Local instructor-led live Machine Learning training courses in България.
Oтзиви от потребители
Регулиране на нашите нужди
Sumitomo Mitsui Finance and Leasing Company, Limited
Course: Kubeflow
Machine Translated
Практика
INTELLIGENT HIVES SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
Course: Machine Learning – Data science
Machine Translated
и начина, по който
NetWorkS! Sp. z o.o.
Course: AI Awareness for Telecom
Machine Translated
Томасз наистина познава информацията добре и курсът беше много вървец.
Raju Krishnamurthy - Google
Course: TensorFlow Extended (TFX)
Machine Translated
Упражнения
Orange Szkolenia sp. z o.o.
Course: Fundamentals of Artificial Intelligence and Machine Learning
Machine Translated
Компетентност и поведение.
Orange Szkolenia sp. z o.o.
Course: Fundamentals of Artificial Intelligence and Machine Learning
Machine Translated
Треньорът беше много добре запознат и отворен за въпроси, обичаше да рисува диаграми и да обясни нещата в доста добър начин
Course: Deep Learning with TensorFlow 2.0
Machine Translated
Треньорът беше много добре запознат и отворен за въпроси, обичаше да рисува диаграми и да обясни нещата в доста добър начин
Course: Deep Learning with TensorFlow 2.0
Machine Translated
Machine Learning Subcategories
Machine Learning Course Outlines
Име на Kурса
Продължителност
Общ преглед
Име на Kурса
Продължителност
Общ преглед
14 hours
Generative Pre-trained Transformers (GPT) са най-съвременни модели в обработката на естествен език, които революционизират различни приложения, включително генериране на език, довършване на текст и машинен превод. Този курс предоставя задълбочено изследване на GPT моделите, с акцент върху GPT-3 и най-новите постижения в GPT-4. Участниците ще придобият представа за архитектурата, техниките за обучение и приложенията на GPT моделите.Това водено от инструктор обучение на живо (онлайн или на място) е насочено към специалисти по данни, инженери по машинно обучение, NLP изследователи и AI ентусиасти, които желаят да разберат вътрешната работа на GPT моделите, да изследват възможностите на GPT-3 и GPT-4 , и научете как да използвате тези модели за своите NLP задачи.До края на това обучение участниците ще могат:
- Разберете ключовите концепции и принципи зад Generative Pre-trained Transformers. Разберете архитектурата и процеса на обучение на GPT модели. Използвайте GPT-3 за задачи като генериране на текст, допълване и превод. Разгледайте най-новите постижения в GPT-4 и неговите потенциални приложения. Прилагат GPT модели към собствените си НЛП проекти и задачи.
- Интерактивна лекция и дискусия. Много упражнения и практика. Практическо внедряване в лабораторна среда на живо.
- За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.
21 hours
LightGBM е безплатна и с отворен код разпределена рамка за усилване на градиента за машинно обучение, първоначално разработена от Microsoft. Базира се на алгоритми за дърво на решенията и се използва за класиране, класификация и други задачи за машинно обучение.Това водено от инструктор обучение на живо (онлайн или на място) е насочено към начинаещи до средно ниво разработчици и учени по данни, които желаят да научат основите на LightGBM и да изследват напреднали техники.До края на това обучение участниците ще могат:
- Инсталирайте и конфигурирайте LightGBM. Разберете теорията зад усилване на градиента и алгоритми за дърво на решения Използвайте LightGBM за основни и разширени задачи за машинно обучение. Внедрете усъвършенствани техники като инженерство на функции, настройка на хиперпараметри и интерпретация на модела. Интегрирайте LightGBM с други рамки за машинно обучение. Отстраняване на често срещани проблеми в LightGBM.
- Интерактивна лекция и дискусия. Много упражнения и практика. Практическо внедряване в лабораторна среда на живо.
- За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.
21 hours
Stable Diffusion е мощен модел за дълбоко обучение, който може да генерира подробни изображения въз основа на текстови описания.Това водено от инструктор обучение на живо (онлайн или на място) е насочено към специалисти по данни на средно до напреднало ниво, инженери по машинно обучение, изследователи в дълбоко обучение и експерти по компютърно зрение, които желаят да разширят знанията и уменията си в дълбокото обучение за текст-към - генериране на изображение.До края на това обучение участниците ще могат:
- Разберете усъвършенствани архитектури за дълбоко обучение и техники за генериране на текст към изображение. Внедрете сложни модели и оптимизации за висококачествен синтез на изображения. Оптимизирайте производителността и скалируемостта за големи набори от данни и сложни модели. Настройте хиперпараметрите за по-добра производителност и обобщение на модела. Интегрирайте Stable Diffusion с други рамки и инструменти за дълбоко обучение.
- Интерактивна лекция и дискусия. Много упражнения и практика. Практическо внедряване в лабораторна среда на живо.
- За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.
7 hours
Vertex AI е Google облачна среда за изпълнение на задачи за машинно обучение от експериментиране през внедряване до управление и наблюдение на модели. Това е мащабируема инфраструктура, която предоставя възможности за управление на потребителите и контрол на сигурността върху проекти за машинно обучение.Това водено от инструктор обучение на живо (онлайн или на място) е насочено към начинаещи до софтуерни инженери на средно ниво или всеки, който желае да се научи как да използва Vertex AI за извършване и завършване на дейности по машинно обучение.До края на това обучение участниците ще могат:
- Разберете как работи Vertex AI и го използвайте като платформа за машинно обучение. Научете за концепциите за машинно обучение и НЛП. Знаете как да обучавате и внедрявате модели за машинно обучение с помощта на Vertex AI.
- Интерактивна лекция и дискусия. Много упражнения и практика. Практическо внедряване в лабораторна среда на живо.
- За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.
21 hours
DeepSpeed е библиотека за оптимизиране на дълбоко обучение, която улеснява мащабирането на модели за дълбоко обучение на разпределен хардуер. Разработено от Microsoft, DeepSpeed се интегрира с PyTorch, за да осигури по-добро мащабиране, по-бързо обучение и подобрено използване на ресурсите.Това водено от инструктор обучение на живо (онлайн или на място) е насочено към начинаещи до средно ниво на учени за данни и инженери по машинно обучение, които желаят да подобрят ефективността на своите модели за дълбоко обучение.До края на това обучение участниците ще могат:
- Разберете принципите на разпределеното задълбочено обучение. Инсталирайте и конфигурирайте DeepSpeed. Мащабирайте модели за дълбоко обучение върху разпределен хардуер с помощта на DeepSpeed. Внедрете и експериментирайте с функциите на DeepSpeed за оптимизиране и ефективност на паметта.
- Интерактивна лекция и дискусия. Много упражнения и практика. Практическо внедряване в лабораторна среда на живо.
- За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.
7 hours
AlphaFold е система, която извършва прогнозата на протеинови структури. Той е разработен от Alphabet’s/Google’s DeepMind като система за дълбоко учене, която може точно да предскаже 3D модели на протеинови структури.
Това обучение, ръководено от инструктори, е насочено към биолози, които искат да разберат как AlphaFold работят и използват AlphaFold модели като ръководители в експерименталните си проучвания.
В края на обучението участниците ще могат да:
-
Разберете основните принципи на AlphaFold.
Научете как действа AlphaFold.
Научете как да тълкувате AlphaFold прогнози и резултати.
-
Интерактивна лекция и дискусия.
Много упражнения и упражнения.
Изпълнение на ръката в живо лабораторна среда.
-
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
21 hours
Stable Diffusion е мощен модел за дълбоко обучение, който може да генерира подробни изображения въз основа на текстови описания.Това водено от инструктор обучение на живо (онлайн или на място) е насочено към специалисти по данни, инженери по машинно обучение и изследователи на компютърно зрение, които желаят да използват Stable Diffusion за генериране на висококачествени изображения за различни случаи на употреба.До края на това обучение участниците ще могат:
- Разберете принципите на Stable Diffusion и как работи за генериране на изображения. Изградете и обучете Stable Diffusion модели за задачи за генериране на изображения. Приложете Stable Diffusion към различни сценарии за генериране на изображения, като вписване, изрисуване и превод от изображение към изображение. Оптимизирайте производителността и стабилността на Stable Diffusion модели.
- Интерактивна лекция и дискусия. Много упражнения и практика. Практическо внедряване в лабораторна среда на живо.
- За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.
14 hours
Waikato Environment for Knowledge Analysis (Weka) е софтуер за визуализация за минни данни с отворен код. Той осигурява колекция от алгоритми за машинно обучение за подготовка на данни, класификация, кластериране и други дейности за извличане на данни.
Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към аналитици на данни и учени на данни, които искат да използват Weka за изпълнение на задачи за изкопаване на данни.
В края на обучението участниците ще могат да:
-
Настройване и конфигуриране Weka
Разбиране на Weka околната среда и работното място.
Извършване на задачи за извличане на данни с помощта на Weka.
-
Интерактивна лекция и дискусия.
Много упражнения и упражнения.
Изпълнение на ръката в живо лабораторна среда.
-
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
14 hours
Целта на този курс е да осигури основна компетентност в прилагането на Machine Learning методи в практиката. Чрез използването на Python програмния език и неговите различни библиотеки, и въз основа на множество практически примери този курс учи как да се използват най-важните строителни блокове на Machine Learning, как да се вземат решения за моделиране на данни, да се тълкуват резултатите от алгоритмите и да се валидират резултатите.
Нашата цел е да ви предоставим уменията да разберете и използвате най-основните инструменти от Machine Learning инструменталната кутия с увереност и да избягвате често срещаните грешки в приложенията Data Science.
21 hours
In this instructor-led, live training in България, 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.
28 hours
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.
28 hours
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.
21 hours
Deep Reinforcement Learning се отнася до способността на "изкуствен агент" да се учи чрез проба-грешка и награди и наказания. Изкуствен агент има за цел да подражава на човешката способност да получава и конструира знания сам, директно от сурови входящи данни, като например зрение. За реализиране на обучение с подсилване се използват дълбоко обучение и невронни мрежи. Обучението с подсилване е различно от машинното обучение и не разчита на подходи за контролирано и неконтролирано обучение.Това водено от инструктор обучение на живо (онлайн или на място) е насочено към разработчици и специалисти по данни, които искат да научат основите на Deep Reinforcement Learning, докато преминават през създаването на Deep Learning агент.До края на това обучение участниците ще могат:
- Разберете ключовите концепции зад Deep Reinforcement Learning и можете да го разграничите от Machine Learning. Прилагайте усъвършенствани Reinforcement Learning алгоритми за решаване на проблеми от реалния свят. Създайте Deep Learning агент.
- Интерактивна лекция и дискусия. Много упражнения и практика. Практическо внедряване в лабораторна среда на живо.
- За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.
28 hours
Машинното обучение е отрасъл на изкуствения интелект, в който компютрите имат способността да учат, без да бъдат изрично програмирани.
Дълбокото обучение е подполе на машинното обучение, което използва методи, базирани на представления и структури на данни за учене, като например невронни мрежи.
Python е високо ниво на програмиране език, известен със своята ясна синтеза и четене на кодове.
В това обучение, ръководено от инструктори, участниците ще научат как да внедряват модели за дълбоко обучение за телекомуникации, като стъпват през създаването на модел за дълбоко обучение кредитен риск.
В края на обучението участниците ще могат да:
-
Разберете основните понятия за дълбоко учене.
Научете приложенията и приложенията на дълбокото обучение в телекомуникациите.
Използвайте Python, Keras и TensorFlow, за да създадете модели за дълбоко обучение за телекомуникации.
Изградете своя собствен модел за предсказване на дълбокото обучение на клиента, като използвате Python.
-
Интерактивна лекция и дискусия.
Много упражнения и упражнения.
Изпълнение на ръката в живо лабораторна среда.
-
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
14 hours
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
- Developers
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
7 hours
Този курс е създаден за мениджъри, архитекти на решения, офицери за иновации, ЦТО, софтуерни архитекти и всеки, който се интересува от преглед на приложното изкуствено разузнаване и най-близката прогноза за неговото развитие.
7 hours
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.
14 hours
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.
14 hours
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.
21 hours
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 hours
This course will be a combination of theory and practical work with specific examples used throughout the event.
21 hours
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.
14 hours
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.
14 hours
R е свободен език за програмиране с отворен код за статистически компютри, анализ на данни и графики. Изследванията се използват от нарастващ брой мениджъри и аналитици на данни в корпорациите и академиите. R има широк спектър от пакети за извличане на данни.
35 hours
This course is created for people who have no previous experience in probability and statistics.
7 hours
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 hours
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 hours
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
7 hours
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
- Developers
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
14 hours
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
- Developers
- Analysts
- Data scientists
- Part lecture, part discussion, exercises and heavy hands-on practice
Last Updated:
Other countries
Consulting
Online Machine Learning courses, Weekend Machine Learning courses, Evening Machine Learning training, Machine Learning boot camp, Machine Learning instructor-led, Weekend Machine Learning training, Evening Machine Learning courses, Machine Learning coaching, Machine Learning instructor, Machine Learning trainer, Machine Learning training courses, Machine Learning classes, Machine Learning on-site, Machine Learning private courses, Machine Learning one on one training
