Introduction to the Use of Neural Networks Training Course

В това обучение на живо, водено от инструктор, ние разглеждаме принципите на невронните мрежи и използваме OpenNN, за да реализираме примерно приложение.

Лекция и дискусия, съчетани с практически упражнения.

Този курс обхваща AI (инфазиране Machine Learning и Deep Learning) в Automotive Индустрия. Той помага да се определи каква технология може (потенциално) да се използва в много ситуации в автомобила: от проста автоматизация, разпознаване на изображенията до автономно вземане на решения.

Този курс е създаден за мениджъри, архитекти на решения, служители по иновациите, технически директори, софтуерни архитекти и всеки, който се интересува от общ преглед на приложния изкуствен интелект и най-близката прогноза за неговото развитие.

Този курс е създаден за хора, които нямат предишен опит в областта на вероятностите и статистиката.

Изкуствената невронна мрежа е изчислителен модел на данни, използван при разработването на системи с изкуствен интелект (AI), способни да изпълняват „интелигентни“ задачи. Neural Networks обикновено се използват в приложения за машинно обучение (ML), които сами по себе си са едно изпълнение на AI. Deep Learning е подгрупа на ML.

Това е 4-дневен курс, представящ AI и неговото приложение. Има опция да имате допълнителен ден за предприемане на AI проект след завършване на този курс.

Това е 4-дневен курс, който въвежда AI и прилагането му с помощта на Python програмния език. Има възможност да имате допълнителен ден, за да предприемете проект за ИИ при завършване на този курс. 

Този обучителен курс е за хора, които биха искали да приложат Machine Learning в практически приложения.

Публика

Този курс е за специалисти по данни и статистици, които са запознати със статистиката и знаят как да програмират R (или Python или друг избран език). Акцентът на този курс е върху практическите аспекти на подготовката на данни/модел, изпълнението, пост-хок анализ и визуализация.

Целта е да се дадат практически приложения на Machine Learning на участниците, които се интересуват от прилагането на методите на работа.

Използват се специфични за сектора примери, за да се направи обучението подходящо за аудиторията.

Изкуствената невронна мрежа е изчислителен модел на данни, използван при разработването на системи с изкуствен интелект (AI), способни да изпълняват „интелигентни“ задачи. Neural Networks обикновено се използват в приложения за машинно обучение (ML), които сами по себе си са едно изпълнение на AI. Deep Learning е подгрупа на ML.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към изследователи и разработчици, които желаят да използват Chainer за изграждане и обучение на невронни мрежи в Python, като същевременно правят кода лесен за отстраняване на грешки.

До края на това обучение участниците ще могат:

• Настройте необходимата среда за разработка, за да започнете да разработвате модели на невронни мрежи.
• Дефинирайте и внедрявайте модели на невронни мрежи, като използвате разбираем изходен код.
• Изпълнявайте примери и модифицирайте съществуващите алгоритми, за да оптимизирате моделите за обучение за задълбочено обучение, като същевременно използвате GPU за висока производителност.

Този воден от инструктор курс на живо предоставя въведение в областта на разпознаването на образи и машинното обучение. Той засяга практически приложения в статистиката, компютърните науки, обработката на сигнали, компютърното зрение, извличането на данни и биоинформатиката.

Курсът е интерактивен и включва множество практически упражнения, обратна връзка с инструктора и тестване на придобитите знания и умения.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици и учени по данни, които желаят да научат основите на Deep Reinforcement Learning, докато преминават през създаването на Deep Learning Agent.

До края на това обучение участниците ще могат:

• Разберете ключовите концепции зад Deep Reinforcement Learning и можете да го разграничите от машинното обучение.
• Прилагайте усъвършенствани Reinforcement Learning алгоритми за решаване на проблеми от реалния свят.
• Създайте агент за задълбочено обучение.

Тип: Теоретично обучение с предварително решени с учениците приложения по Лазаня или Keras според образователната група

Методи на преподаване: презентации, дискусии и казуси

Изкуственият интелект, след като разруши много научни области, започна да революционизира голям брой икономически сектори (индустрия, медицина, комуникация и др.). Въпреки това, представянето му в големите медии често е фантазия, много далеч от това, което са областите на Machine Learning или Deep Learning в действителност. Целта на това обучение е да предостави на инженерите, които вече владеят ИТ инструменти (включително базова основа за софтуерно програмиране), въведение в Deep Learning, както и в различните му области на специализация и следователно в основните съществуващи мрежови архитектури. Ако математическите основи са обхванати по време на курса, се препоръчва ниво BAC+2 по математика за по-голям комфорт. Абсолютно възможно е да пренебрегнете математическата ос и да запазите само „системна“ визия, но този подход ще ограничи изключително много вашето разбиране на темата.

В това водено от инструктор обучение на живо участниците ще се научат как да използват Matlab за проектиране, изграждане и визуализиране на конволюционна невронна мрежа за разпознаване на изображения.

До края на това обучение участниците ще могат:

Изградете модел за задълбочено обучение Автоматизирайте етикетирането на данни Работете с модели от Caffe и TensorFlow-Keras Train данни, като използвате множество GPU, облака или клъстери

Публика

Разработчици Инженери Експерти в областта

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които искат да научат за приложимостта на изкуствения интелект към мехатронните системи.

До края на това обучение участниците ще могат:

• Получете общ поглед върху изкуствения интелект, машинното обучение и изчислителния интелект.
• Разберете концепциите за невронни мрежи и различни методи на обучение.
• Изберете ефективно подходите на изкуствения интелект за проблеми от реалния живот.
• Внедряване на AI приложения в мехатронното инженерство.