Курс за обучение по Introduction to the Use of Neural Networks

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.

This instructor-led, live training in България (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.

By the end of this training, participants will be able to:

• Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
• Write and understand procedural, functional, and object-oriented programming code.
• Implement machine learning techniques such as classification, clustering, and neural networks.
• Develop AI solutions using rules engines and expert systems for problem-solving.

Изкуствената невронна мрежа е модел на изчислителни данни, използван при разработването на Artificial Intelligence (AI) системи, способни да изпълняват „интелигентни“ задачи. Neural Networks обикновено се използват в Machine Learning (ML) приложения, които сами по себе си са едно изпълнение на AI. Deep Learning е подмножество 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.

This instructor-led, live training in България (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.

By the end of this training, participants will be able to:

• Understand and implement various Machine Learning algorithms.
• Prepare data and models for machine learning applications.
• Conduct post hoc analyses and visualize results effectively.
• Apply machine learning techniques to real-world, sector-specific scenarios.

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.

This instructor-led, live training in България (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.

By the end of this training, participants will be able to:

• Apply core statistical methods to pattern recognition.
• Use key models like neural networks and kernel methods for data analysis.
• Implement advanced techniques for complex problem-solving.
• Improve prediction accuracy by combining different models.

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 основните медии често е фантазия, много далеч от това, което са домейните 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

Тази тренировъчна сесия, базирана в класната стая, ще съдържа презентации и компютърно базирани примери и казуси, които да се предприемат със съответните невронни и дълбоки мрежови библиотеки

Този курс е въведение в прилагането на невронни мрежи в реални проблеми с помощта на софтуер R-project.

В това водено от инструктор обучение на живо в България участниците ще се научат как да се възползват от иновациите в TPU процесорите, за да увеличат максимално производителността на собствените си AI приложения.

До края на обучението участниците ще могат:

• Обучете различни видове невронни мрежи върху големи количества данни.
• Използвайте TPU, за да ускорите процеса на извод с до два порядъка.
• Използвайте TPU за обработка на интензивни приложения като търсене на изображения, облачно виждане и снимки.

Този курс започва с предоставяне на концептуални знания за невронни мрежи и като цяло за алгоритъм за машинно обучение, задълбочено обучение (алгоритми и приложения).

Част-1 (40%) от това обучение се фокусира повече върху основите, но ще ви помогне да изберете правилната технология: TensorFlow, Caffe, Theano, DeepDrive, Keras и др.

Част-2 (20%) от това обучение представя Theano - библиотека на python, която прави лесно писането на модели за дълбоко обучение.

Част-3 (40%) от обучението ще бъде широко базирано на Tensorflow - 2-ро поколение API на софтуерната библиотека с отворен код на Google за дълбоко обучение. Всички примери и handson ще бъдат направени в TensorFlow.

Публика

Този курс е предназначен за инженери, които искат да използват TensorFlow за своите проекти за задълбочено обучение

След завършване на този курс делегатите ще:

имат добро разбиране на дълбоките невронни мрежи (DNN), CNN и RNN разбират TensorFlow структурата и механизмите за внедряване да могат да изпълняват задачи и конфигурация на инсталация / производствена среда / архитектура да могат да оценяват качеството на кода, да извършват отстраняване на грешки, мониторинг да можете да внедрявате разширено производство като модели за обучение, изграждане на графики и регистриране