 적용하는 방법에 대해 알아 봅니다.
청중
이 과정은 이미지 인식을 위해 TensorFlow 를 활용하려는 엔지니어를 대상으로합니다.
이 과정을 마치면 대표단은 다음을 수행 할 수 있습니다.
- TensorFlow 의 구조와 배포 메커니즘 이해
- 설치 / 생산 환경 / 아키텍처 작업 및 구성 수행
- 코드 품질 평가, 디버깅 수행, 모니터링
- 교육 모델, 그래프 작성 및 로깅과 같은 고급 제품 구현
청중
이 과정은 이미지 인식을 위해 TensorFlow 를 활용하려는 엔지니어를 대상으로합니다.
이 과정을 마치면 대표단은 다음을 수행 할 수 있습니다.
- TensorFlow 의 구조와 배포 메커니즘 이해
- 설치 / 생산 환경 / 아키텍처 작업 및 구성 수행
- 코드 품질 평가, 디버깅 수행, 모니터링
- 교육 모델, 그래프 작성 및 로깅과 같은 고급 제품 구현
21 시간
Overview
TensorFlow Extended (TFX) is an end-to-end platform for deploying production ML pipelines.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
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.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to go from training a single ML model to deploying many ML models to production.
By the end of this training, participants will be able to:
- Install and configure TFX and supporting third-party tools.
- Use TFX to create and manage a complete ML production pipeline.
- Work with TFX components to carry out modeling, training, serving inference, and managing deployments.
- Deploy machine learning features to web applications, mobile applications, IoT devices and more.
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.
21 시간
Overview
Torch 는 오픈 소스 기계 학습 라이브러리이며 Lua 프로그래밍 언어를 기반으로하는 과학 컴퓨팅 프레임 워크입니다. 딥 러닝 및 컨볼 루션 네트에 중점을 둔 숫자, 머신 러닝 및 컴퓨터 비전을위한 개발 환경을 제공합니다. 머신 및 Deep Learning 위한 가장 빠르고 유연한 프레임 워크 중 하나이며 Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel 등의 회사에서 사용됩니다.
이 강사 주도형 라이브 교육에서는 Torch 의 원리, 고유 한 기능 및 실제 응용 프로그램에 적용 할 수있는 방법을 다룹니다. 우리는 배운 개념을 시연하고 실천하면서 수많은 실습을 진행합니다.
과정이 끝나면 참가자는 다른 프레임 워크 및 라이브러리와 비교할 때 AI 공간 내에서의 역할과 기여뿐만 아니라 Torch 의 기본 기능을 철저히 이해하게됩니다. 참가자는 자신의 프로젝트에서 Torch 를 구현하는 데 필요한 연습을 받았습니다.
코스의 형식
- 기계 및 Deep Learning 개요
- 수업 내 코딩 및 통합 연습
- 이해를 확인하기 위해 시험 문제가 뿌려졌습니다.
이 강사 주도형 라이브 교육에서는 Torch 의 원리, 고유 한 기능 및 실제 응용 프로그램에 적용 할 수있는 방법을 다룹니다. 우리는 배운 개념을 시연하고 실천하면서 수많은 실습을 진행합니다.
과정이 끝나면 참가자는 다른 프레임 워크 및 라이브러리와 비교할 때 AI 공간 내에서의 역할과 기여뿐만 아니라 Torch 의 기본 기능을 철저히 이해하게됩니다. 참가자는 자신의 프로젝트에서 Torch 를 구현하는 데 필요한 연습을 받았습니다.
코스의 형식
- 기계 및 Deep Learning 개요
- 수업 내 코딩 및 통합 연습
- 이해를 확인하기 위해 시험 문제가 뿌려졌습니다.
7 시간
Overview
Tensor Processing Unit (TPU)은 Google이 수 년 동안 내부적으로 사용해온 아키텍처로, 현재 일반 대중이 사용할 수있게되었습니다 여기에는 능률적 인 행렬 곱셈 및 16 비트 대신 8 비트 정수를 포함하여 신경망에 사용하기위한 몇 가지 최적화가 포함되어있어 적절한 수준의 정확도를 반환합니다 교육 강좌를 통해 참가자는 TPU 프로세서의 혁신을 활용하여 자체 AI 응용 프로그램의 성능을 극대화하는 방법을 배우게됩니다 교육이 끝나면 참가자는 다음 작업을 수행 할 수 있습니다 많은 양의 데이터에 대해 다양한 유형의 신경 네트워크를 교육합니다 TPUs를 사용하여 추론 과정을 최대 2 배까지 가속화하십시오 TPU를 사용하여 이미지 검색, 클라우드 비전 및 사진과 같은 집중적 인 애플리케이션 처리 청중 개발자 연구원 엔지니어 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
35 시간
Overview
TensorFlow ™는 데이터 흐름 그래프를 사용한 수치 계산을위한 오픈 소스 소프트웨어 라이브러리입니다 SyntaxNet은 TensorFlow를위한 신경망 자연 언어 처리 프레임 워크입니다 Word2Vec는 "단어 삽입"이라고하는 단어의 벡터 표현을 학습하는 데 사용됩니다 Word2vec는 원시 텍스트에서 단어 삽입을 학습 할 때 특히 계산 효율이 좋은 예측 모델입니다 그것은 Continuous BagofWords 모델 (CBOW)과 SkipGram 모델 (Mikolov et al의 31 장과 32 장)의 두 가지 맛이 있습니다 SyntaxNet과 Word2Vec을 함께 사용하면 자연어 입력으로부터 Learned Embedding 모델을 생성 할 수 있습니다 청중 이 과정은 TensorFlow 그래프에서 SyntaxNet 및 Word2Vec 모델을 사용하고자하는 개발자 및 엔지니어를 대상으로합니다 이 과정을 마치면 대표단은 다음을 수행합니다 TensorFlow의 구조와 배포 메커니즘 이해 설치 / 생산 환경 / 아키텍처 작업 및 구성을 수행 할 수 있어야합니다 코드 품질 평가, 디버깅 수행, 모니터링 교육 모델, 용어 포함, 그래프 작성 및 로깅과 같은 고급 생산을 구현할 수 있어야합니다 .
35 시간
Overview
이 과정은 신경망 및 일반적으로 기계 학습 알고리즘, 딥 러닝 (알고리즘 및 응용 프로그램)에 대한 개념 지식을 제공하는 것으로 시작합니다.
파트 1 (40 %)이 훈련은 기본에 더 초점이다, 그러나 당신이 올바른 기술을 선택하는 데 도움이됩니다 TensorFlow , Caffe , Theano, DeepDrive, Keras 등
이 교육의 2 부 (20 %)는 딥 러닝 모델을 쉽게 작성할 수있는 Python 라이브러리 인 Theano를 소개합니다.
교육의 3 부 (40 %)는 Go ogle의 Deep Learning 용 오픈 소스 소프트웨어 라이브러리 인 Tensorflow-2 Generation API를 기반으로합니다. 예제와 핸드 손은 모두 TensorFlow 에서 만들어 질 것입니다.
청중
이 과정은 Deep Learning 프로젝트에 TensorFlow 를 사용하려는 엔지니어를 대상으로합니다.
이 과정을 마친 대표는 다음을 수행합니다.
-
심층 신경망 (DNN), CNN 및 RNN에 대해 잘 이해해야합니다.
-
TensorFlow 의 구조 및 배포 메커니즘 이해
-
설치 / 제작 환경 / 아키텍처 작업 및 구성 수행 가능
-
코드 품질 평가, 디버깅, 모니터링 수행
-
교육 모델, 그래프 작성 및 로깅과 같은 고급 프로덕션을 구현할 수 있습니다.
파트 1 (40 %)이 훈련은 기본에 더 초점이다, 그러나 당신이 올바른 기술을 선택하는 데 도움이됩니다 TensorFlow , Caffe , Theano, DeepDrive, Keras 등
이 교육의 2 부 (20 %)는 딥 러닝 모델을 쉽게 작성할 수있는 Python 라이브러리 인 Theano를 소개합니다.
교육의 3 부 (40 %)는 Go ogle의 Deep Learning 용 오픈 소스 소프트웨어 라이브러리 인 Tensorflow-2 Generation API를 기반으로합니다. 예제와 핸드 손은 모두 TensorFlow 에서 만들어 질 것입니다.
청중
이 과정은 Deep Learning 프로젝트에 TensorFlow 를 사용하려는 엔지니어를 대상으로합니다.
이 과정을 마친 대표는 다음을 수행합니다.
-
심층 신경망 (DNN), CNN 및 RNN에 대해 잘 이해해야합니다.
-
TensorFlow 의 구조 및 배포 메커니즘 이해
-
설치 / 제작 환경 / 아키텍처 작업 및 구성 수행 가능
-
코드 품질 평가, 디버깅, 모니터링 수행
-
교육 모델, 그래프 작성 및 로깅과 같은 고급 프로덕션을 구현할 수 있습니다.
14 시간
Overview
Video analytics refers to the technology and techniques used to process a video stream. A common application would be capturing and identifying live video events through motion detection, facial recognition, crowd and vehicle counting, etc.
This instructor-led, live training (online or onsite) is aimed at developers who wish to build hardware-accelerated object detection and tracking models to analyze streaming video data.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
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.
This instructor-led, live training (online or onsite) is aimed at developers who wish to build hardware-accelerated object detection and tracking models to analyze streaming video data.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
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.
28 시간
Overview
이 과정은 신경망 및 일반적으로 기계 학습 알고리즘, 딥 러닝 (알고리즘 및 응용 프로그램)에 대한 지식을 제공합니다.
이 훈련은 기본에 더 초점이다, 그러나 당신이 올바른 기술을 선택하는 데 도움이 될 것입니다 : TensorFlow , Caffe , Teano, DeepDrive, Keras 등의 예제가 이루어집니다 TensorFlow .
이 훈련은 기본에 더 초점이다, 그러나 당신이 올바른 기술을 선택하는 데 도움이 될 것입니다 : TensorFlow , Caffe , Teano, DeepDrive, Keras 등의 예제가 이루어집니다 TensorFlow .
Other countries
Consulting
주말DL (Deep Learning)코스, 밤의심층 학습트레이닝, 심층 학습부트 캠프, Deep Learning (DL) 강사가 가르치는, 주말Deep Learning (DL)교육, 밤의심층 학습과정, DL (Deep Learning)코칭, 심층 학습강사, Deep Learning (DL)트레이너, DL (Deep Learning)교육 과정, Deep Learning (DL)클래스, 심층 학습현장, DL (Deep Learning)개인 강좌, Deep Learning (DL)1 대 1 교육
.png "aeronautical radio, incorporated (arinc)"){kind=small}
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "european southern observatory (eso)")
