Online nebo na místě, živé kurzy strojového učení vedené instruktory (ML) demonstrují prostřednictvím praktické praxe, jak aplikovat techniky a nástroje strojového učení pro řešení skutečných problémů v různých odvětvích. Kurzy NobleProg ML pokrývají různé programovací jazyky a rámce, včetně Pythonu, jazyka R a Matlabu. Kurzy strojového učení jsou nabízeny pro řadu průmyslových aplikací, včetně financí, bankovnictví a pojišťovnictví a pokrývají základy strojového učení i pokročilejší přístupy, jako je hluboké učení. Školení strojového učení je dostupné jako „online živé školení“ nebo „živé školení na místě“. Online živé školení (neboli "vzdálené živé školení") se provádí prostřednictvím interaktivní vzdálené plochy . Živá školení na místě lze provádět lokálně v prostorách zákazníka v České republice nebo ve firemních školicích střediscích NobleProg v České republice. NobleProg -- Váš místní poskytovatel školení
Machine Translated
Reference
★★★★★
★★★★★
Příklady, které nám dal.
JONATHAN MARIANO, si
Kurz: Artificial Intelligence (AI) for Managers
Machine Translated
experimenty
JONATHAN MARIANO, si
Kurz: Artificial Intelligence (AI) for Managers
Machine Translated
Uvedená cvičení a příklady.
Marcos - JONATHAN MARIANO, si
Kurz: Artificial Intelligence (AI) for Managers
Machine Translated
Motivy strojového učení.
Víctor Edgar - JONATHAN MARIANO, si
Kurz: Artificial Intelligence (AI) for Managers
Machine Translated
Postoj učitele
Ivonne Guadalupe Avendaño Hernandez - JONATHAN MARIANO, si
Kurz: Artificial Intelligence (AI) for Managers
Machine Translated
Vyučované koncepty byly jasné, praktické a hodně pomohly získat představu o tom, jak používat toto téma AI & ML.
LightGBM je bezplatný a open-source distribuovaný rámec zvyšující gradient pro strojové učení, původně vyvinutý Microsoft. Je založen na algoritmech rozhodovacího stromu a používá se pro hodnocení, klasifikaci a další úlohy strojového učení.Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře a datové vědce, kteří se chtějí naučit základy LightGBM a prozkoumat pokročilé techniky.Na konci tohoto školení budou účastníci schopni:
Nainstalujte a nakonfigurujte LightGBM. Pochopte teorii za algoritmy zesílení gradientu a rozhodovacího stromu Použijte LightGBM pro základní a pokročilé úlohy strojového učení. Implementujte pokročilé techniky, jako je inženýrství funkcí, ladění hyperparametrů a interpretace modelu. Integrujte LightGBM s dalšími frameworky strojového učení. Odstraňte běžné problémy v LightGBM.
Formát kurzu
Interaktivní přednáška a diskuze. Spousta cvičení a cvičení. Praktická implementace v prostředí živé laboratoře.
Možnosti přizpůsobení kurzu
Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.
Stable Diffusion je výkonný model hlubokého učení, který dokáže generovat podrobné obrázky na základě textových popisů.Toto živé školení vedené instruktorem (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 text - generování obrazu.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.
Formát kurzu
Interaktivní přednáška a diskuze. Spousta cvičení a cvičení. Praktická implementace v prostředí živé laboratoře.
Možnosti přizpůsobení kurzu
Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.
Vertex AI je Google Cloudové prostředí pro dokončování úloh strojového učení od experimentování přes nasazení až po správu a monitorování modelů. Jde o škálovatelnou infrastrukturu, která poskytuje možnosti správy uživatelů a bezpečnostní kontroly nad projekty strojového učení.Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé softwarové inženýry nebo kohokoli, kdo se chce naučit používat Vertex AI k provádění a dokončení činností strojového učení.Na konci tohoto školení budou účastníci schopni:
Pochopte, jak Vertex AI funguje, a použijte jej jako platformu pro strojové učení. Přečtěte si o strojovém učení a konceptech NLP. Vědět, jak trénovat a nasazovat modely strojového učení pomocí Vertex AI.
Formát kurzu
Interaktivní přednáška a diskuze. Spousta cvičení a cvičení. Praktická implementace v prostředí živé laboratoře.
Možnosti přizpůsobení kurzu
Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.
Generative Pre-trained Transformers (GPT) jsou nejmodernější modely zpracování přirozeného jazyka, které způsobily revoluci v různých aplikacích, včetně generování jazyka, dokončování textu a strojového překladu. Tento kurz poskytuje hloubkový průzkum modelů GPT se zaměřením na GPT-3 a nejnovější pokroky v GPT-4. Účastníci získají vhled do architektury, školicích technik a aplikací modelů GPT.Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na datové vědce, inženýry strojového učení, výzkumníky NLP a nadšence AI, kteří chtějí porozumět vnitřnímu fungování modelů GPT, prozkoumat možnosti GPT-3 a GPT-4. a naučte se, jak tyto modely využít pro své úkoly NLP.Na konci tohoto školení budou účastníci schopni:
Pochopte klíčové koncepty a principy generativních předtrénovaných transformátorů. Pochopit architekturu a tréninkový proces modelů GPT. Používejte GPT-3 pro úkoly, jako je generování, dokončování a překlad textu. Prozkoumejte nejnovější vylepšení GPT-4 a jeho potenciální aplikace. Aplikujte modely GPT na své vlastní projekty a úkoly NLP.
Formát kurzu
Interaktivní přednáška a diskuze. Spousta cvičení a cvičení. Praktická implementace v prostředí živé laboratoře.
Možnosti přizpůsobení kurzu
Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.
DeepSpeed je knihovna pro optimalizaci hlubokého učení, která usnadňuje škálování modelů hlubokého učení na distribuovaném hardwaru. DeepSpeed, vyvinutý společností Microsoft, se integruje s PyTorch a poskytuje lepší škálování, rychlejší školení a lepší využití zdrojů.Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé datové vědce a inženýry strojového učení, kteří chtějí zlepšit výkon svých modelů hlubokého učení.Na konci tohoto školení budou účastníci schopni:
Pochopit principy distribuovaného hlubokého učení. Nainstalujte a nakonfigurujte DeepSpeed. Škálujte modely hlubokého učení na distribuovaném hardwaru pomocí DeepSpeed. Implementujte a experimentujte s funkcemi DeepSpeed pro optimalizaci a efektivitu paměti.
Formát kurzu
Interaktivní přednáška a diskuze. Spousta cvičení a cvičení. Praktická implementace v prostředí živé laboratoře.
Možnosti přizpůsobení kurzu
Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.
AlphaFold je Artificial Intelligence (AI) systém, který provádí předpověď proteinových struktur. Je vyvinut Alphabet’s/Google’s DeepMind jako systém hlubokého učení, který může přesně předpovědět 3D modely proteinových struktur.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na biology, kteří chtějí pochopit, jak AlphaFold pracují a používají AlphaFold modely jako průvodce ve svých experimentálních studiích.
Po ukončení tohoto tréninku budou účastníci schopni:
Pochopte základní principy AlphaFold.
Zjistěte, jak AlphaFold funguje.
Naučte se interpretovat AlphaFold předpovědi a výsledky.
Formát kurzu
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Stable Diffusion je výkonný model hlubokého učení, který dokáže generovat podrobné obrázky na základě textových popisů.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.
Formát kurzu
Interaktivní přednáška a diskuze. Spousta cvičení a cvičení. Praktická implementace v prostředí živé laboratoře.
Možnosti přizpůsobení kurzu
Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.
Waikato Environment for Knowledge Analysis (Weka) je open-source data mining visualization software. Poskytuje sbírku algoritmů strojového učení pro přípravu údajů, klasifikaci, klastrování a další data těžby činnosti.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na analytiky a vědce údajů, kteří chtějí použít Weka k provádění úkolů v oblasti datového těžby.
Po ukončení tohoto tréninku budou účastníci schopni:
Instalace a nastavení Weka
Pochopte Weka prostředí a pracovní zázemí.
Výkon datových úkolů pomocí Weka.
Formát kurzu
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Cílem tohoto kurzu je poskytnout základní dovednosti při uplatňování Machine Learning metod v praxi. Prostřednictvím používání Python programovacího jazyka a jeho různých knihoven a na základě mnoha praktických příkladů se tento kurz učí, jak používat nejdůležitější stavební bloky Machine Learning, jak činit data modelování rozhodnutí, interpretovat výstupy algoritmů a validovat výsledky.
Naším cílem je poskytnout vám dovednosti k pochopení a důvěryhodnému používání nejzákladnějších nástrojů z nástrojové krabice Machine Learning a vyhnout se běžným úderům aplikací Data Science.
In this instructor-led, live training in České republice, participants will learn the most relevant and cutting-edge machine learning techniques in Python as they build a series of demo applications involving image, music, text, and financial data.
By the end of this training, participants will be able to:
Implement machine learning algorithms and techniques for solving complex problems.
Apply deep learning and semi-supervised learning to applications involving image, music, text, and financial data.
Push Python algorithms to their maximum potential.
Use libraries and packages such as NumPy and Theano.
The aim of this course is to provide general proficiency in applying Machine Learning methods in practice. Through the use of the Python programming language and its various libraries, and based on a multitude of practical examples this course teaches how to use the most important building blocks of Machine Learning, how to make data modeling decisions, interpret the outputs of the algorithms and validate the results.
Our goal is to give you the skills to understand and use the most fundamental tools from the Machine Learning toolbox confidently and avoid the common pitfalls of Data Sciences applications.
Jedná se o 4denní kurz, který zavádí AI a jeho aplikaci pomocí Python programovacího jazyka. Existuje možnost mít další den k zahájení projektu AI po dokončení tohoto kurzu.
Hluboký Reinforcement Learning odkazuje na schopnost „umělého agenta“ učit se metodou pokus-omyl a odměnami a tresty. Umělý agent si klade za cíl napodobit lidskou schopnost získávat a konstruovat znalosti samostatně, přímo z hrubých vstupů, jako je vize. K realizaci posilovacího učení se používá hluboké učení a neuronové sítě. Posílené učení se liší od strojového učení a nespoléhá se na přístupy učení pod dohledem a bez dozoru.Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na vývojáře a datové vědce, kteří se chtějí naučit základy Deep Reinforcement Learning při vytváření Deep Learning agenta.Na konci tohoto školení budou účastníci schopni:
Porozumět klíčovým konceptům za Deep Reinforcement Learning a umět je odlišit od Machine Learning. Aplikujte pokročilé Reinforcement Learning algoritmy k řešení skutečných problémů. Sestavte Deep Learning agenta.
Formát kurzu
Interaktivní přednáška a diskuze. Spousta cvičení a cvičení. Praktická implementace v prostředí živé laboratoře.
Možnosti přizpůsobení kurzu
Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.
Machine learning je odvětví umělé inteligence, ve kterém mají počítače schopnost učit se bez výslovného programování.
Hluboké učení je podzemí strojového učení, které využívá metody založené na vzdělávacích údajích a strukturách, jako jsou neurální sítě.
Python je programovací jazyk vysoké úrovně známý pro jeho jasný syntax a čitelnost kódu.
V tomto instruktorově vedeném, živém tréninku se účastníci naučí, jak implementovat modely hlubokého učení pro telekomunikace pomocí Python jak postupují prostřednictvím vytvoření modelu hlubokého učení úvěrového rizika.
Po ukončení tohoto tréninku budou účastníci schopni:
Pochopte základní pojmy hlubokého učení.
Naučte se aplikace a využití hlubokého učení v telekomunikacích.
Použijte Python, Keras a TensorFlow k vytvoření hlubokých modelů učení pro telekom.
Vytvořte si vlastní model předpovědi hlubokého učení zákazníků pomocí Python.
Formát kurzu
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Embedding Projector is an open-source web application for visualizing the data used to train machine learning systems. Created by Google, it is part of TensorFlow.
This instructor-led, live training introduces the concepts behind Embedding Projector and walks participants through the setup of a demo project.
By the end of this training, participants will be able to:
Explore how data is being interpreted by machine learning models
Navigate through 3D and 2D views of data to understand how a machine learning algorithm interprets it
Understand the concepts behind Embeddings and their role in representing mathematical vectors for images, words and numerals.
Explore the properties of a specific embedding to understand the behavior of a model
Apply Embedding Project to real-world use cases such building a song recommendation system for music lovers
Audience
Developers
Data scientists
Format of the course
Part lecture, part discussion, exercises and heavy hands-on practice
Tento kurz byl vytvořen pro manažery, architekty řešení, inovační důstojníky, CTO, softwarové architekty a kohokoli, kdo má zájem o přehled aplikované umělé inteligence a nejbližší prognózu jejího vývoje.
This training course is for people that would like to apply basic Machine Learning techniques in practical applications.
Audience
Data scientists and statisticians that have some familiarity with machine learning and know how to program R. The emphasis of this course is on the practical aspects of data/model preparation, execution, post hoc analysis and visualization. The purpose is to give a practical introduction to machine learning to participants interested in applying the methods at work
Sector specific examples are used to make the training relevant to the audience.
This training course is for people that would like to apply Machine Learning in practical applications.
Audience
This course is for data scientists and statisticians that have some familiarity with statistics and know how to program R (or Python or other chosen language). The emphasis of this course is on the practical aspects of data/model preparation, execution, post hoc analysis and visualization.
The purpose is to give practical applications to Machine Learning to participants interested in applying the methods at work.
Sector specific examples are used to make the training relevant to the audience.
The aim of this course is to provide a basic proficiency in applying Machine Learning methods in practice. Through the use of the R programming platform and its various libraries, and based on a multitude of practical examples this course teaches how to use the most important building blocks of Machine Learning, how to make data modeling decisions, interpret the outputs of the algorithms and validate the results.
Our goal is to give you the skills to understand and use the most fundamental tools from the Machine Learning toolbox confidently and avoid the common pitfalls of Data Sciences applications.
Artificial Neural Network is a computational data model used in the development of Artificial Intelligence (AI) systems capable of performing "intelligent" tasks. Neural Networks are commonly used in Machine Learning (ML) applications, which are themselves one implementation of AI. Deep Learning is a subset of ML.
This course introduces machine learning methods in robotics applications.
It is a broad overview of existing methods, motivations and main ideas in the context of pattern recognition.
After a short theoretical background, participants will perform simple exercise using open source (usually R) or any other popular software.
The aim of this course is to provide a basic proficiency in applying Machine Learning methods in practice. Through the use of the Scala programming language and its various libraries, and based on a multitude of practical examples this course teaches how to use the most important building blocks of Machine Learning, how to make data modeling decisions, interpret the outputs of the algorithms and validate the results.
Our goal is to give you the skills to understand and use the most fundamental tools from the Machine Learning toolbox confidently and avoid the common pitfalls of Data Sciences applications.
R je open-source programovací jazyk pro statistické výpočetní techniky, analýzu dat a grafiku. Výzkum využívá rostoucí počet manažerů a analytiků v korporacích a akademii. R má širokou škálu balíčků pro data mining.
The Wolfram System's integrated environment makes it an efficient tool for both analyzing and presenting data. This course covers aspects of the Wolfram Language relevant to analytics, including statistical computation, visualization, data import and export and automatic generation of reports.
Course is dedicated for those who would like to know an alternative program to the commercial MATLAB package. The three-day training provides comprehensive information on moving around the environment and performing the OCTAVE package for data analysis and engineering calculations. The training recipients are beginners but also those who know the program and would like to systematize their knowledge and improve their skills. Knowledge of other programming languages is not required, but it will greatly facilitate the learners' acquisition of knowledge. The course will show you how to use the program in many practical examples.
This training course is for people that would like to apply Machine Learning in practical applications for their team. The training will not dive into technicalities and revolve around basic concepts and business/operational applications of the same.
Target Audience
Investors and AI entrepreneurs
Managers and Engineers whose company is venturing into AI space
Snorkel is a system for rapidly creating, modeling, and managing training data. It focuses on accelerating the development of structured or "dark" data extraction applications for domains in which large labeled training sets are not available or easy to obtain.
In this instructor-led, live training, participants will learn techniques for extracting value from unstructured data such as text, tables, figures, and images through modeling of training data with Snorkel.
By the end of this training, participants will be able to:
Programmatically create training sets to enable the labeling of massive training sets
Train high-quality end models by first modeling noisy training sets
Use Snorkel to implement weak supervision techniques and apply data programming to weakly-supervised machine learning systems
Audience
Developers
Data scientists
Format of the course
Part lecture, part discussion, exercises and heavy hands-on practice
Encog is an open-source machine learning framework for Java and .Net.
In this instructor-led, live training, participants will learn advanced machine learning techniques for building accurate neural network predictive models.
By the end of this training, participants will be able to:
Implement different neural networks optimization techniques to resolve underfitting and overfitting
Understand and choose from a number of neural network architectures
Implement supervised feed forward and feedback networks
Audience
Developers
Analysts
Data scientists
Format of the course
Part lecture, part discussion, exercises and heavy hands-on practice
Momentálně pro tuto lokalitu nejsou naplánovány žádné kurzy.
Respektujeme soukromí vaší e-mailové adresy. Vaši adresu nebudeme předávat ani prodávat ostatním. Vždy můžete změnit své preference nebo se úplně odhlásit.
Někteří z našich klientů
is growing fast!
We are looking to expand our presence in Czech Republic!
As a Business Development Manager you will:
expand business in Czech Republic
recruit local talent (sales, agents, trainers, consultants)
recruit local trainers and consultants
We offer:
Artificial Intelligence and Big Data systems to support your local operation
high-tech automation
continuously upgraded course catalogue and content
good fun in international team
If you are interested in running a high-tech, high-quality training and consulting business.