Lokální instruktorem vedené Machine Learning školení České republice.
Reference
Opravdu jsem měl rád cvičení
L M ERICSSON LIMITED
Kurz: Machine Learning
Machine Translated
spousta informací, zodpovězené všechny otázky, zajímavé příklady
A1 Telekom Austria AG
Kurz: Deep Learning for Telecom (with Python)
Machine Translated
Trenér byl odborníkem v oboru a související teorii s aplikací výborně
Fahad Malalla - Tatweer Petroleum
Kurz: Applied AI from Scratch in Python
Machine Translated
Začal jsem téměř nulovými znalostmi a nakonec jsem byl schopen budovat a trénovat své vlastní sítě.
Huawei Technologies Duesseldorf GmbH
Kurz: TensorFlow for Image Recognition
Machine Translated
Praxe
INTELLIGENT HIVES SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
Kurz: Machine Learning – Data science
Machine Translated
a způsob, jakým
NetWorkS! Sp. z o.o.
Kurz: AI Awareness for Telecom
Machine Translated
Tomasz opravdu dobře zná informace a kurz byl dobře tempem.
Raju Krishnamurthy - Google
Kurz: TensorFlow Extended (TFX)
Machine Translated
Cvičení
Orange Szkolenia sp. z o.o.
Kurz: Fundamentals of Artificial Intelligence and Machine Learning
Machine Translated
Způsobilost a chování.
Orange Szkolenia sp. z o.o.
Kurz: Fundamentals of Artificial Intelligence and Machine Learning
Machine Translated
Machine Learning Podkategorie
Machine Learning Návrh Školení
Název školení
Doba trvání
Přehled
Název školení
Doba trvání
Přehled
7 hodin
This instructor-led, live training in České republice (online or onsite) is aimed at software engineers or anyone who wish to learn how to use Vertex AI to perform and complete machine learning activities.
By the end of this training, participants will be able to:
- Understand how Vertex AI works and use it as a machine learning platform.
- Learn about machine learning and NLP concepts.
- Know how to train and deploy machine learning models using Vertex AI.
By the end of this training, participants will be able to:
- Understand how Vertex AI works and use it as a machine learning platform.
- Learn about machine learning and NLP concepts.
- Know how to train and deploy machine learning models using Vertex AI.
7 hodin
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.
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.
14 hodin
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.
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.
14 hodin
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.
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.
21 hodin
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.
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.
28 hodin
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.
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.
28 hodin
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.
21 hodin
Hlubka Reinforcement Learning se odkazuje na schopnost & quot; artificial agent", aby se naučil zkušením a chybam a výhrady. Umělný agent cílí emulaci lidského ' schopnost získat a vytvořit svůj vlastní znalost, přímo z surovéch vstupů, například vize. Aby se zjistili povzbuzení učiní, jsou používány hlubokou učenství a neurální sítě. Učení povzbuzení je jiné od vyučených strojů a nezáleží na nadzorných a nevzájemných přístupů učit.
V tomto instruktorům budou účastníci naučit základní základy Hluby Reinforcement Learning, když přes vytvoření agentu Deep Learning.
Až do konce tohoto školy budou účastníci umožni:
Porozumět klíčové koncepce za Hlubkou Reinforcement Learning a bude možné je rozdělit od Machine Learning Použijte pokročené algoritmy Reinforcement Learning k řešení problémů reálního světa Stvořit Deep Learning Agent
Slušenství
Vývojci Data vědeců
Formatu práce
Částní předmět, částní diskusie, vztahů a těžké rukové praxi
V tomto instruktorům budou účastníci naučit základní základy Hluby Reinforcement Learning, když přes vytvoření agentu Deep Learning.
Až do konce tohoto školy budou účastníci umožni:
Porozumět klíčové koncepce za Hlubkou Reinforcement Learning a bude možné je rozdělit od Machine Learning Použijte pokročené algoritmy Reinforcement Learning k řešení problémů reálního světa Stvořit Deep Learning Agent
Slušenství
Vývojci Data vědeců
Formatu práce
Částní předmět, částní diskusie, vztahů a těžké rukové praxi
28 hodin
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.
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.
14 hodin
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
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
7 hodin
Tento kurz byl vytvořen pro manažery, architekty řešení, inovační úředníky, CTO, architekty softwaru a všechny, kteří se zajímají o přehled aplikované umělé inteligence a nejbližší předpověď pro jeho vývoj.
7 hodin
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.
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.
14 hodin
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.
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.
14 hodin
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.
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.
21 hodin
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.
21 hodin
This course will be a combination of theory and practical work with specific examples used throughout the event.
21 hodin
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.
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.
21 hodin
MATLAB is a numerical computing environment and programming language developed by MathWorks.
14 hodin
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.
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.
14 hodin
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.
21 hodin
PredictionIO is an open source Machine Learning Server built on top of state-of-the-art open source stack.
Audience
This course is directed at developers and data scientists who want to create predictive engines for any machine learning task.
Audience
This course is directed at developers and data scientists who want to create predictive engines for any machine learning task.
35 hodin
This course is created for people who have no previous experience in probability and statistics.
7 hodin
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.
21 hodin
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.
21 hodin
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
- Business Analysts & Investors
Target Audience
- Investors and AI entrepreneurs
- Managers and Engineers whose company is venturing into AI space
- Business Analysts & Investors
7 hodin
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
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
14 hodin
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
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
14 hodin
Encog is an open-source machine learning framework for Java and .Net.
In this instructor-led, live training, participants will learn how to create various neural network components using ENCOG. Real-world case studies will be discussed and machine language based solutions to these problems will be explored.
By the end of this training, participants will be able to:
- Prepare data for neural networks using the normalization process
- Implement feed forward networks and propagation training methodologies
- Implement classification and regression tasks
- Model and train neural networks using Encog's GUI based workbench
- Integrate neural network support into real-world applications
Audience
- Developers
- Analysts
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
In this instructor-led, live training, participants will learn how to create various neural network components using ENCOG. Real-world case studies will be discussed and machine language based solutions to these problems will be explored.
By the end of this training, participants will be able to:
- Prepare data for neural networks using the normalization process
- Implement feed forward networks and propagation training methodologies
- Implement classification and regression tasks
- Model and train neural networks using Encog's GUI based workbench
- Integrate neural network support into real-world applications
Audience
- Developers
- Analysts
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
21 hodin
In this instructor-led, live training, participants will learn how to use the right machine learning and NLP (Natural Language Processing) techniques to extract value from text-based data.
By the end of this training, participants will be able to:
- Solve text-based data science problems with high-quality, reusable code
- Apply different aspects of scikit-learn (classification, clustering, regression, dimensionality reduction) to solve problems
- Build effective machine learning models using text-based data
- Create a dataset and extract features from unstructured text
- Visualize data with Matplotlib
- Build and evaluate models to gain insight
- Troubleshoot text encoding errors
Audience
- Developers
- Data Scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
By the end of this training, participants will be able to:
- Solve text-based data science problems with high-quality, reusable code
- Apply different aspects of scikit-learn (classification, clustering, regression, dimensionality reduction) to solve problems
- Build effective machine learning models using text-based data
- Create a dataset and extract features from unstructured text
- Visualize data with Matplotlib
- Build and evaluate models to gain insight
- Troubleshoot text encoding errors
Audience
- Developers
- Data Scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
14 hodin
In this instructor-led, live training, participants will learn how to use the iOS Machine Learning (ML) technology stack as they step through the creation and deployment of an iOS mobile app.
By the end of this training, participants will be able to:
- Create a mobile app capable of image processing, text analysis and speech recognition
- Access pre-trained ML models for integration into iOS apps
- Create a custom ML model
- Add Siri Voice support to iOS apps
- Understand and use frameworks such as coreML, Vision, CoreGraphics, and GamePlayKit
- Use languages and tools such as Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda, and Spyder
Audience
- Developers
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
By the end of this training, participants will be able to:
- Create a mobile app capable of image processing, text analysis and speech recognition
- Access pre-trained ML models for integration into iOS apps
- Create a custom ML model
- Add Siri Voice support to iOS apps
- Understand and use frameworks such as coreML, Vision, CoreGraphics, and GamePlayKit
- Use languages and tools such as Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda, and Spyder
Audience
- Developers
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
Last Updated:
Nadcházející Machine Learning Školení
Deep Reinforcement Learning with Python
2022-07-18 09:30
21 hodiny
Deep Learning for Finance (with Python)
2022-07-25 09:30
28 hodiny
Deep Learning for Banking (with Python)
2022-08-01 09:30
28 hodiny
Deep Learning AI Techniques for Executives, Developers and Managers
2022-08-02 09:30
21 hodiny
Deep Learning for Banking (with R)
2022-08-23 09:30
28 hodiny
Ostatní země
Konzultace
Víkendové Machine Learning kurzy, Večerní Machine Learning školení, Machine Learning přijímač, Machine Learning vedené školitelem, Víkendové Machine Learning školení, Večerní Machine Learning kurzy, Machine Learning koučování, Machine Learning lektor, Machine Learning školitel, Machine Learning počítačová školení, Machine Learning počítačové kurzy , Machine Learning kurzy, Machine Learning školení, Machine Learning on-site, Machine Learning uzavřená školení, Machine Learning individuální školení
