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

★★★★★

그것은 매우 상호 작용적이고 예상보다 편안하고 비공식적이었다. 우리는 당시에 많은 주제를 다루었으며 트레이너는 주제에 대해 더 자세히 또는 더 많이 이야기하고 그들이 어떻게 관련되어 있는지에 대해 항상 수용적이었습니다. 나는 훈련이 나에게 당신이 주제의 규모와 복잡성을 감안할 때 매우 중요하다고 생각하면 학습이 끝난 후에 중단되는 것과는 달리 학습을 계속할 수있는 도구를 제공한다고 생각합니다.

Jonathan Blease

Course: Artificial Neural Networks, Machine Learning, Deep Thinking

Machine Translated

주제가 매우 흥미 롭습니다.

Wojciech Baranowski

Course: Introduction to Deep Learning

Machine Translated

트레이너 이론적 지식과 훈련 후 참가자와 문제를 해결하고자하는 의지

Grzegorz Mianowski

Course: Introduction to Deep Learning

Machine Translated

이야기. 매우 흥미로운!

Piotr

Course: Introduction to Deep Learning

Machine Translated

끝에 너무 복잡 했음에도 불구하고 각 주제별 연습은 정말 도움이되었습니다. 일반적으로, 제시된 자료는 매우 흥미롭고 관련되어있었습니다! 이미지 인식을 이용한 운동은 훌륭했습니다.

Dolby Poland Sp. z o.o.

Course: Introduction to Deep Learning

Machine Translated

트레이닝을 폴란드어로하면 트레이너가 지식을 더 효율적으로 공유 할 수 있다고 생각합니다.

Radek

Course: Introduction to Deep Learning

Machine Translated

깊은 학습에 대한 전반적인 개요

Bruno Charbonnier

Course: Advanced Deep Learning

Machine Translated

연습은 충분히 실용적이며 파이썬에서 고도의 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

주제. 그것은 재미있어 보였다. 그러나 나는 그다지 전에 알지 못했다.

Radoslaw Labedzki

Course: Introduction to Deep Learning

Machine Translated

흥미로운 주제

Wojciech Wilk

Course: Introduction to Deep 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

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

Tensorflow가 왜 그렇게 작동하는지에 대한 전반적인 개요가 매우 좋습니다

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

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

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

나는 열정을 가르치고 집중하는 것이 유익했다.

Zaher Sharifi - GOSI

Course: Advanced Deep Learning

Machine Translated

휴먼 식별 및 회로 기판 불량 지점 감지

王春柱 - 中移物联网

Course: Deep Learning for NLP (Natural Language Processing)

Machine Translated

보여 줍니다

中移物联网

Course: Deep Learning for NLP (Natural Language Processing)

Machine Translated

면 영역 정보.

中移物联网

Course: Deep Learning for NLP (Natural Language Processing)

Machine Translated

강의 중에 받은 비공식 거래소는 주제에 대 한 이해를 심화 시켜 주었습니다.

Explore

Course: Deep Reinforcement Learning with Python

Machine Translated

실용적인 많은 팁

Pawel Dawidowski - ABB Sp. z o.o.

Course: Deep Learning with TensorFlow

Machine Translated

솔루션 구현과 관련된 많은 정보

Michał Smolana - ABB Sp. z o.o.

Course: Deep Learning with TensorFlow

Machine Translated

광범위한 AI / IT / SQL / IoT 문제에서 강사에 대한 실용적인 팁과 지식을 다양하게 제공합니다.

ABB Sp. z o.o.

Course: Deep Learning with TensorFlow

Machine Translated

Deep Learning (DL)서브 카테고리

Deep Learning (DL)코스 개요

Title

Duration

Overview

Title

Duration

Overview

Artificial Intelligence in Automotive

14 hours

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.

Deep Learning for Self Driving Cars

21 hours

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 (onsite or remote) is aimed at developers who wish to build a self-driving car 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.

Machine Learning and Deep Learning

21 hours

Overview

이 과정은 AI ( Machine Learning 및 Deep Learning 강조)

Neural Networks Fundamentals using TensorFlow as Example

28 hours

Overview

이 과정은 신경 네트워크와 일반적으로 기계 학습 알고리즘, 깊은 학습 (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 .

Neural computing – Data science

14 hours

Overview

이 교실 기반 교육 세션에는 프레젠테이션 및 컴퓨터 기반 예제 및 관련 신경 및 심층 네트워크 라이브러리를 수행하는 사례 연구 연습이 포함됩니다

OpenFace: Creating Facial Recognition Systems

14 hours

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 .

OpenNMT: Setting Up a Neural Machine Translation System

7 hours

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

OpenNN: Implementing Neural Networks

14 hours

Overview

강사가 진행하는이 실습에서는 신경 네트워크의 원리를 OpenNN 을 사용하여 샘플 애플리케이션을 구현합니다.

과정 형식

- 강의 및 토론은 실습과 결합됩니다.

PaddlePaddle

21 hours

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 .

Python for Advanced Machine Learning

21 hours

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 .

Advanced Machine Learning with R

21 hours

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 .

Mastering Apache SINGA

21 hours

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.

Matlab for Deep Learning

14 hours

Overview

T2T: Creating Sequence to Sequence Models for Generalized Learning

7 hours

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 .

Deep Learning with TensorFlow 2.0

21 hours

Overview

TensorFlow 는 Go ogle이 깊은 학습, 수치 계산 및 대규모 기계 학습을 위해 개발 한 대중적이고 기계 학습 라이브러리입니다. 2019 년 1 월에 출시 된 TensorFlow 2.0은 TensorFlow 의 최신 버전으로 열심히 실행, 호환성 및 API 일관성이 개선되었습니다.

이 강사 주도의 실시간 교육 (현장 또는 원격)은 Tensorflow 2.0을 사용하여 예측 자, 분류 자, 생성 모델, 신경 네트워크 등을 구축하고자하는 개발자 및 데이터 과학자를 대상으로합니다.

이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.

- TensorFlow 2.0을 설치하고 구성하십시오.
- 이전 버전에 비해 TensorFlow 2.0의 이점을 이해하십시오.
- 깊은 학습 모델을 구축하십시오.
- 고급 이미지 분류 프로그램을 구현합니다.
- 클라우드, 모바일 및 IoT 장치에 심층 학습 모델을 배포합니다.

코스 형식

- 대화 형 강의 및 토론.
- 많은 연습과 연습.
- 라이브 랩 환경에서 실제 구현.

코스 사용자 정의 옵션

- 이 과정에 대한 맞춤 교육을 요청하려면 Google에 문의하여 준비하십시오.
- TensorFlow 에 대한 자세한 내용은 https://www.tensorflow.org/를 참조하십시오.

TensorFlow Serving

7 hours

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

Deep Learning with TensorFlow

21 hours

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.

TensorFlow for Image Recognition

28 hours

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

Torch for Machine and Deep Learning

21 hours

Overview

Torch 는 오픈 소스 기계 학습 라이브러리이자 Lua 프로그래밍 언어를 기반으로 한 과학 컴퓨팅 프레임 워크입니다. 그것은 깊이 학습 및 길쌈 그물에 특히 중점을 둔 수치, 기계 학습 및 컴퓨터 비전을위한 개발 환경을 제공합니다. Machine and Deep Learning 위한 가장 빠르고 유연한 프레임 워크 중 하나이며 Facebook , Go ogle, Twitter, NVIDIA, AMD, Intel 및 기타 여러 회사에서 사용합니다.

강사가 진행하는이 실습 교육에서는 Torch 의 고유 한 기능과 실제 응용 프로그램에서의 적용 방법을 다룹니다. 우리는 학습 한 개념을 시연하고 실습하는 수많은 실습 연습을 거칩니다.

과정이 끝날 때 참가자들은 Torch 의 기본 특징과 기능은 물론 AI 공간 내에서의 역할과 기여도를 다른 프레임 워크 및 라이브러리와 비교하여 철저히 이해하게됩니다. 참가자는 Torch 를 자체 프로젝트에 구현하는 데 필요한 연습을 받게됩니다.

코스 형식

- 기계 및 Deep Learning 개요
- 클래스 내 코딩 및 통합 연습
- 이해를 확인하는 과정에서 뿌려지는 테스트 문제

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 hours

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 .

Natural Language Processing with TensorFlow

35 hours

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 .

Understanding Deep Neural Networks

35 hours

Overview

Microsoft Cognitive Toolkit 2.x

21 hours

Overview

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 .

Deep Learning with Keras

21 hours

Overview

Keras는 빠른 개발과 실험을 위한 고 수준의 신경망 API입니다. 그것은 텐 소 플로우, CNTK, 또는 Theano의 상단에 실행 됩니다.

이 강사 주도 라이브 교육 (온사이트 또는 원격)은 이미지 인식 응용 프로그램에 딥 러닝 모델을 적용 하고자 하는 기술 담당자를 대상으로 합니다.

이 교육을

참가자는 다음을 수행할 수 있습니다.

- 설치 및 구성
- 는 딥 러닝 모델을 신속 하 게 프로토타이핑 합니다.
- 는 컨볼루션 네트워크를 구현 합니다.
- 는 반복 되는 네트워크를 구현 합니다.
- CPU와 GPU 모두에서 딥 러닝 모델을 실행 합니다.
코스의

형식

- 대화식 강의 및 토론
운동과 연습을 많이 - .
- 라이브 랩 환경에서 실습을 구현 합니다.

코스 사용자 정의 옵션

- 이 과정에 대 한 맞춤형 교육을 요청 하려면 당사에 연락 하 여 준비 하십시오.
Keras에 대 한 자세한 내용은 - : https://keras.io/
을 참조 하십시오.

Artificial Neural Networks, Machine Learning, Deep Thinking

21 hours

Overview

인공 신경망은 Artificial Intelligence (AI) 시스템의 개발에 사용되는 계산 데이터 모델로 "지능적인"작업을 수행 할 수 있습니다. Neural Networks 는 일반적으로 인공 지능의 한 구현 인 Machine Learning (ML) 애플리케이션에 사용됩니다. Deep Learning 은 ML의 하위 집합입니다.

Deep Learning for Banking (with Python)

28 hours

Overview

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 .

Applied AI from Scratch

28 hours

Overview

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.

Artificial Neural Networks, Machine Learning and Deep Thinking

21 hours

Overview

Deep Learning for Vision with Caffe

21 hours

Overview

Caffe 는 표현, 속도 및 모듈성을 염두에 둔 심층적 인 학습 프레임 워크입니다.

본 과목은 MNIST를 이용한 이미지 인식을위한 CEPE의 심도있는 학습 틀로서의 Caffe 의 응용을 탐구한다.

청중

이 과정은 Caffe 를 프레임 워크로 사용하는 데 관심이있는 Deep Learning 연구원 및 엔지니어에게 적합합니다.

이 과정을 마치면 대표단은 다음을 수행 할 수 있습니다.

- Caffe 의 구조와 전개 메커니즘 이해
- 설치 / 생산 환경 / 아키텍처 작업 및 구성 수행
- 코드 품질 평가, 디버깅 수행, 모니터링
- 교육 모델, 레이어 및 로깅 구현과 같은 고급 제작 구현

Introduction to Deep Learning

21 hours

Overview

이 과정은 특정 방법을 너무 깊이 Deep Learning 않고 Deep Learning 을위한 일반적인 개요입니다. 예측 정확도를 높이기 위해 딥 학습을 시작하려는 사람들에게 적합합니다.

향후심층 학습 코스

Deep Learning for Vision

2019-09-11 09:30:00

JUNGANG-DONG CENTRE

Remote

₩5721300

Classroom

₩5721300

Deep Learning for Vision with Caffe

2019-09-17 09:30:00

센터원센터

Remote

₩5721300

Classroom

₩5721300

Artificial Neural Networks, Machine Learning and Deep Thinking

2019-09-30 09:30:00

스페이시즈 그랑 서울 업무공간

Remote

₩5721300

Classroom

₩5721300

Deep Learning for Vision with Caffe

2019-09-30 09:30:00

JUNGANG-DONG CENTRE

Remote

₩5721300

Classroom

₩5721300

Introduction to Deep Learning

2019-09-30 09:30:00

스페이시즈 그랑 서울 업무공간

Remote

₩5721300

Classroom

₩5721300

Other regions

;부산 서울

Other countries

These courses are also available in other countries ››

Consulting

심층 학습 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