Los cursos de formación en vivo (DL) de aprendizaje profundo dirigidos por un instructor demuestran a través de la práctica los fundamentos y aplicaciones del aprendizaje profundo y cubren temas como el aprendizaje profundo de máquinas, el aprendizaje estructurado profundo y el aprendizaje jerárquico.

El entrenamiento de aprendizaje profundo está disponible como "entrenamiento en vivo en el sitio" o "entrenamiento en vivo remoto". El entrenamiento en vivo se puede realizar localmente en las instalaciones del cliente en Ecuador o en los centros de entrenamiento corporativos de NobleProg en Ecuador. El entrenamiento remoto en vivo se lleva a cabo por medio de un escritorio remoto interactivo.

NobleProg--su proveedor de capacitación local

Machine Translated

Testimonios

★★★★★

Fue muy interactivo y más relajado e informal de lo esperado. Cubrimos muchos temas en el tiempo y el capacitador siempre estuvo receptivo a hablar más en detalle o, más en general, sobre los temas y cómo se relacionaban. Siento que la capacitación me ha dado las herramientas para seguir aprendiendo en lugar de que sea una sola sesión donde el aprendizaje se detiene una vez que has terminado, lo cual es muy importante dada la escala y la complejidad del tema.

Jonathan Blease

Curso: Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo

Machine Translated

El tema es muy interesante.

Wojciech Baranowski

Curso: Introducción al Aprendizaje Profundo

Machine Translated

Los formadores teóricos del conocimiento y la voluntad de resolver los problemas con los participantes después de la capacitación.

Grzegorz Mianowski

Curso: Introducción al Aprendizaje Profundo

Machine Translated

Tema. ¡Muy interesante!.

Piotr

Curso: Introducción al Aprendizaje Profundo

Machine Translated

Los ejercicios después de cada tema fueron realmente útiles, a pesar de que al final eran demasiado complicados. ¡En general, el material presentado fue muy interesante y envolvente! Los ejercicios con reconocimiento de imágenes fueron geniales.

Dolby Poland Sp. z o.o.

Curso: Introducción al Aprendizaje Profundo

Machine Translated

Creo que si el entrenamiento se hiciera en polaco, le permitiría al formador compartir su conocimiento de manera más eficiente.

Radek

Curso: Introducción al Aprendizaje Profundo

Machine Translated

La visión global del aprendizaje profundo.

Bruno Charbonnier

Curso: Aprendizaje Profundo (Deep Learning) Avanzado

Machine Translated

Los ejercicios son suficientemente prácticos y no necesitan un alto conocimiento en Python para hacerse.

Alexandre GIRARD

Curso: Aprendizaje Profundo (Deep Learning) Avanzado

Machine Translated

Haciendo ejercicios sobre ejemplos reales usando Eras. Italia entendió totalmente nuestras expectativas sobre esta capacitación.

Paul Kassis

Curso: Aprendizaje Profundo (Deep Learning) Avanzado

Machine Translated

El tema. Parecía interesante, pero me fui sabiendo no mucho más que antes.

Radoslaw Labedzki

Curso: Introducción al Aprendizaje Profundo

Machine Translated

Me gustó que este curso tuviera un tema muy interesante.

Wojciech Wilk

Curso: Introducción al Aprendizaje Profundo

Machine Translated

Realmente aprecié las respuestas claras y claras de Chris a nuestras preguntas.

Léo Dubus

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Machine Translated

En general, disfruté el entrenador experto.

Sridhar Voorakkara

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Machine Translated

Me sorprendió el estándar de esta clase, diría que era el estándar de la universidad.

David Relihan

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Machine Translated

Muy buena visión general. Go fondo desde Tensorflow por qué funciona como lo hace.

Kieran Conboy

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Machine Translated

Me gustaron las oportunidades de hacer preguntas y obtener explicaciones más profundas de la teoría.

Sharon Ruane

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Machine Translated

Hemos obtenido mucha más información sobre el tema. Se hicieron algunas buenas discusiones con algunos temas reales dentro de nuestra compañía.

Sebastiaan Holman

Curso: Aprendizaje Automático y Aprendizaje Profundo

Machine Translated

La capacitación proporcionó la base correcta que nos permite ampliar aún más, al mostrar cómo la teoría y la práctica van de la mano. De hecho, me interesó más en el tema que antes.

Jean-Paul van Tillo

Curso: Aprendizaje Automático y Aprendizaje Profundo

Machine Translated

Realmente disfruté de la cobertura y la profundidad de los temas.

Anirban Basu

Curso: Aprendizaje Automático y Aprendizaje Profundo

Machine Translated

El profundo conocimiento del entrenador sobre el tema.

Sebastian Görg

Curso: Introducción al Aprendizaje Profundo

Machine Translated

Enfoque muy actualizado o CPI (tensor flow, era, learn) para hacer aprendizaje automático.

Paul Lee

Curso: TensorFlow para Reconocimiento de Imágenes

Machine Translated

Muy flexible.

Frank Ueltzhöffer

Curso: Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático

Machine Translated

En general, disfruté de la flexibilidad.

Werner Philipp

Curso: Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático

Machine Translated

Dada la perspectiva de la tecnología: qué tecnología / proceso podría ser más importante en el futuro; mira, para qué se puede usar la tecnología.

Commerzbank AG

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Machine Translated

Me beneficié de la selección del tema. Estilo de entrenamiento Practica la orientación.

Commerzbank AG

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Machine Translated

Cobertura en profundidad de temas de aprendizaje automático, particularmente redes neuronales. Desmitificaron mucho el tema.

Sacha Nandlall

Curso: Python para el Aprendizaje Automático Avanzado

Machine Translated

Me beneficié de la pasión por enseñar y centrarme en hacer que las cosas sean sensatas.

Zaher Sharifi - GOSI

Curso: Aprendizaje Profundo (Deep Learning) Avanzado

Machine Translated

Sobre el área de la cara.

中移物联网

Curso: Aprendizaje profundo para NLP (procesamiento de lenguaje natural)

Machine Translated

Los intercambios informales que tuvimos durante las conferencias realmente me ayudaron a profundizar mi comprensión del tema

Explore

Curso: Aprendizaje de refuerzo profundo con Python

Machine Translated

Muchos consejos prácticos.

Pawel Dawidowski - ABB Sp. z o.o.

Curso: Aprendizaje Profundo con TensorFlow

Machine Translated

Mucha información relacionada con la implementación de soluciones.

Michał Smolana - ABB Sp. z o.o.

Curso: Aprendizaje Profundo con TensorFlow

Machine Translated

Una multitud de consejos prácticos y conocimientos del profesor de una amplia gama de temas de AI / IT / SQL / IoT.

ABB Sp. z o.o.

Curso: Aprendizaje Profundo con TensorFlow

Machine Translated

mucha información, todas las preguntas contestadas, ejemplos interesantes

A1 Telekom Austria AG

Curso: Deep Learning for Telecom (with Python)

Machine Translated

Algunos de nuestros clientes

DL (Deep Learning) Subcategorías

Programa del curso DL (Deep Learning)

Nombre del Curso

Duración

Descripción General

Nombre del Curso

Duración

Descripción General

Inteligencia Artificial en Automoción

14 horas

Descripción General

Este curso cubre AI (enfatizando Aprendizaje Automático y Aprendizaje Profundo) en la Industria Automotriz. Ayuda a determinar qué tecnología puede (potencialmente) utilizarse en situaciones múltiples en un automóvil: desde la simple automatización, el reconocimiento de imágenes hasta la toma de decisiones autónoma.

Deep Learning for Self Driving Cars

21 horas

Descripción General

Deep learning is a subfield of machine learning. It uses methods based on learning data representations and structures such as neural networks.

Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.

This instructor-led, live training (onsite or remote) is aimed at developers who wish to build a self-driving car using deep learning techniques.

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

- Use computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.

Format of the Course

- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.

Course Customization Options

- To request a customized training for this course, please contact us to arrange.

Aprendizaje Automático y Aprendizaje Profundo

21 horas

Descripción General

Este curso cubre IA (enfatizando Aprendizaje automático y Aprendizaje profundo)

Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

28 horas

Descripción General

Este curso le proporcionará conocimientos en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).

Este entrenamiento se enfoca más en los fundamentos, pero lo ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Los ejemplos están hechos en TensorFlow.

Computación Neuronal - Ciencia de Datos

14 horas

Descripción General

Esta sesión de capacitación basada en el aula contendrá presentaciones y ejemplos basados en computadora y ejercicios de estudio de caso para emprender con bibliotecas de redes neurales y profundas relevantes

OpenFace: Creación de Sistemas de Reconocimiento Facial

14 horas

Descripción General

OpenFace es un software de reconocimiento facial en tiempo real basado en Python y Torch basado en la investigación FaceNet de Google.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar los componentes de OpenFace para crear y desplegar una aplicación de reconocimiento facial de muestra.

Al final de esta capacitación, los participantes podrán:

Trabaje con los componentes de OpenFace, incluidos dlib, OpenVC, Torch y nn4 para implementar la detección de rostros, la alineación y la transformación.
Aplique OpenFace a aplicaciones del mundo real tales como vigilancia, verificación de identidad, realidad virtual, juegos e identificación de clientes habituales, etc.

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

OpenNMT: Implementing a Neural Machine Translation solution

7 horas

Descripción General

OpenNMT es un sistema de traducción de máquina neural completo, de código abierto (MIT) que utiliza el juego de herramientas matemático de la Antorcha.

En esta capacitación, los participantes aprenderán cómo configurar y utilizar OpenNMT para llevar a cabo la traducción de varios conjuntos de datos de muestra. El curso comienza con una visión general de las redes neuronales que se aplican a la traducción automática. Los participantes realizarán ejercicios en vivo para demostrar su comprensión de los conceptos aprendidos y obtener retroalimentación del instructor. Al final de este entrenamiento, los participantes tendrán los conocimientos y la práctica necesarios para implementar una solución OpenNMT en vivo.

Las muestras de idioma fuente y de destino pueden pre-arreglarse según los requisitos del cliente.

Audiencia
Ingenieros de traducción y localización

Formato del curso

Parte conferencia, discusión de parte, práctica práctica pesada

OpenNN: Implementación de Redes Neuronales

14 horas

Descripción General

OpenNN es una biblioteca de clases de código abierto escrita en C ++ que implementa redes neuronales para su uso en aprendizaje automático.

En este curso repasaremos los principios de las redes neuronales y utilizaremos OpenNN para implementar una aplicación de muestra.

Audiencia

Desarrolladores de software y programadores que deseen crear aplicaciones de Deep Learning.

Formato del curso

Conferencia y discusión junto con ejercicios prácticos.

Curso de PaddlePaddle

21 horas

Descripción General

PaddlePaddle (PArallel Distributed Deep LEarning) es una plataforma de aprendizaje profundo escalable desarrollada por Baidu.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar PaddlePaddle para permitir el aprendizaje profundo en sus aplicaciones de productos y servicios.

Al final de esta capacitación, los participantes podrán:

- Configurar y configurar PaddlePaddle
- Configure una red neuronal convolucional (CNN) para el reconocimiento de imágenes y la detección de objetos
- Configurar una Red Neuronal Recurrente (RNN) para el análisis de sentimientos
- Establecer un aprendizaje profundo sobre los sistemas de recomendación para ayudar a los usuarios a encontrar respuestas
- Predecir porcentajes de clics (CTR), clasificar conjuntos de imágenes a gran escala, realizar reconocimiento óptico de caracteres (OCR), buscar rangos, detectar virus informáticos e implementar un sistema de recomendaciones.

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Python para el Aprendizaje Automático Avanzado

21 horas

Descripción General

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán las técnicas de aprendizaje automático más relevantes y de vanguardia en Python a medida que crean una serie de aplicaciones de demostración que incluyen imágenes, música, texto y datos financieros.

Al final de esta capacitación, los participantes podrán:

- Implementar algoritmos y técnicas de aprendizaje automático para resolver problemas complejos
- Aplicar el aprendizaje profundo y el aprendizaje semi-supervisado a aplicaciones que involucren imagen, música, texto e información financiera
- Empujar los algoritmos de Python a su máximo potencial
- Usa bibliotecas y paquetes como NumPy y Theano

Audiencia

- Desarrolladores
- Analistas
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Aprendizaje Automático Avanzado con R

21 horas

Descripción General

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán técnicas avanzadas para el aprendizaje automático con R a medida que avanzan en la creación de una aplicación en el mundo real.

Al final de esta capacitación, los participantes podrán:

- Utiliza técnicas como el ajuste de hiperparámetros y el aprendizaje profundo
- Comprender e implementar técnicas de aprendizaje no supervisadas
- Ponga un modelo en producción para usar en una aplicación más grande

Audiencia

- Desarrolladores
- Analistas
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Dominando Apache SINGA

21 horas

Descripción General

SINGA es una plataforma de aprendizaje profundo distribuida para la formación de grandes modelos de aprendizaje profundo sobre grandes conjuntos de datos. Está diseñado con un modelo de programación intuitivo basado en la abstracción de capas. Se admite una variedad de modelos populares de aprendizaje profundo, a saber, los modelos de feed-forward que incluyen redes neuronales convolucionales (CNN), modelos energéticos como la máquina Boltzmann restringida (RBM) y redes neuronales recurrentes (RNN). Muchas capas integradas se proporcionan para los usuarios. La arquitectura de SINGA es lo suficientemente flexible como para ejecutar marcos de formación síncronos, asíncronos e híbridos. SINGA también soporta diferentes esquemas de particionamiento de red neural para paralelizar el entrenamiento de grandes modelos, a saber, partición en la dimensión de lote, dimensión de entidad o partición híbrida.

Audiencia

Este curso está dirigido a investigadores, ingenieros y desarrolladores que buscan utilizar Apache SINGA como un marco de aprendizaje profundo.

Después de completar este curso, los delegados:

- entender la estructura y los mecanismos de implementación de SINGA
- ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- ser capaz de evaluar la calidad del código, realizar depuración,
- ser capaz de implementar la producción avanzada como modelos de entrenamiento, términos de inclusión, gráficos de construcción y registro

Matlab para el Aprendizaje Profundo

14 horas

Descripción General

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Matlab para diseñar, construir y visualizar una red neuronal convolucional para el reconocimiento de imágenes.

Al final de esta capacitación, los participantes podrán:

- Construya un modelo de aprendizaje profundo
- Automatizar el etiquetado de datos
- Trabaja con modelos de Caffe y TensorFlow-Keras
- Entrene datos usando múltiples GPU, la nube o clusters

Audiencia

- Desarrolladores
- Ingenieros
- Expertos de dominio

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

T2T: Creación de Modelos de Secuencia a Secuencia para el Aprendizaje Generalizado

7 horas

Descripción General

Tensor2Tensor (T2T) es una biblioteca modular y extensible para el entrenamiento de modelos de AI en diferentes tareas, utilizando diferentes tipos de datos de entrenamiento, por ejemplo: reconocimiento de imágenes, traducción, análisis sintáctico, subtítulos de imágenes y reconocimiento de voz. Lo mantiene el equipo de Google Brain.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo preparar un modelo de aprendizaje profundo para resolver tareas múltiples.

Al final de esta capacitación, los participantes podrán:

- Instalar tensor2tensor, seleccionar un conjunto de datos y entrenar y evaluar un modelo de IA
- Personalice un entorno de desarrollo utilizando las herramientas y los componentes incluidos en Tensor2Tensor
- Cree y use un único modelo para aprender de forma simultánea varias tareas de varios dominios
- Utilice el modelo para aprender de tareas con una gran cantidad de datos de entrenamiento y aplicar ese conocimiento a tareas donde los datos son limitados
- Obtenga resultados de procesamiento satisfactorios con una sola GPU

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Deep Learning with TensorFlow 2.0

21 horas

Descripción General

TensorFlow es una biblioteca popular y de aprendizaje automático desarrollada por Go ogle para aprendizaje profundo, computación numérica y aprendizaje automático a gran escala. TensorFlow 2.0, lanzado en enero de 2019, es la versión más nueva de TensorFlow e incluye mejoras en la ejecución entusiasta, la compatibilidad y la coherencia de la API.

Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a desarrolladores y científicos de datos que desean usar Tensorflow 2.0 para construir predictores, clasificadores, modelos generativos, redes neuronales, etc.

Al final de esta capacitación, los participantes podrán:

- Instale y configure TensorFlow 2.0.
- Comprenda los beneficios de TensorFlow 2.0 sobre las versiones anteriores.
- Construir modelos de aprendizaje profundo.
- Implemente un clasificador de imagen avanzado.
- Implemente un modelo de aprendizaje profundo en la nube, dispositivos móviles e IoT.

Formato del curso

- Conferencia interactiva y discusión.
- Muchos ejercicios y práctica.
- Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

- Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
- Para obtener más información sobre TensorFlow , visite: https://www.tensorflow.org/

Curso de TensorFlow Serving

7 horas

Descripción General

TensorFlow Serving es un sistema para servir modelos de aprendizaje automático (ML) a la producción.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a configurar y usar TensorFlow Serving para implementar y administrar modelos ML en un entorno de producción.

Al final de esta capacitación, los participantes podrán:

- Entrene, exporte y sirva varios modelos de TensorFlow
- Pruebe e implemente algoritmos utilizando una única arquitectura y un conjunto de API
- Extienda TensorFlow Sirviendo para servir a otros tipos de modelos más allá de los modelos TensorFlow

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Aprendizaje Profundo con TensorFlow

21 horas

Descripción General

TensorFlow es una API de segunda generación de la biblioteca de software de código abierto de Google para Deep Learning. El sistema está diseñado para facilitar la investigación en aprendizaje de máquina, y para hacer rápida y fácil la transición del prototipo de investigación al sistema de producción.

Audiencia

Este curso está dirigido a ingenieros que buscan usar TensorFlow para sus proyectos de Aprendizaje Profundo

Después de completar este curso, los delegados:

- entender la estructura y los mecanismos de despliegue de TensorFlow
- ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- ser capaz de evaluar la calidad del código, realizar depuración,
- ser capaz de implementar producción avanzada como los modelos de entrenamiento, la construcción de gráficos y registro

TensorFlow para Reconocimiento de Imágenes

28 horas

Descripción General

Este curso explora, con ejemplos específicos, la aplicación de Flujo Tensor a los propósitos de reconocimiento de imagen

Audiencia

Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para los propósitos de reconocimiento de imágenes

Después de completar este curso, los delegados podrán:

- entender la estructura y los mecanismos de despliegue de TensorFlow
- llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- evaluar la calidad del código, realizar depuración, monitoreo
- implementar la producción avanzada como modelos de formación, creación de gráficos y registro

Torch: Introducción a Máquina y Aprendizaje Profundo

21 horas

Descripción General

Torch es una biblioteca de aprendizaje de máquina de código abierto y un marco informático científico basado en el lenguaje de programación Lua. Proporciona un entorno de desarrollo para numéricos, aprendizaje automático y visión por computadora, con un énfasis particular en aprendizaje profundo y redes convolucionales. Es uno de los marcos más rápidos y flexibles para Machine and Deep Learning y lo utilizan compañías como Facebook, Google, Twitter, NVIDIA, AMD, Intel y muchas otras.

En este curso, cubrimos los principios de Torch, sus características únicas y cómo se puede aplicar en aplicaciones del mundo real. Pasamos por numerosos ejercicios prácticos en todas partes, demostrando y practicando los conceptos aprendidos.

Al final del curso, los participantes comprenderán a fondo las características y capacidades subyacentes de Torch, así como su rol y contribución dentro del espacio de IA en comparación con otros marcos y bibliotecas. Los participantes también habrán recibido la práctica necesaria para implementar Torch en sus propios proyectos.

Audiencia

Desarrolladores de software y programadores que deseen habilitar Machine and Deep Learning dentro de sus aplicaciones

Formato del curso

Descripción general de Machine and Deep Learning
Ejercicios de integración y codificación en clase
Preguntas de prueba salpicadas en el camino para verificar la comprensión

Programación de TPU: Construcción de Aplicaciones de Redes Neuronales en Unidades de Procesamiento de Tensiones

7 horas

Descripción General

La Unidad de Procesamiento de Tensor (TPU) es la arquitectura que Google ha utilizado internamente durante varios años y ahora está disponible para el público en general. Incluye varias optimizaciones específicamente para su uso en redes neuronales, incluida la multiplicación simplificada de matrices, y enteros de 8 bits en lugar de 16 bits para devolver niveles adecuados de precisión.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo aprovechar las innovaciones en los procesadores de TPU para maximizar el rendimiento de sus propias aplicaciones de inteligencia artificial.

Al final de la capacitación, los participantes podrán:

- Entrenar varios tipos de redes neuronales en grandes cantidades de datos
- Use TPU para acelerar el proceso de inferencia hasta en dos órdenes de magnitud
- Utilice TPU para procesar aplicaciones intensivas, como búsqueda de imágenes, visión en la nube y fotos

Audiencia

- Desarrolladores
- Investigadores
- Ingenieros
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Procesamiento del Lenguaje Natural con TensorFlow

35 horas

Descripción General

TensorFlow ™ es una biblioteca de software de código abierto para computación numérica utilizando gráficos de flujo de datos.

SyntaxNet es una estructura de procesamiento de lenguaje natural de la red neuronal para TensorFlow.

Word2Vec se utiliza para el aprendizaje de representaciones vectoriales de palabras, llamadas "embeddings palabra". Word2vec es un modelo predictivo particularmente computacionalmente eficiente para aprender las incorporaciones de palabras a partir de texto en bruto. Viene en dos sabores, el modelo continuo de la bolsa-de-palabras (CBOW) y el modelo de Skip-Gram (capítulo 3.1 y 3.2 en Mikolov y otros).

Utilizado en tándem, SyntaxNet y Word2Vec permite a los usuarios generar modelos de incorporación aprendida de entrada de lenguaje natural.

Audiencia

Este curso está dirigido a desarrolladores e ingenieros que tienen la intención de trabajar con los modelos SyntaxNet y Word2Vec en sus gráficos TensorFlow.

Después de completar este curso, los delegados:

Entender la estructura y los mecanismos de despliegue de TensorFlow

- ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- ser capaz de evaluar la calidad del código, realizar depuración,
- ser capaz de implementar la producción avanzada como modelos de entrenamiento, términos de inclusión, gráficos de construcción y registro

Comprender las Redes Neuronales Profundas

35 horas

Descripción General

Este curso comienza con la entrega de conocimientos conceptuales en redes neuronales y, en general, en el algoritmo de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).

Parte-1 (40%) de esta capacitación se centra más en los fundamentos, pero te ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.

La Parte 2 (20%) de esta capacitación presenta Theano, una biblioteca de Python que hace que escribir modelos de aprendizaje profundo sea fácil.

Parte-3 (40%) de la capacitación estaría ampliamente basada en Tensorflow - 2nd Generation API de la biblioteca de software de código abierto de Google para Deep Learning. Los ejemplos y handson se harían todos en TensorFlow.

Audiencia

Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para sus proyectos de aprendizaje profundo.

Después de completar este curso, los delegados:

- tener una buena comprensión de las redes neuronales profundas (DNN), CNN y RNN
- comprender la estructura y los mecanismos de despliegue de TensorFlow
- ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura
- ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo
- ser capaz de implementar producción avanzada como modelos de entrenamiento, construcción de gráficos y registro

No todos los temas se cubrirán en un salón de clases público con 35 horas de duración debido a la inmensidad del tema.

La duración del curso completo será de alrededor de 70 horas y no de 35 horas.

Curso de Microsoft Cognitive Toolkit 2.x

21 horas

Descripción General

Microsoft Cognitive Toolkit 2.x (anteriormente CNTK) es un juego de herramientas de código abierto de grado comercial que entrena algoritmos de aprendizaje profundo para aprender como el cerebro humano. Según Microsoft, CNTK puede ser 5-10 veces más rápido que TensorFlow en redes recurrentes, y de 2 a 3 veces más rápido que TensorFlow para tareas relacionadas con imágenes.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar Microsoft Cognitive Toolkit para crear, entrenar y evaluar algoritmos de aprendizaje profundo para su uso en aplicaciones de AI comerciales que involucren múltiples tipos de datos tales como datos, voz, texto e imágenes.

Al final de esta capacitación, los participantes podrán:

- Acceda a CNTK como una biblioteca desde un programa de Python, C # o C ++
- Use CNTK como una herramienta independiente de aprendizaje automático a través de su propio lenguaje de descripción de modelo (BrainScript)
- Utilice la funcionalidad de evaluación del modelo CNTK de un programa Java
- Combinar DNN de feed-forward, redes convolucionales (CNN) y redes recurrentes (RNNs / LSTM)
- Escala de capacidad de cálculo en CPU, GPU y múltiples máquinas
- Acceda a conjuntos de datos masivos utilizando los lenguajes de programación y algoritmos existentes

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Nota

- Si desea personalizar cualquier parte de esta capacitación, incluido el lenguaje de programación que prefiera, contáctenos para organizarlo.

Deep Learning with Keras

21 horas

Descripción General

keras es una API de redes neuronales de alto nivel para el desarrollo rápido y la experimentación. Se ejecuta en la parte superior de TensorFlow, CNTK, o Theano.

esta formación presencial dirigida por un instructor (in situ o a distancia) está dirigida a personas técnicas que deseen aplicar un modelo de aprendizaje profundo a las aplicaciones de reconocimiento de imágenes.

al final de esta formación, los participantes podrán:

- instalar y configurar keras.
- rápidamente prototipo de modelos de aprendizaje profundo.
- implementar una red convolucional.
- implementar una red recurrente.
- ejecutar un modelo de aprendizaje profundo en una CPU y GPU.

formato de la del curso

Conferencia y discusión - Interactive.
- un montón de ejercicios y práctica.
- implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar.
- para aprender más sobre keras, por favor visite: https://keras.io/

Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo

21 horas

Descripción General

Artificial Neural Network es un modelo de datos computacional usado en el desarrollo de sistemas de Artificial Intelligence (AI) capaces de realizar tareas "inteligentes". Neural Networks se usan comúnmente en aplicaciones de Machine Learning (ML), que son en sí mismas una implementación de AI. Deep Learning es un subconjunto de ML.

Aprendizaje Profundo para la Banca (con Python)

28 horas

Descripción General

El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. Python es un lenguaje de programación de alto nivel famoso por su clara sintaxis y legibilidad de código.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para la banca usando Python mientras avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo.

Al final de esta capacitación, los participantes podrán:

- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en la banca
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para la banca
- Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando Python

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Applied AI from Scratch

28 horas

Descripción General

This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.

Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático

21 horas

Descripción General

Aprendizaje Profundo para la Visión con Caffe

21 horas

Descripción General

Caffe es un marco de aprendizaje profundo hecho con expresión, velocidad y modularidad en mente.

Este curso explora la aplicación de Caffe como un marco de aprendizaje profundo para el reconocimiento de imágenes utilizando el MNIST como ejemplo

Audiencia

Este curso es adecuado para los investigadores e ingenieros de Deep Learning interesados en utilizar Caffe como marco.

Después de completar este curso, los delegados podrán:

- entender la estructura de Caffe y los mecanismos de despliegue
- llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- evaluar la calidad del código, realizar depuración, monitoreo
- implementar la producción avanzada como modelos de entrenamiento, implementación de capas y registro

Introducción al Aprendizaje Profundo

21 horas

Descripción General

Este curso es una visión general de Deep Learning sin profundizar en ningún método específico. Es adecuado para las personas que quieren empezar a usar el aprendizaje profundo para mejorar su precisión de la predicción.

Otras regiones

;Guayaquil

Otros países

Estos cursos también están disponibles en otros países ››

Consultoría

Consultoría de Aprendizaje profundo

Cursos de Fin de Semana de DL (Deep Learning), Capacitación por la Tarde de Aprendizaje profundo, Aprendizaje profundo boot camp, Clases de DL (Deep Learning), Capacitación de Fin de Semana de Deep Learning (DL), Cursos por la Tarde de Deep Learning (DL), Deep Learning (DL) coaching, Instructor de Aprendizaje profundo, Capacitador de Deep Learning (DL), Aprendizaje profundo con instructor, Cursos de Formación de DL (Deep Learning), DL (Deep Learning) en sitio, Cursos Privados de Aprendizaje profundo, Clases Particulares de DL (Deep Learning), Capacitación empresarial de Aprendizaje profundo, Talleres para empresas de Deep Learning (DL), Cursos en linea de DL (Deep Learning), Programas de capacitación de DL (Deep Learning), Clases de DL (Deep Learning)

Cursos de Aprendizaje profundo

Testimonios

Algunos de nuestros clientes

DL (Deep Learning) Subcategorías

Programa del curso DL (Deep Learning)

Otras regiones

Otros países

Consultoría

Promociones

Descuentos en los Cursos

is growing fast!

As a Business Development Manager you will:

We offer: