DL (Deep Learning) is a subset of ML (Machine Learning). NobleProg onsite live Deep Learning training courses demonstrate through hands-on practice the fundamentals and applications of Deep Learning and cover subjects such as deep machine learning, deep structured learning, and hierarchical learning. Deep Learning training is available in various formats, including onsite live training and live instructor-led training using an interactive, remote desktop setup. Local Deep Learning training can be carried out live on customer premises or in NobleProg local training centers.

Testimonials

★★★★★

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

The topic is very interesting

Wojciech Baranowski

Course: Introduction to Deep Learning

Trainers theoretical knowledge and willingness to solve the problems with the participants after the training

Grzegorz Mianowski

Course: Introduction to Deep Learning

Topic. Very interesting!

Piotr

Course: Introduction to Deep Learning

Exercises after each topic were really helpful, despite there were too complicated at the end. In general, the presented material was very interesting and involving! Exercises with image recognition were great.

Dolby Poland Sp. z o.o.

Course: Introduction to Deep Learning

I think that if training would be done in polish it would allow the trainer to share his knowledge more efficient

Radek

Course: Introduction to Deep Learning

The global overview of deep learning

Bruno Charbonnier

Course: Advanced Deep Learning

The exercises are sufficiently practical and do not need a high knowledge in Python to be done.

Alexandre GIRARD

Course: Advanced Deep Learning

Doing exercises on real examples using Keras. Mihaly totally understood our expectations about this training.

Paul Kassis

Course: Advanced Deep Learning

the subject. it seemed interesting, but I left knowing not much more than before.

Radoslaw Labedzki

Course: Introduction to Deep Learning

Interesting subject

Wojciech Wilk

Course: Introduction to Deep Learning

저는 크리스의 질문에 대한 분명한 대답을 정말로 높이 평가했습니다. Léo Dubus

Léo Dubus

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

지식이 풍부한 강사

Sridhar Voorakkara

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

나는이 수업의 표준에 놀랐다. 나는 그것이 대학의 표준이라고 말할 것이다.

David Relihan

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Tensorflow가 왜 그렇게 작동하는지에 대한 전반적인 개요가 매우 좋습니다

Kieran Conboy

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

나는 질문을하고 이론에 대한 깊이있는 설명을 더 얻을 수있는 기회를 좋아했다.

Sharon Ruane

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

우리는 주제에 대해 더 많은 통찰력을 얻었습니다. 우리 회사 내의 일부 실제 주제에 대해 좋은 토론이있었습니다

Sebastiaan Holman

Course: Machine Learning and Deep Learning

Translated by

교육은 이론과 실천이 어떻게 연계되어 있는지 보여줌으로써 우리가 더욱 확대 할 수있는 올바른 기반을 제공했습니다. 사실 이전보다 주제에 더 관심이 많았습니다

Jean-Paul van Tillo

Course: Machine Learning and Deep Learning

Translated by

주제 및 범위

Anirban Basu

Course: Machine Learning and Deep Learning

Translated by

주제에 대한 강사의 깊은 지식

Sebastian Görg

Course: Introduction to Deep Learning

Translated by

매우 유연합니다

Frank Ueltzhöffer

Course: Artificial Neural Networks, Machine Learning and Deep Thinking

Translated by

적응성

Werner Philipp

Course: Artificial Neural Networks, Machine Learning and Deep Thinking

Translated by

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

Translated by

주제 선택. 훈련의 스타일. 실습 오리엔테이션

Commerzbank AG

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

실시 방법 및 트레이너가 제시 한 사례 ORANGE POLSKA S.A.

ORANGE POLSKA S.A.

Course: Machine Learning and Deep Learning

Translated by

제안 된 문제를 직접 논의 할 수있는 가능성 ORANGE POLSKA S.A.

ORANGE POLSKA S.A.

Course: Machine Learning and Deep Learning

Translated by

강사와의 커뮤니케이션 张文欣 - Accenture

文欣张

Course: Artificial Neural Networks, Machine Learning, Deep Thinking

Translated by

좋아해. li

lisa xie

Course: Artificial Neural Networks, Machine Learning, Deep Thinking

Translated by

기계 학습 주제, 특히 신경 네트워크에 대한 확실한 적용 범위. 주제를 많이 비판했다

Sacha Nandlall

Course: Python for Advanced Machine Learning

Translated by

선도적이고 실제적인 응용 사례에 대한 최신 지식.

ING Bank Śląski S.A.

Course: Introduction to Deep Learning

Translated by

많은 연습, 그룹과의 매우 좋은 협력.

Janusz Chrobot - ING Bank Śląski S.A.

Course: Introduction to Deep Learning

Translated by

colaborators에서 작동,

ING Bank Śląski S.A.

Course: Introduction to Deep Learning

Translated by

제시된 화제의 열광자는지도이었다 명백했다. 운동 중에 재미있는 예를 사용했습니다.

ING Bank Śląski S.A.

Course: Introduction to Deep Learning

Translated by

광범위한 주제가 다루어지고 지도자에 대한 실질적인 지식.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

결핍

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

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

Translated by

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

Translated by

연습과 예제가 구현되었습니다.

Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

논의 된 사례와 문제.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

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

Translated by

Maciej 씨가 준비한 실용적인 연습

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Course: Understanding Deep Neural Networks

Translated by

Deep Learning Subcategories

Deep Learning Course Outlines

Code	Name	Duration	Overview
annmldt	Artificial Neural Networks, Machine Learning, Deep Thinking	21 hours	인공 신경망은 인공 지능 (AI) 시스템의 개발에 사용되는 컴퓨터 데이터 모델로 "지능적인"작업을 수행 할 수 있습니다 뉴럴 네트워크는 일반적으로 인공 지능의 한 구현 인 기계 학습 (ML) 응용 프로그램에서 사용됩니다 딥 학습은 ML의 하위 집합입니다 .
undnn	Understanding Deep Neural Networks	35 hours	이 과정은 신경 네트워크와 일반적으로 기계 학습 알고리즘, 심층 학습 (알고리즘 및 응용 프로그램)에서 개념 지식을 제공하는 것으로 시작됩니다 이 교육의 Part1 (40 %)은 기초에 더 중점을두고 있지만 TensorFlow, Caffe, Theano, DeepDrive, Keras 등 올바른 기술 선택에 도움이 될 것입니다 이 교육의 Part2 (20 %)에서는 깊은 학습 모델을 쉽게 작성하는 Python 라이브러리 인 Theano를 소개합니다 Part 3 (40 %)은 Deep Learning을위한 Google의 오픈 소스 소프트웨어 라이브러리 인 Tensorflow 2 세대 API를 기반으로합니다 예제와 핸드 슨은 모두 TensorFlow에서 만들어집니다 청중 이 코스는 TensorFlow를 딥 학습 프로젝트에 사용하고자하는 엔지니어를 대상으로합니다 이 과정을 마치면 대표단은 다음을 수행합니다 깊은 신경 네트워크 (DNN), CNN 및 RNN에 대한 충분한 이해 TensorFlow의 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 모든 주제가 주제의 광대 함 때문에 35 시간 동안 공개 강의실에서 다루어지지는 않습니다 전체 과정의 기간은 35 시간이 아닌 약 70 시간입니다 .
t2t	T2T: Creating Sequence to Sequence Models for Generalized Learning	7 hours	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 .
embeddingprojector	Embedding Projector: Visualizing Your Training Data	14 hours	Embedding Projector는 기계 학습 시스템을 교육하는 데 사용되는 데이터를 시각화하는 오픈 소스 웹 응용 프로그램입니다 Google에서 제작 한 TensorFlow의 일부입니다 강사가 진행된이 실습에서는 Embedding Projector의 개념을 소개하고 참가자에게 데모 프로젝트 설정을 안내합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 기계 학습 모델에서 데이터를 해석하는 방법 탐색 데이터의 3D 및 2D보기를 탐색하여 기계 학습 알고리즘이이를 해석하는 방법을 이해합니다 Embedding과 이미지, 단어 및 숫자에 대한 수학적 벡터를 표현하는 역할에 대한 개념을 이해합니다 특정 임베딩의 속성을 탐색하여 모델의 동작을 이해합니다 음악 애호가를위한 노래 추천 시스템 구축과 같은 실제 세계 사용 사례에 프로젝트 포함 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
openface	OpenFace: Creating Facial Recognition Systems	14 hours	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 .
pythonadvml	Python for Advanced Machine Learning	21 hours	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 .
radvml	Advanced Machine Learning with R	21 hours	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 .
tensorflowserving	TensorFlow Serving	7 hours	TensorFlow Serving은 기계 학습 (ML) 모델을 프로덕션에 제공하기위한 시스템입니다 강사가 진행되는이 교육 과정에서 참가자는 TensorFlow Serving을 구성 및 사용하여 프로덕션 환경에서 ML 모델을 배포 및 관리하는 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 TensorFlow 확장 TensorFlow 모델 이외의 다른 유형의 모델을 제공하도록 검색 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
matlabdl	Matlab for Deep Learning	14 hours	강사가 진행되는이 실습에서 참가자는 Matlab을 사용하여 이미지 인식을위한 길쌈 신경망을 설계, 제작 및 시각화하는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 심층 학습 모델 구축 데이터 라벨링 자동화 Caffe 및 TensorFlowKeras의 모델 작업 여러 GPU, 클라우드 또는 클러스터를 사용하여 데이터를 교육하십시오 청중 개발자 엔지니어 도메인 전문가 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
mlbankingpython_	Machine Learning for Banking (with Python)	21 hours	기계 학습은 컴퓨터가 명시 적으로 프로그래밍하지 않고 학습 할 수있는 인공 지능의 한 분야입니다 Python은 명확한 구문 및 가독성으로 유명한 프로그래밍 언어입니다 그것은 기계 학습 응용 프로그램을 개발하기위한 잘 테스트 된 라이브러리와 기술을 제공합니다 강사가 진행되는이 실습에서는 참가자가 기계 학습 기술을 적용하는 방법과 금융 업계에서 실제 세계 문제를 해결하는 도구를 배우게됩니다 참가자는 먼저 핵심 원칙을 학습 한 다음 자체적 인 기계 학습 모델을 작성하고이를 사용하여 여러 팀 프로젝트를 완료함으로써 지식을 실제 업무에 적용합니다 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
dlfornlp	Deep Learning for NLP (Natural Language Processing)	28 hours	NLP를위한 딥 학습 (Deep Learning for NLP)을 통해 기계는 복잡한 언어 처리 과정을 간단하게 배울 수 있습니다 현재 가능한 작업 중에는 사진의 언어 번역 및 자막 생성이 있습니다 DL (Deep Learning)은 ML (기계 학습)의 하위 집합입니다 Python은 NLP 용 Deep Learning을위한 라이브러리를 포함하는 널리 사용되는 프로그래밍 언어입니다 강사진의 실습을 통해 참가자는 그림 집합을 처리하고 자막을 생성하는 응용 프로그램을 만들 때 NLP (자연 언어 처리) 용 Python 라이브러리를 사용하는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 파이썬 라이브러리를 사용하여 NLP 용 DL 디자인 및 코드 엄청나게 많은 그림 모음을 읽고 키워드를 생성하는 Python 코드를 만듭니다 발견 된 키워드에서 캡션을 생성하는 Python 코드를 작성하십시오 청중 언어학에 관심이있는 프로그래머 NLP (자연어 처리)에 대한 이해를 원하는 프로그래머 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
PaddlePaddle	PaddlePaddle	21 hours	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 .
dlfinancewithr	Deep Learning for Finance (with R)	28 hours	기계 학습은 컴퓨터가 명시 적으로 프로그래밍하지 않고 학습 할 수있는 인공 지능의 한 분야입니다 딥 학습은 신경망과 같은 데이터 표현 및 구조를 학습하는 방법을 사용하는 기계 학습의 하위 분야입니다 R은 금융 산업에서 널리 사용되는 프로그래밍 언어입니다 핵심 거래 프로그램에서부터 리스크 관리 시스템에 이르는 금융 애플리케이션에 사용됩니다 강사가 진행되는이 실습에서 참가자는 R 학습을 통해 심층 학습 주가 예측 모델을 작성하면서 재무에 대한 심층 학습 모델을 구현하는 방법을 학습합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 깊은 학습의 기본 개념 이해 금융 분야에서의 심층 학습의 응용 및 용도에 대해 배웁니다 R을 사용하여 재무에 대한 심층적 인 학습 모델 작성 R을 사용하여 자신의 깊은 학습 주가 예측 모델 구축 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
dlforbankingwithpython	Deep Learning for Banking (with Python)	28 hours	기계 학습은 컴퓨터가 명시 적으로 프로그래밍하지 않고 학습 할 수있는 인공 지능의 한 분야입니다 딥 학습은 신경망과 같은 데이터 표현 및 구조를 학습하는 방법을 사용하는 기계 학습의 하위 분야입니다 파이썬은 명확한 구문 및 코드 가독성으로 유명한 고 레벨 프로그래밍 언어입니다 강사가 진행되는이 실습에서 참가자는 심층 학습 신용 위험 모델을 작성하면서 Python을 사용하여 은행 업무를위한 심층 학습 모델을 구현하는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 깊은 학습의 기본 개념 이해 은행 업무에서의 심층 학습의 응용과 용도를 배웁니다 Python, Keras 및 TensorFlow를 사용하여 은행 업무를위한 심층 학습 모델 생성 Python을 사용하여 자신의 깊은 학습 신용 위험 모델을 구축하십시오 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
dlforbankingwithr	Deep Learning for Banking (with R)	28 hours	기계 학습은 컴퓨터가 명시 적으로 프로그래밍하지 않고 학습 할 수있는 인공 지능의 한 분야입니다 딥 학습은 신경망과 같은 데이터 표현 및 구조를 학습하는 방법을 사용하는 기계 학습의 하위 분야입니다 R은 금융 산업에서 널리 사용되는 프로그래밍 언어입니다 핵심 거래 프로그램에서부터 리스크 관리 시스템에 이르는 금융 애플리케이션에 사용됩니다 강사가 진행되는이 실습에서 참가자는 심층 학습 신용 위험 모델을 작성하면서 R을 사용하여 은행 업무를위한 심층 학습 모델을 구현하는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 깊은 학습의 기본 개념 이해 은행 업무에서의 심층 학습의 응용과 용도를 배웁니다 R을 사용하여 은행 업무를위한 심층 학습 모델 생성 R을 사용하여 자신의 깊은 학습 신용 위험 모델을 구축하십시오 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
dlforfinancewithpython	Deep Learning for Finance (with Python)	28 hours	기계 학습은 컴퓨터가 명시 적으로 프로그래밍하지 않고 학습 할 수있는 인공 지능의 한 분야입니다 딥 학습은 신경망과 같은 데이터 표현 및 구조를 학습하는 방법을 사용하는 기계 학습의 하위 분야입니다 파이썬은 명확한 구문 및 코드 가독성으로 유명한 고 레벨 프로그래밍 언어입니다 교육 강좌가 진행되는이 교육 과정에서 참가자는 심층 학습 주가 예측 모델을 작성하면서 Python을 사용하여 재무에 대한 심층 학습 모델을 구현하는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 깊은 학습의 기본 개념 이해 금융 분야에서의 심층 학습의 응용 및 용도에 대해 배웁니다 Python, Keras 및 TensorFlow를 사용하여 금융에 대한 심층 학습 모델 생성 Python을 사용하여 자신의 깊은 학습 주가 예측 모델 구축 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
drlpython	Deep Reinforcement Learning with Python	21 hours	심층 강화 학습 (Deep Reinforcement Learning)은 시행 착오와 보상 및 처벌로 "인공 대리인"이 학습 할 수있는 능력을 말합니다 인공 에이전트는 비전과 같은 원시 입력으로부터 직접 지식을 얻고 구성하는 인간의 능력을 모방하는 것을 목표로합니다 보강 학습을 실현하기 위해 심층 학습 및 신경망이 사용됩니다 강화 학습은 기계 학습과는 다르며 감독 및 감독되지 않은 학습 접근법에 의존하지 않습니다 강사가 진행되는이 실습에서 참가자는 딥 학습 에이전트 생성을 통해 단계별로 강화 학습의 기본 사항을 학습합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 심층 강화 학습의 핵심 개념을 이해하고 기계 학습과 구별 할 수 있어야합니다 현실 세계 문제를 해결하기 위해 고급 강화 학습 알고리즘 적용 깊은 학습 에이전트를 구축하십시오 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
DLAITEDM	Deep Learning AI Techniques for Executives, Developers and Managers	21 hours	소개 : 깊은 학습은 모델의 핵심에 인공 지능을 통합하려는 미래 제품 설계의 주된 요소가되고 있습니다 향후 5 ~ 10 년 내에 심층 학습 개발 도구, 라이브러리 및 언어가 모든 소프트웨어 개발 툴킷의 표준 구성 요소가 될 것입니다 지금까지 구글, 세일즈 포스, 페이스 북, 아마존은 사업을 강화하기 위해 깊은 학습 AI를 성공적으로 사용 해왔다 응용 프로그램은 자동 기계 번역, 이미지 분석, 비디오 분석, 모션 분석, 타겟 광고 생성 등을 포함하여 다양했습니다 이 과정은 Deep Learning을 제품 또는 서비스 전략의 매우 중요한 부분으로 통합하려는 조직을 대상으로합니다 다음은 조직의 다양한 수준의 직원 / 이해 관계자에 맞게 사용자 지정할 수있는 심화 학습 과정의 개요입니다 대상 : (대상 고객에 따라 코스 자료가 사용자 정의됩니다) 경영진 AI에 대한 전반적인 개요와 전략적 계획, 기술 로드맵 및 리소스 할당에 대한 브레이크 아웃 세션을 통해 최대 가치를 보장하는 기업 전략에 적합한 방법에 대해 설명합니다 프로젝트 매니저 데이터 수집 및 평가, 데이터 정리 및 검증, proofofconcept 모델 개발, 비즈니스 프로세스 통합, 조직 전체에 걸쳐 제공 등 AI 프로젝트를 계획하는 방법 개발자 신경 네트워크 및 심층 학습, 이미지 및 비디오 분석 (CNN), 사운드 및 텍스트 분석 (NLP), AI를 기존 응용 프로그램에 적용하는 Indepth 기술 교육 영업 사원 AI에 대한 전반적인 개요와 고객 요구를 충족시키는 방법, 다양한 제품 및 서비스에 대한 가치 제안, 공포를 완화하고 AI의 이점을 홍보하는 방법 .
Nue_LBG	Neural computing – Data science	14 hours	이 교실 기반 교육 세션에는 관련 신경 및 심층 네트워크 라이브러리를 수행하기위한 프레젠테이션과 컴퓨터 기반 예제 및 사례 연구 연습이 포함됩니다 .
dlformedicine	Deep Learning for Medicine	14 hours	기계 학습은 컴퓨터가 명시 적으로 프로그래밍하지 않고 학습 할 수있는 인공 지능의 한 분야입니다 딥 러닝 (Deep Learning)은 결정을 내릴 때 인간 두뇌의 작동을 모방하려는 기계 학습의 하위 필드입니다 문제에 대한 해결책을 자동으로 제공하기 위해 데이터로 교육을 받았습니다 Deep Learning은 데이터 금광에 앉아있는 의료 산업에 막대한 기회를 제공합니다 강사진의 실제 훈련에서 참가자들은 깊은 학습 의 근본을 이해하기 위해 일련의 토론, 연습 및 캐스퍼디 분석에 참여하십시오 가장 중요한 딥 학습 도구와 기술을 평가하고 참가자가 자신의 조직 에서 딥 학습 솔루션을 평가하고 구현할 수 있도록 준비 합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 깊은 학습의 기본 원리 이해 업계에서의 딥 학습 기술 및 응용 사례를 배우십시오 딥 학습 기술로 해결할 수있는 의학 문제를 조사하십시오 의학에서의 깊은 학습 사례 연구를 탐구하십시오 의학에서의 문제 해결을위한 Deep Learning에서 최신 기술을 채택하기위한 전략 수립 청중 관리자 지도력 역할을하는 의료 전문가 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 노트 이 과정에 대한 맞춤 교육을 요청하려면 Google에 문의하여 준비하십시오 .
dlfortelecomwithpython	Deep Learning for Telecom (with Python)	28 hours	Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability. In this instructor-led, live training, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model. By the end of this training, participants will be able to: - Understand the fundamental concepts of deep learning - Learn the applications and uses of deep learning in telecom - Use Python, Keras, and TensorFlow to create deep learning models for telecom - Build their own deep learning customer churn prediction model using Python Audience - Developers - Data scientists Format of the course - Part lecture, part discussion, exercises and heavy hands-on practice
dsstne	Amazon DSSTNE: Build a Recommendation System	7 hours	Amazon DSSTNE는 권장 모델을 교육하고 배포하기위한 오픈 소스 라이브러리입니다 단일 GPU에 비해 너무 큰 가중치 행렬을 가진 모델을 단일 호스트에서 학습 할 수 있습니다 강사가 진행되는이 실습에서는 DSSTNE를 사용하여 추천 응용 프로그램을 작성하는 방법을 배우게됩니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 드문 드문 한 데이터 집합을 입력으로 사용하여 추천 모델 교육 여러 GPU에서 교육 및 예측 모델 확장 모델 병렬 방식으로 계산 및 저장 확장 Amazonlike 개인화 된 제품 권장 사항 생성 많은 작업량으로 확장 할 수있는 productionready 애플리케이션 배포 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
MicrosoftCognitiveToolkit	Microsoft Cognitive Toolkit 2.x	21 hours	Microsoft Cognitive Toolkit 2x (이전 CNTK)는 인간의 두뇌처럼 학습 할 수있는 심층적 인 학습 알고리즘을 교육하는 opensource, commercialgrade 툴킷입니다 Microsoft에 따르면 CNTK는 반복 네트워크의 경우 TensorFlow보다 510 배 빠르고 이미지 관련 작업의 경우 TensorFlow보다 2 ~ 3 배 빠릅니다 강사가 진행되는이 강의에서는 참가자들이 Microsoft Cognitive Toolkit을 사용하여 데이터, 음성, 텍스트 및 이미지와 같은 여러 유형의 데이터가 포함 된 상용 Grade AI 응용 프로그램에 사용되는 심층 학습 알고리즘을 작성, 교육 및 평가하는 방법을 학습합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 Python, C # 또는 C ++ 프로그램 내에서 라이브러리로 CNTK에 액세스하십시오 자체 모델 설명 언어 (BrainScript)를 통해 독립 실행 형 컴퓨터 학습 도구로 CNTK 사용 Java 프로그램에서 CNTK 모델 평가 기능 사용 피드 포워드 DNN, CNN (convolutional net) 및 RNN / LSTM (recurrent networks) CPU, GPU 및 여러 시스템의 계산 용량 확장 기존 프로그래밍 언어 및 알고리즘을 사용하여 대규모 데이터 세트에 액세스 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 노트 원하는 프로그래밍 언어를 포함하여이 교육의 모든 부분을 사용자 정의하려면 Google에 문의하여 준비하십시오 .
deeplearning1	Introduction to Deep Learning	21 hours	이 과정은 특정 방법을 너무 깊이 배우지 않고 딥 학습을위한 일반적인 개요입니다 예측의 정확성을 높이기 위해 딥 학습을 시작하려는 사람들에게 적합합니다 .
dl4jir	DeepLearning4J for Image Recognition	21 hours	Deeplearning4j는 Java 용 OpenSource DeepLearning Software 및 Hadoop 및 Spark의 Scala입니다 청중 이 과정은 DeepLearning4J를 이미지 인식 프로젝트에 활용하고자하는 엔지니어 및 개발자를 대상으로합니다 .
bspkannmldt	Artificial Neural Networks, Machine Learning and Deep Thinking	21 hours	인공 신경망은 인공 지능 (AI) 시스템의 개발에 사용되는 컴퓨터 데이터 모델로 "지능적인"작업을 수행 할 수 있습니다 뉴럴 네트워크는 일반적으로 인공 지능의 한 구현 인 기계 학습 (ML) 응용 프로그램에서 사용됩니다 딥 학습은 ML의 하위 집합입니다 .
dladv	Advanced Deep Learning	28 hours	기계 학습은 컴퓨터가 명시 적으로 프로그래밍하지 않고 학습 할 수있는 인공 지능의 한 분야입니다 딥 학습은 신경망과 같은 데이터 표현 및 구조를 학습하는 방법을 사용하는 기계 학습의 하위 분야입니다 .
tf101	Deep Learning with TensorFlow	21 hours	TensorFlow는 Deep Learning을위한 Google의 오픈 소스 소프트웨어 라이브러리의 2 세대 API입니다 이 시스템은 기계 학습의 연구를 용이하게하고 연구 프로토 타입에서 생산 시스템으로 신속하고 쉽게 전환 할 수 있도록 설계되었습니다 청중 이 코스는 TensorFlow를 딥 학습 프로젝트에 사용하고자하는 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, 그래프 작성 및 로깅과 같은 고급 생산을 구현할 수 있어야합니다 .
tfir	TensorFlow for Image Recognition	28 hours	이 과정은 특정 예를 들어 이미지 인식의 목적에 대한 Tensor Flow의 적용을 탐구합니다 청중 이 과정은 이미지 인식을 위해 TensorFlow를 활용하려는 엔지니어를 대상으로합니다 이 과정을 마친 후에는 대표단이 다음을 수행 할 수 있습니다 TensorFlow의 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 .
tsflw2v	Natural Language Processing with TensorFlow	35 hours	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 .

Other regions

부산 서울

Other countries

These courses are also available in other countries ››

Consulting

Deep Learning Consulting

Weekend Deep Learning courses, Evening Deep Learning training, Deep Learning boot camp, Deep Learning instructor-led, Weekend Deep Learning training, Evening Deep Learning courses, Deep Learning coaching, Deep Learning instructor, Deep Learning trainer, Deep Learning training courses, Deep Learning classes, Deep Learning on-site, Deep Learning private courses, Deep Learning one on one training