Lokale, instruktorierte Live-Trainingskurse für neuronale Netzwerke demonstrieren durch interaktive Diskussionen und praktische Übungen, wie neuronale Netzwerke mit einer Anzahl von meist Open Source-Toolkits und Bibliotheken aufgebaut werden können und wie die Leistungsfähigkeit von fortgeschrittener Hardware (GPUs) und Optimierungstechniken genutzt werden kann Große Daten Unsere Neural Network Kurse basieren auf populären Programmiersprachen wie Python, Java, R Sprache und leistungsstarken Bibliotheken, einschließlich TensorFlow, Torch, Caffe, Theano und mehr Unsere Kurse im Neuronalen Netz decken sowohl die Theorie als auch die Implementierung ab und verwenden eine Reihe neuronaler Netzwerkimplementierungen wie Deep Neural Networks (DNN), Convolutional Neural Networks (CNN) und Recurrent Neural Networks (RNN) Neural Network Training ist als "Live-Training vor Ort" oder "Fern-Live-Training" verfügbar Onsite Live Training kann vor Ort bei Kunden durchgeführt werden Deutschland oder in NobleProg Corporate Trainingszentren in Deutschland Remote-Live-Training wird über einen interaktiven Remote-Desktop durchgeführt NobleProg Ihr lokaler Trainingsanbieter.

Erfahrungsberichte

★★★★★

Ref Material später zu verwenden war sehr gut.

PAUL BEALES- Seagate Technology.

Course: Applied Machine Learning

Translated by

Was hat Ihnen an dem Training am meisten gefallen ?: Gab mir eine gute Übung, um mithilfe von R Maschinenlernsysteme für reale Situationen zu bauen. Ich kann das sofort in meiner Arbeit verwenden. Das war ein ausgezeichneter Kurs. Eines der besten, die ich je hatte.

Matthew Thomas - British Telecom

Course: Applied Machine Learning

Translated by

Es war sehr interaktiv und entspannter und informeller als erwartet. Wir haben in der Zeit viele Themen behandelt und der Trainer war immer offen dafür, im Detail oder allgemeiner über die Themen und ihre Zusammenhänge zu sprechen. Ich denke, das Training hat mir die Werkzeuge gegeben, um weiter zu lernen, im Gegensatz zu einer einmaligen Sitzung, in der das Lernen nach dem Abschluss aufhört, was angesichts des Umfangs und der Komplexität des Themas sehr wichtig ist.

Jonathan Blease

Course: Artificial Neural Networks, Machine Learning, Deep Thinking

Translated by

Ann schuf eine großartige Umgebung, um Fragen zu stellen und zu lernen. Wir hatten viel Spaß und lernten gleichzeitig viel.

Gudrun Bickelq

Course: Introduction to the use of neural networks

Translated by

Der interaktive Teil, zugeschnitten auf unsere spezifischen Bedürfnisse.

Thomas Stocker

Course: Introduction to the use of neural networks

Translated by

Ref Material später zu verwenden war sehr gut.

PAUL BEALES

Course: Applied Machine Learning

Translated by

Ich habe die kristallklaren Antworten von Chris auf unsere Fragen sehr geschätzt.

Léo Dubus

Course: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple

Translated by

Ich genoss im Allgemeinen den sachkundigen Trainer.

Sridhar Voorakkara

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ich war erstaunt über den Standard dieser Klasse - ich würde sagen, dass es Universitätsstandard war.

David Relihan

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Sehr gute Rundum-Übersicht. Ein guter Hintergrund, warum Tensorflow so funktioniert.

Kieran Conboy

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ich mochte die Gelegenheiten, Fragen zu stellen und tiefergehende Erklärungen der Theorie zu bekommen.

Sharon Ruane

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Der Trainer erklärte sehr leicht schwierige und fortgeschrittene Themen.

Leszek K

Course: Artificial Intelligence Overview

Translated by

Ich mochte die neuen Einblicke in tiefes maschinelles Lernen.

Josip Arneric

Course: Neural Network in R

Translated by

Wir haben etwas über NN im Allgemeinen gelernt, und was für mich am interessantesten war, waren die neuen Typen von NN, die heutzutage populär sind.

Tea Poklepovic

Course: Neural Network in R

Translated by

Mir gefielen die Graphen in R :))).

Faculty of Economics and Business Zagreb

Course: Neural Network in R

Translated by

Sehr flexibel.

Frank Ueltzhöffer

Course: Artificial Neural Networks, Machine Learning and Deep Thinking

Translated by

Ich habe generell die Flexibilität genossen.

Werner Philipp

Course: Artificial Neural Networks, Machine Learning and Deep Thinking

Translated by

Voraussichtlicher Stand der Technologie: Welche Technologie / Prozess könnte in Zukunft wichtiger werden? sehen Sie, wofür die Technologie verwendet werden kann.

Commerzbank AG

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Ich habe von der Themenauswahl profitiert. Art des Trainings. Praxisorientierung.

Commerzbank AG

Course: Neural Networks Fundamentals using TensorFlow as Example

Translated by

Papier Erklärung

Course: Deep Learning with TensorFlow - bespoke

Translated by

Kommunikation mit Dozenten

文欣张

Course: Artificial Neural Networks, Machine Learning, Deep Thinking

Translated by

Gefällt mir

lisa xie

Course: Artificial Neural Networks, Machine Learning, Deep Thinking

Translated by

viele Übungen, die ich direkt in meiner Arbeit anwenden kann.

Alior Bank S.A.

Course: Sieci Neuronowe w R

Translated by

Beispiele für echte Daten.

Alior Bank S.A.

Course: Sieci Neuronowe w R

Translated by

neuralnet, pROC in einer Schleife.

Alior Bank S.A.

Course: Sieci Neuronowe w R

Translated by

Neural Networks Kurspläne

Code	Name	Dauer	Übersicht
aiint	Ein Überblick über künstliche Intelligenz	7 Stunden	Dieser Kurs richtet sich an Manager, Lösungsarchitekten, Innovationsbeauftragte, CTOs, Software-Architekten und alle, die sich für einen Überblick über angewandte künstliche Intelligenz und die nächste Prognose für ihre Entwicklung interessieren.
tpuprogramming	TPU Programming: Building Neural Network Applications on Tensor Processing Units	7 Stunden	Die Tensor Processing Unit (TPU) ist die Architektur, die Google seit einigen Jahren intern nutzt und nun für die breite Öffentlichkeit verfügbar ist Es enthält mehrere Optimierungen speziell für die Verwendung in neuronalen Netzen, einschließlich einer gestrafften Matrixmultiplikation und 8-Bit-Ganzzahlen anstelle von 16-Bit, um geeignete Genauigkeitsniveaus zu erhalten In diesem instruierten Live-Training lernen die Teilnehmer, wie sie die Vorteile von TPU-Prozessoren nutzen können, um die Leistung ihrer eigenen KI-Anwendungen zu maximieren Am Ende des Trainings werden die Teilnehmer in der Lage sein: Trainieren Sie verschiedene Arten von neuronalen Netzwerken auf großen Datenmengen Verwenden Sie TPUs, um den Inferenzprozess um bis zu zwei Größenordnungen zu beschleunigen Verwenden Sie TPUs, um intensive Anwendungen wie Bildsuche, Cloud Vision und Fotos zu verarbeiten Publikum Entwickler Forscher Ingenieure Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
undnn	Understanding Deep Neural Networks	35 Stunden	Dieser Kurs beginnt mit konzeptuellem Wissen in neuronalen Netzen und allgemein im maschinellen Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen) Teil 1 (40%) dieses Trainings konzentriert sich mehr auf die Grundlagen, hilft Ihnen aber bei der Auswahl der richtigen Technologie: TensorFlow, Caffe, Theano, DeepDrive, Keras usw Teil 2 (20%) dieser Schulung stellt Theano eine Python-Bibliothek vor, die das Schreiben von Deep-Learning-Modellen erleichtert Teil 3 (40%) des Trainings würde weitgehend auf der Tensorflow 2nd Generation API der Open-Source-Software-Bibliothek von Google für Deep Learning basieren Die Beispiele und Handsons würden alle in TensorFlow gemacht werden Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning-Projekte einsetzen möchten Nach Abschluss dieses Kurses werden die Delegierten: habe ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN verstehen TensorFlows Struktur und Einsatzmechanismen in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen, zu überwachen in der Lage sein, fortgeschrittene Produktion wie Trainingsmodelle, Erstellung von Graphen und Protokollierung zu implementieren Aufgrund der Weite des Themas würden nicht alle Themen in einem öffentlichen Klassenzimmer mit einer Dauer von 35 Stunden behandelt Die Dauer des gesamten Kurses beträgt ca 70 Stunden und nicht 35 Stunden .
matlabdl	Matlab for Deep Learning	14 Stunden	In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mit Matlab ein konvolutionelles neuronales Netzwerk für die Bilderkennung entwerfen, aufbauen und visualisieren können Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Erstellen Sie ein tiefes Lernmodell Automatisieren Sie die Datenbeschriftung Arbeiten Sie mit Modellen von Caffe und TensorFlowKeras Trainieren Sie Daten mit mehreren GPUs, der Cloud oder den Clustern Publikum Entwickler Ingenieure Domain-Experten Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
encogintro	Encog: Introduction to Machine Learning	14 Stunden	Encog ist ein Open Source-Framework zum maschinellen Lernen für Java undNet In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von ENCOG verschiedene neuronale Netzwerkkomponenten erstellen können Realworld-Fallstudien werden diskutiert und maschinensprachliche Lösungen für diese Probleme werden untersucht Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Bereiten Sie Daten für neuronale Netze unter Verwendung des Normalisierungsprozesses vor Implementieren Sie Feed-Forward-Netzwerke und Fortpflanzungs-Trainingsmethoden Implementieren Sie Klassifizierungs- und Regressionsaufgaben Modellieren und trainieren Sie neurale Netzwerke mithilfe der GUI-basierten Workbench von Encog Integrieren Sie die neuronale Netzwerkunterstützung in Realworld-Anwendungen Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
encogadv	Encog: Advanced Machine Learning	14 Stunden	Encog ist ein Open Source-Framework zum maschinellen Lernen für Java undNet In diesem instruierten Live-Training lernen die Teilnehmer fortgeschrittene Techniken des maschinellen Lernens kennen, um präzise neuronale Vorhersagemodelle zu erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Implementieren Sie verschiedene Optimierungstechniken für neuronale Netzwerke, um die Unter- und Überanpassung zu beheben Verstehen und wählen Sie aus einer Reihe von neuronalen Netzwerkarchitekturen Implementieren Sie überwachte Feed-Forward- und Feedback-Netzwerke Publikum Entwickler Analysten Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
snorkel	Snorkel: Rapidly Process Training Data	7 Stunden	Snorkel ist ein System zum schnellen Erstellen, Modellieren und Verwalten von Trainingsdaten Es konzentriert sich auf die beschleunigte Entwicklung von strukturierten oder "dunklen" Datenextraktionsanwendungen für Domänen, in denen große beschriftete Trainingssätze nicht verfügbar oder leicht zu erhalten sind In diesem instruierten Live-Training lernen die Teilnehmer Techniken zum Extrahieren von Werten aus unstrukturierten Daten wie Text, Tabellen, Zahlen und Bildern durch Modellierung von Trainingsdaten mit Snorkel kennen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Programmatische Erstellung von Trainingssätzen zur Kennzeichnung von umfangreichen Trainingssätzen Trainiere hochwertige Endmodelle, indem du zuerst laute Trainingssätze modellierst Verwenden Sie Snorkel, um schwache Überwachungstechniken zu implementieren und die Datenprogrammierung auf schwach überwachte Maschinenlernsysteme anzuwenden Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
PaddlePaddle	PaddlePaddle	21 Stunden	PaddlePaddle (PArallel Distributed Deep LEarning) ist eine von Baidu entwickelte skalierbare Deep-Learning-Plattform In diesem instruierten Live-Training lernen die Teilnehmer, PaddlePaddle zu verwenden, um tiefes Lernen in ihren Produkt- und Serviceanwendungen zu ermöglichen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Richten Sie PaddlePaddle ein und konfigurieren Sie es Richten Sie ein Convolutional Neural Network (CNN) für die Bilderkennung und Objekterkennung ein Richten Sie ein Recurrent Neural Network (RNN) für die Stimmungsanalyse ein Richten Sie Deep Learning auf Empfehlungssystemen ein, damit Benutzer Antworten finden können Klickraten (Click-through-Rate - CTR) vorhersagen, großformatige Bildsätze klassifizieren, optische Zeichenerkennung (OCR) durchführen, Suchanfragen einordnen, Computerviren erkennen und ein Empfehlungssystem implementieren Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .
MicrosoftCognitiveToolkit	Microsoft Cognitive Toolkit 2.x	21 Stunden	Microsoft Cognitive Toolkit 2x (früher CNTK) ist ein Open Source-Toolkit für den kommerziellen Einsatz, das tiefgreifende Lernalgorithmen zum Lernen wie das menschliche Gehirn trainiert Laut Microsoft kann CNTK 510x schneller als TensorFlow in wiederkehrenden Netzwerken und 2- bis 3-mal schneller als TensorFlow für bildbezogene Tasks sein In diesem instruierten Live-Training lernen die Teilnehmer, wie sie mithilfe von Microsoft Cognitive Toolkit tiefgreifende Lernalgorithmen für kommerzielle AI-Anwendungen erstellen, trainieren und auswerten, die verschiedene Arten von Daten wie Daten, Sprache, Text und Bilder umfassen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Greifen Sie aus einem Python-, C # - oder C ++ - Programm heraus auf CNTK als Bibliothek zu Nutzen Sie CNTK als eigenständiges Machine Learning Tool durch eine eigene Modellbeschreibungssprache (BrainScript) Verwenden Sie die CNTK-Modellbewertungsfunktionalität aus einem Java-Programm Kombinieren von Feedforward-DNNs, Faltungsnetzwerken (CNNs) und wiederkehrenden Netzwerken (RNNs / LSTMs) Skalieren Sie die Rechenkapazität für CPUs, GPUs und mehrere Maschinen Greifen Sie auf riesige Datensätze mit vorhandenen Programmiersprachen und Algorithmen zu Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Wenn Sie einen Teil dieses Trainings anpassen möchten, einschließlich der Programmiersprache Ihrer Wahl, kontaktieren Sie uns bitte, um dies zu arrangieren .
OpenNN	OpenNN: Implementing Neural Networks	14 Stunden	OpenNN ist eine in C ++ geschriebene OpenSource-Klassenbibliothek, die neuronale Netzwerke zur Verwendung im maschinellen Lernen implementiert In diesem Kurs gehen wir auf die Prinzipien neuronaler Netzwerke ein und verwenden OpenNN, um eine Beispielanwendung zu implementieren Publikum Softwareentwickler und Programmierer, die Deep Learning-Anwendungen erstellen möchten Format des Kurses Vortrag und Diskussion in Verbindung mit praktischen Übungen .
neuralnet	Introduction to the use of neural networks	7 Stunden	Das Training richtet sich an Menschen, die die Grundlagen neuronaler Netze und deren Anwendungen erlernen wollen.
datamodeling	Pattern Recognition	35 Stunden	Dieser Kurs bietet eine Einführung in das Gebiet der Mustererkennung und des maschinellen Lernens Es befasst sich mit praktischen Anwendungen in den Bereichen Statistik, Informatik, Signalverarbeitung, Computer Vision, Data Mining und Bioinformatik Der Kurs ist interaktiv und beinhaltet viele praktische Übungen, Feedback von Lehrern und Tests der erworbenen Kenntnisse und Fähigkeiten Publikum Datenanalytiker Doktoranden, Forscher und Praktiker .
Neuralnettf	Neural Networks Fundamentals using TensorFlow as Example	28 Stunden	Dieser Kurs vermittelt Ihnen Kenntnisse in neuronalen Netzen und allgemein im maschinellen Lernalgorithmus, Deep Learning (Algorithmen und Anwendungen) Dieses Training konzentriert sich mehr auf die Grundlagen, hilft Ihnen aber bei der Auswahl der richtigen Technologie: TensorFlow, Caffe, Teano, DeepDrive, Keras usw Die Beispiele werden in TensorFlow erstellt .
aiauto	Artificial Intelligence in Automotive	14 Stunden	Dieser Kurs behandelt KI (Schwerpunkt Maschinelles Lernen und Deep Learning) in der Automobilindustrie Es hilft zu bestimmen, welche Technologie (potenziell) in mehreren Situationen in einem Auto verwendet werden kann: von einfacher Automatisierung, Bilderkennung bis hin zu autonomer Entscheidungsfindung .
aiintrozero	From Zero to AI	35 Stunden	Dieser Kurs wurde für Personen entwickelt, die noch keine Erfahrung mit Wahrscheinlichkeit und Statistik haben .
annmldt	Artificial Neural Networks, Machine Learning, Deep Thinking	21 Stunden	Das künstliche neuronale Netzwerk ist ein computergestütztes Datenmodell, das bei der Entwicklung von Systemen für künstliche Intelligenz (KI) verwendet wird, die "intelligente" Aufgaben ausführen können. Neuronale Netze werden häufig in Machine Learning (ML) -Anwendungen verwendet, die selbst eine Implementierung von AI sind. Deep Learning ist eine Teilmenge von ML.
appliedml	Angewandtes Maschinelles Lernen	14 Stunden	Der Übungskurs ist für alle diejenigen gedacht, die "Machine Learning" in praktischen Applikationen anwenden möchten Teilnehmer Dieser Kurs ist für Data Scientists und Statistiker, die Grundkenntnisse in Statistik haben und wissen, wie man R programmiert. Der Schwerpunkt des Kurses liegt auf dem praktischen Aspekt von Daten/Modell-Vorbereitung, Execution, post hoc Analyse und Visualisierung. Das Ziel ist es, den Teilnehmern praktische Kenntnisse im Maschinellen Lernen zu vermitteln. Bereichsspezifische Beispiele erhöhen die Relevanz der Schulung für die Teilnehmer.
rneuralnet	Training Neural Network in R	14 Stunden	Dieser Kurs ist eine Einführung in die Anwendung neuronaler Netzwerke in realen Problemen mit Rproject Software .
drlpython	Deep Reinforcement Learning with Python	21 Stunden	Deep Reinforcement Learning bezieht sich auf die Fähigkeit eines "künstlichen Agenten", durch Trialander- und Belohnungs- und Punishment-Techniken zu lernen Ein künstlicher Agent zielt darauf ab, die Fähigkeit eines Menschen zu simulieren, Wissen direkt aus rohen Inputs wie Vision zu gewinnen und zu konstruieren Um verstärktes Lernen zu realisieren, werden Deep Learning und neuronale Netze eingesetzt Verstärkungslernen unterscheidet sich vom maschinellen Lernen und beruht nicht auf überwachten und unüberwachten Lernansätzen In diesem instruierten Live-Training lernen die Teilnehmer die Grundlagen von Deep Reinforcement Learning kennen, während sie die Entwicklung eines Deep Learning Agents durchlaufen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die Schlüsselkonzepte von Deep Reinforcement Learning und können Sie diese von Machine Learning unterscheiden Wenden Sie fortschrittliche Reinforcement-Learning-Algorithmen an, um reale Probleme zu lösen Baue einen Deep Learning-Agenten Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Zukünftige Neural Networks Kurse

Course	Schulungsdatum	Kurspreis (Fernkurs / Schulungsraum)
Deep Reinforcement Learning with Python - Erfurt	Do, 2018-10-04 09:30	5250EUR / 6050EUR
Microsoft Cognitive Toolkit 2.x - Berlin	Mo, 2018-10-08 09:30	N/A / 5300EUR
PaddlePaddle - Nürnberg	Mo, 2018-10-08 09:30	N/A / 5300EUR
Ein Überblick über künstliche Intelligenz - Hamburg	Mo, 2018-10-08 09:30	1750EUR / 2150EUR
Understanding Deep Neural Networks - Leipzig	Mo, 2018-10-22 09:30	8750EUR / 9950EUR

Other regions

Berlin Bremen Dresden Düsseldorf Erfurt Frankfurt am Main Hamburg Hannover Köln Leipzig München Nürnberg Potsdam Stuttgart

Other countries

These courses are also available in other countries ››

Consulting

Neural Networks Consulting

Neural Networks Schulung, Neural Networks boot camp, Neural Networks Abendkurse, Neural Networks Wochenendkurse, Neural Networks Kurs, Neural Networks Training, Neural Networks Seminar, Neural Networks Seminare, Neural Networks Privatkurs, Neural Networks Coaching, Neural Networks Lehrer

Course	Ort	Schulungsdatum	Kurspreis (Fernkurs / Schulungsraum)
jQuery für Fortgeschrittene	Bremen	Di, 2018-09-25 09:30	2700EUR / 3300EUR
FreeRTOS: Programming for Real Time Operating Systems	Nürnberg	Mo, 2018-10-01 09:30	1485EUR / 1885EUR
Entwurfsmuster in C# (Design Patterns)	Stuttgart	Mo, 2018-10-22 09:30	2970EUR / 3570EUR
Verständliches GIT	Dresden	Mi, 2018-10-31 09:30	4050EUR / 4850EUR
System Engineering using SysML and UML 2	Frankfurt am Main	Mo, 2018-11-19 09:30	5198EUR / 5998EUR
OCEB2 OMG Certified Expert in BPM - Fundamental Exam Preparation	Erfurt	Mi, 2018-12-19 09:30	6300EUR / 7300EUR

Neural Networks Schulungen

Erfahrungsberichte

Neural Networks Kurspläne

Zukünftige Neural Networks Kurse

Other regions

Other countries

Consulting

Sonderangebote

EINIGE UNSERER KUNDEN

Schulungskatalog

is growing fast!

As a Business Development Manager you will:

We offer:

Neural Networks Schulungen

Erfahrungsberichte

Neural Networks Kurspläne

Zukünftige Neural Networks Kurse

Other regions

Other countries

Consulting

Sonderangebote

Course Discounts Newsletter

EINIGE UNSERER KUNDEN

Schulungskatalog

is growing fast!

As a Business Development Manager you will:

We offer: