현지의 강사가 살아있는 신경망 훈련 과정은 인터랙티브 토론과 핸드 슨이 대부분의 오픈 소스 툴킷과 라이브러리를 사용하여 신경망을 구성하는 방법과 고급 하드웨어 (GPU)의 힘과 분산 컴퓨팅과 관련된 최적화 기술을 활용하는 방법을 보여줍니다 빅 데이터 Neural Network 과정은 Python, Java, R 언어와 같은 인기있는 프로그래밍 언어와 TensorFlow, Torch, Caffe, Theano 등의 강력한 라이브러리를 기반으로합니다 뉴런 네트워크 코스는 딥 뉴럴 네트워크 (DNN), CNN (Convolutional Neural Networks) 및 RNN (Recurrent Neural Networks)과 같은 여러 신경 네트워크 구현을 사용하여 이론 및 구현을 모두 다루고 있습니다 뉴럴 네트워크 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
앤은 질문을하고 배울 수있는 좋은 환경을 조성했습니다. 우리는 많은 재미와 동시에 많은 것을 배웠습니다.
Gudrun Bickelq
Course: Introduction to the use of neural networks
Machine Translated
특정 요구에 맞춘 대화식 부분
Thomas Stocker
Course: Introduction to the use of neural networks
Machine Translated
저는 크리스의 질문에 대한 분명한 대답을 정말로 높이 평가했습니다. Léo Dubus
Léo Dubus
Course: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
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
트레이너는 어렵고 진보 된 주제를 쉽게 설명했습니다.
Leszek K
Course: Artificial Intelligence Overview
Machine Translated
깊은 기계 학습에 대한 새로운 통찰력
Josip Arneric
Course: Neural Network in R
Machine Translated
우리는 일반적으로 NN에 대한 지식을 얻었으며 요즘 인기있는 새로운 유형의 NN이 나에게 가장 흥미로운 것은 무엇입니까?
Tea Poklepovic
Course: Neural Network in R
Machine Translated
그래프는 R :)))
Faculty of Economics and Business Zagreb
Course: Neural Network in R
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
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
내 일에 직접 사용할 수있는 많은 연습 문제.
Alior Bank S.A.
Course: Sieci Neuronowe w R
Machine Translated
실제 데이터의 예.
Alior Bank S.A.
Course: Sieci Neuronowe w R
Machine Translated
neuralnet, 루프에서 pROC.
Alior Bank S.A.
Course: Sieci Neuronowe w R
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
강의 중에 받은 비공식 거래소는 주제에 대 한 이해를 심화 시켜 주었습니다.
Explore
Course: Deep Reinforcement Learning with Python
Machine Translated
강사는 주제 분야의 전문가였으며 응용 이론이 우수한 관련 이론
Fahad Malalla - Tatweer Petroleum
Course: Applied AI from Scratch in Python
Machine Translated
테마, 발표자의 친절한 태도
Fujitsu Technology Solutions Sp. z o.o.
Course: Artificial Intelligence Overview
Machine Translated
신경망서브 카테고리
신경망코스 개요
코스 이름
Duration
Overview
코스 이름
Duration
Overview
28 시간
이것은 AI와 그것의 응용 프로그램을 소개하는 4 일 과정 Python 프로그래밍 언어를 사용합니다. 이 과정이 완료되면 AI 프로젝트를 수행하기 위해 추가 하루를 할 수있는 옵션이 있습니다.
21 시간
깊은 Reinforcement Learning은 "인공 에이전트"의 능력에 대해 언급하여 시험과 오류와 보상과 처벌을 통해 배울 수 있습니다. 인공 에이전트는 인간이 자신의 지식을 얻고 건설 할 수있는 능력을 시뮬레이션하는 것을 목표로합니다, 직접 비전과 같은 원료 입력에서. 강화 학습, 깊은 학습 및 신경 네트워크를 실현하는 데 사용됩니다. 강화 학습은 기계 학습과 다르며 감독되고 감독되지 않은 학습 접근 방식에 의존하지 않습니다.
이 강사가 이끄는 라이브 훈련에서 참가자들은 깊은 Reinforcement Learning의 기초를 배우게 될 것이며, 그들은 Deep Learning 에이전트의 창조를 통과합니다.
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 :
-
깊은 뒤에 있는 핵심 개념들을 이해하고 그것을 구별할 수 있게 하라 Machine Learning
진보된 Reinforcement Learning 알고리즘을 적용하여 실제 세계 문제를 해결합니다.
에이전트를 만들기 Deep Learning
-
개발자
데이터 과학자
-
부분 강의, 부분 토론, 연습 및 무거운 연습
7 시간
이 과정은 관리자, 솔루션 아키텍처, 혁신 담당자, CTO, 소프트웨어 아키텍처 및 응용 인공 지능 및 개발에 대한 가장 가까운 예측에 관심이있는 모든 사람들을 위해 만들어졌습니다.
14 시간
이 교육 과정은 실용적인 응용 프로그램에서 Machine Learning 을 적용하고자하는 사람들을위한 것입니다. 청중 이 과정은 통계에 익숙하며 R (또는 Python 또는 다른 언어 선택)을 프로그래밍하는 방법을 알고있는 데이터 과학자 및 통계 전문가를 대상으로합니다. 이 과정의 중점은 데이터 / 모델 준비, 실행, 사후 분석 및 시각화의 실제적인 측면에 있습니다. 목적은 직장에서 방법을 적용하는 데 관심이있는 참가자에게 Machine Learning 에 실제 응용 프로그램을 제공하는 것입니다. 부문 별 사례는 훈련을 청중과 관련시키기 위해 사용됩니다.
21 시간
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.
21 시간
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.
14 시간
이 과정은 AI (emphasizing Machine Learning 및 Deep Learning)에서 Automotive 산업을 다루고 있습니다. 그것은 자동차의 여러 상황에서 어떤 기술이 (잠재적으로) 사용될 수 있는지 결정하는 데 도움이됩니다 : 간단한 자동화, 이미지 인식에서 독립적 인 의사 결정에 이르기까지.
28 시간
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 .
21 시간
강사가 진행하는이 강좌에서는 패턴 인식 및 기계 학습 분야에 대한 소개를 제공합니다. 통계, 컴퓨터 과학, 신호 처리, 컴퓨터 비전, 데이터 마이닝 및 생물 정보학 분야의 실용적인 응용 프로그램을 다루고 있습니다. 이 과정은 상호 작용이 가능하며 풍부한 실전 연습, 강사 피드백 및 습득 한 지식 및 기술 테스트가 포함됩니다.
21 시간
유형 : 교육 그룹에 따라 Lasagne 또는 Keras 의 학생들과 상급으로 결정된 응용 프로그램을 사용한 이론 교육 교수법 : 발표, 교환 및 사례 연구 인공 지능은 많은 과학 분야를 혼란에 빠뜨 렸고 많은 산업 분야 (의학, 의학, 의사 소통 등)에 혁명을 일으키기 시작했습니다. 그럼에도 불구하고 대형 매체에서의 프리젠 테이션은 종종 Machine Learning 또는 Deep Learning 분야와는 거리가 먼 환상입니다. 이 교육의 목적은 컴퓨터 프로그래밍 (소프트웨어 프로그래밍 기반 포함)을 이미 Deep Learning 한 엔지니어에게 Deep Learning 및 다양한 전문 분야를 소개하고 따라서 기존의 주요 네트워크 아키텍처를 소개하는 것입니다 오늘. 과정 중에 수학 기반을 불러 오면 BAC + 2 유형의 수학 수준이 더 편한 것이 좋습니다. "시스템"비전만을 유지하기 위해 수학 축을 건너 뛸 수는 있지만이 접근법은 피험자에 대한 이해를 엄청나게 제한 할 것입니다.
7 시간
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 .
21 시간
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 .
21 시간
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 .
7 시간
스노클은 교육 데이터를 신속하게 생성, 모델링 및 관리하기위한 시스템입니다 대규모 라벨링 된 교육 세트를 사용할 수 없거나 쉽게 구할 수없는 도메인에 대해 구조화 된 또는 "어두운"데이터 추출 응용 프로그램 개발을 가속화하는 데 중점을 둡니다 강사가 진행되는이 실습에서 참가자는 스노클과 함께 교육 데이터 모델링을 통해 텍스트, 표, 그림 및 이미지와 같은 비정형 데이터에서 가치를 추출하는 기술을 배우게됩니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 방대한 트레이닝 세트의 라벨링을 가능하게하는 교육 세트를 프로그래밍 방식으로 생성합니다 시끄러운 트레이닝 세트를 먼저 모델링하여 고품질 엔드 모델 교육 Snorkel을 사용하여 약한 감독 기술을 구현하고 약 프로그래밍 된 기계 학습 시스템에 데이터 프로그래밍 적용 청중 개발자 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
14 시간
Encog는 Java 및Net 용 오픈 소스 시스템 학습 프레임 워크입니다 강사가 진행되는이 실습에서는 참가자가 정확한 신경망 예측 모델을 구축하기위한 고급 기계 학습 기술을 배우게됩니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 언더 피팅과 오버 피팅을 해결하기 위해 다양한 신경 네트워크 최적화 기술 구현 다수의 신경망 아키텍처를 이해하고 선택할 수 있습니다 감독 된 피드 포워드 및 피드백 네트워크 구현 청중 개발자 애널리스트 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
14 시간
Encog는 Java 및Net 용 오픈 소스 시스템 학습 프레임 워크입니다 강사가 진행되는이 교육 과정에서 참가자는 ENCOG를 사용하여 다양한 신경 네트워크 구성 요소를 만드는 방법을 배웁니다 Realworld 사례 연구가 논의되고 이러한 문제에 대한 기계 언어 기반 솔루션이 탐구 될 것입니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 정규화 과정을 사용하여 신경망 데이터 준비 피드 포워드 네트워크 및 전파 교육 방법론 구현 분류 및 회귀 작업 구현 Encog의 GUI 기반 작업대를 사용하여 신경 네트워크 모델링 및 교육 현실 세계 응용 프로그램에 신경망 지원 통합 청중 개발자 애널리스트 데이터 과학자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .
14 시간
In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition.
By the end of this training, participants will be able to:
- Build a deep learning model
- Automate data labeling
- Work with models from Caffe and TensorFlow-Keras
- Train data using multiple GPUs, the cloud, or clusters
- Developers
- Engineers
- Domain experts
- Part lecture, part discussion, exercises and heavy hands-on practice
35 시간
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.
14 시간
이 교실 기반 교육 세션에는 프레젠테이션 및 컴퓨터 기반 예제 및 관련 신경 및 심층 네트워크 라이브러리를 수행하는 사례 연구 연습이 포함됩니다
28 시간
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.
21 시간
메카트로닉스 (일컬어 메카 트로닉스 공학)는 기계, 전자 및 컴퓨터 과학의 조합입니다. 이 강사 주도의 실시간 교육 (현장 또는 원격)은 메카트로닉스 시스템에 인공 지능을 적용하는 방법을 배우려는 엔지니어를 대상으로합니다. 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.
- 인공 지능, 기계 학습 및 컴퓨터 지능에 대한 개요를 얻으십시오.
- 신경망 및 다른 학습 방법의 개념을 이해합니다.
- 실제 문제에 효과적으로 인공 지능 접근법을 선택하십시오.
- 메카트로닉스 엔지니어링에서 AI 응용 프로그램을 구현하십시오.
- 대화 형 강의 및 토론.
- 많은 연습과 연습.
- 라이브 랩 환경에서 실제 구현.
- 이 과정에 대한 맞춤 교육을 요청하려면 Google에 문의하여 준비하십시오.
14 시간
추천 시스템은 사용자의 선호도를 예측하는 정보 필터링 프로세스입니다. Python 사용자가 새로운 제품과 콘텐츠를 발견하는 데 도움이되는 깊은 학습, 기계 학습 및 신경 네트워크 추천 시스템을 프로그래밍하는 데 사용될 수 있습니다.
이 강사가 이끄는 라이브 훈련 (온라인 또는 온라인)은 추천 시스템을 구축하기 위해 Python를 사용하고자하는 데이터 과학자를 대상으로합니다.
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 :
-
규모에 따라 권장 시스템을 만듭니다.
협력 필터링을 적용하여 권장 시스템을 구축합니다.
Apache Spark 사용하여 클러스터에 권장 시스템을 계산합니다.
추천 알고리즘을 테스트하기위한 프레임 워크를 만드십시오 Python.
-
인터랙티브 강의 및 토론
많은 연습과 연습이 있습니다.
라이브 실험실 환경에서 핸드-온 구현.
-
이 과정에 대한 사용자 지정 훈련을 요청하려면 저희에게 연락하여 배치하십시오.
14 시간
This instructor-led, live training in 대한민국 (online or onsite) is aimed at researchers and developers who wish to use Chainer to build and train neural networks in Python while making the code easy to debug.
By the end of this training, participants will be able to:
- Set up the necessary development environment to start developing neural network models.
- Define and implement neural network models using a comprehensible source code.
- Execute examples and modify existing algorithms to optimize deep learning training models while leveraging GPUs for high performance.
14 시간
이 강사 인도, 라이브 훈련, 우리는 신경 네트워크의 원칙을 통과하고 사용 OpenNN 샘플 응용 프로그램을 구현합니다.
코스의 형식
-
강의와 토론은 연습과 함께 진행됩니다.
Last Updated:
Other countries
Consulting
주말신경망코스, 밤의신경망트레이닝, 신경망부트 캠프, 신경망 강사가 가르치는, 주말신경망교육, 밤의신경망과정, 신경망코칭, 신경망강사, 신경망트레이너, 신경망교육 과정, 신경망클래스, 신경망현장, 신경망개인 강좌, 신경망1 대 1 교육
