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 Peru o en los centros de entrenamiento corporativos de NobleProg en Peru. El entrenamiento remoto en vivo se lleva a cabo por medio de un escritorio remoto interactivo.

NobleProg--su proveedor de capacitación local

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

Translated by

El tema es muy interesante.

Wojciech Baranowski

Curso: Introducción al Aprendizaje Profundo

Translated by

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

Translated by

Tema. ¡Muy interesante!.

Piotr

Curso: Introducción al Aprendizaje Profundo

Translated by

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

Translated by

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

Translated by

La visión global del aprendizaje profundo.

Bruno Charbonnier

Curso: Aprendizaje Profundo (Deep Learning) Avanzado

Translated by

Los ejercicios son lo suficientemente prácticos y no requieren un alto conocimiento en Python.

Alexandre GIRARD

Curso: Aprendizaje Profundo (Deep Learning) Avanzado

Translated by

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

Paul Kassis

Curso: Aprendizaje Profundo (Deep Learning) Avanzado

Translated by

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

Radoslaw Labedzki

Curso: Introducción al Aprendizaje Profundo

Translated by

Me gustó que este curso tuviera un tema muy interesante.

Wojciech Wilk

Curso: Introducción al Aprendizaje Profundo

Translated by

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

Léo Dubus

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Translated by

En general, disfruté el entrenador experto.

Sridhar Voorakkara

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Translated by

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

Translated by

Muy buena descripción general. Buen conocimiento de por qué Tensorflow opera como lo hace.

Kieran Conboy

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Translated by

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

Translated by

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

Translated by

La capacitación brindó la base adecuada que nos permite expandirnos aún más, mostrando cómo la teoría y la práctica van de la mano. De hecho, me hizo estar más interesado en el tema que antes.

Jean-Paul van Tillo

Curso: Aprendizaje Automático y Aprendizaje Profundo

Translated by

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

Anirban Basu

Curso: Aprendizaje Automático y Aprendizaje Profundo

Translated by

El profundo conocimiento del entrenador sobre el tema.

Sebastian Görg

Curso: Introducción al Aprendizaje Profundo

Translated by

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

Paul Lee

Curso: TensorFlow para Reconocimiento de Imágenes

Translated by

Muy flexible.

Frank Ueltzhöffer

Curso: Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático

Translated by

En general, disfruté de la flexibilidad.

Werner Philipp

Curso: Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático

Translated by

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

Translated by

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

Commerzbank AG

Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Translated by

forma de conducir y ejemplo dado por el entrenador

ORANGE POLSKA S.A.

Curso: Aprendizaje Automático y Aprendizaje Profundo

Translated by

Posibilidad de discutir los temas propuestos usted mismo

ORANGE POLSKA S.A.

Curso: Aprendizaje Automático y Aprendizaje Profundo

Translated by

Comunicación con los conferenciantes

文欣张

Curso: Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo

Translated by

Me gusta

lisa xie

Curso: Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo

Translated by

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

Sacha Nandlall

Curso: Python para el Aprendizaje Automático Avanzado

Translated by

Amplio y actualizado conocimiento de ejemplos de aplicaciones líderes y prácticas.

ING Bank Śląski S.A.

Curso: Introducción al Aprendizaje Profundo

Translated by

Muchos ejercicios, muy buena cooperación con el grupo.

Janusz Chrobot - ING Bank Śląski S.A.

Curso: Introducción al Aprendizaje Profundo

Translated by

trabajar en colaboradores,

ING Bank Śląski S.A.

Curso: Introducción al Aprendizaje Profundo

Translated by

Era obvio que los entusiastas de los temas presentados eran líderes. Usé ejemplos interesantes durante el ejercicio.

ING Bank Śląski S.A.

Curso: Introducción al Aprendizaje Profundo

Translated by

Una amplia gama de temas cubiertos y un conocimiento sustancial de los líderes.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Curso: Comprender las Redes Neuronales Profundas

Translated by

falta

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Curso: Comprender las Redes Neuronales Profundas

Translated by

Grandes conocimientos teóricos y prácticos de los profesores. La comunicatividad de los formadores. Durante el curso, podrías hacer preguntas y obtener respuestas satisfactorias.

Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie

Curso: Comprender las Redes Neuronales Profundas

Translated by

Parte práctica, donde implementamos algoritmos. Esto permitió una mejor comprensión del tema.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Curso: Comprender las Redes Neuronales Profundas

Translated by

Ejercicios y ejemplos implementados en ellos.

Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie

Curso: Comprender las Redes Neuronales Profundas

Translated by

Ejemplos y temas discutidos.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Curso: Comprender las Redes Neuronales Profundas

Translated by

Conocimiento sustantivo, compromiso, una forma apasionada de transferir conocimiento. Ejemplos prácticos después de una conferencia teórica.

Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie

Curso: Comprender las Redes Neuronales Profundas

Translated by

Ejercicios prácticos preparados por el Sr. Maciej.

ING Bank Śląski S.A.; Kamil Kurek Programowanie

Curso: Comprender las Redes Neuronales Profundas

Translated by

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

Translated by

Detección de punto malo de identificación humana y placa de circuito

王春柱 - 中移物联网

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

Translated by

Demostrar

中移物联网

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

Translated by

Sobre el área de la cara.

中移物联网

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

Translated by

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

Translated by

Aprendizaje profundo Subcategorías

Programa del curso Aprendizaje profundo

Title

Duration

Overview

Title

Duration

Overview

Inteligencia Artificial en Automoción

14 hours

Overview

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.

Aprendizaje Automático Avanzado con R

21 hours

Overview

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

Aprendizaje Automático y Aprendizaje Profundo

21 hours

Overview

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

Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

28 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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

Dominando Apache SINGA

21 hours

Overview

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 hours

Overview

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 hours

Overview

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

Curso de TensorFlow Serving

7 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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 hours

Overview

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.

Introducción a Aprendizaje Profundo y Redes Neuronales Ingeniería

21 hours

Overview

La inteligencia artificial, después de haber molestó a muchos campos científicos, comenzó a revolucionar una amplia gama de sectores económicos (industria, la medicina, comunicaciones, etc.). Sin embargo, su presentación en los principales medios de comunicación a menudo es una fantasía, muy lejos de lo que realmente son las áreas de aprendizaje automático y Deep aprendizaje. El objetivo de esta formación es proporcionar a los ingenieros con conocimientos de computación (incluyendo la programación de software basado en) una introducción al aprendizaje profundo y sus diferentes áreas de especialización y por lo tanto las principales arquitecturas de red existentes Hoy. Si los fundamentos matemáticos se recuerdan durante el curso, se recomienda un tipo de nivel de alcoholemia matemática + 2 para una mayor comodidad. Es posible en absoluto ignorar el eje matemático para mantener sólo una visión "sistema", pero este enfoque limita en gran medida su comprensión del tema.

Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo

21 hours

Overview

Artificial Neural Network es un modelo de datos computacionales utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes". Las redes neuronales se usan comúnmente en aplicaciones de aprendizaje automático (Machine Learning, ML), que a su vez son una implementación de AI. Aprendizaje profundo es un subconjunto de ML.

Aprendizaje Profundo para las Finanzas (con R)

28 hours

Overview

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. R es un lenguaje de programación popular en la industria financiera. Se utiliza en aplicaciones financieras que van desde los principales programas comerciales hasta los sistemas de gestión de riesgos.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para finanzas usando R a medida que avanzan en la creación de un modelo de predicción del precio de las acciones 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 finanzas
- Use R para crear modelos de aprendizaje profundo para finanzas
- Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo utilizando R

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

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

Applied AI from Scratch

28 hours

Overview

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 hours

Overview

Aprendizaje Profundo para la Visión con Caffe

21 hours

Overview

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 hours

Overview

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.

Dominando Deeplearning4j

21 hours

Overview

Deeplearning4j es la primera biblioteca de aprendizaje profundo, de código abierto y de código abierto, escrita para Java y Scala. Integrado con Hadoop y Spark, DL4J está diseñado para ser utilizado en entornos empresariales en GPUs y CPU distribuidas.

Audiencia

Este curso está dirigido a ingenieros y desarrolladores que buscan utilizar Deeplearning4j en sus proyectos.

Después de este curso, los delegados podrán:

DeepLearning4J para el Reconocimiento de Imágenes

21 hours

Overview

Deeplearning4j es un software Open-Source Deep-Learning para Java y Scala en Hadoop y Spark.

Audiencia

Este curso está dirigido a ingenieros y desarrolladores que buscan utilizar DeepLearning4J en sus proyectos de reconocimiento de imágenes.

Próximos Cursos Aprendizaje profundo

Applied AI from Scratch

2019-06-11 09:30:00

Lima - Edificio Tempus San Isidro

A distancia

5990USD

Presencial

7510USD

Embedding Projector: Visualización de sus Datos de Entrenamiento

2019-07-09 09:30:00

Lima - Edificio Tempus San Isidro

A distancia

3150USD

Presencial

4410USD

Applied AI from Scratch

2019-08-20 09:30:00

Lima - Edificio Tempus San Isidro

A distancia

5990USD

Presencial

7510USD

Applied AI from Scratch

2019-10-14 09:30:00

Lima - Edificio Tempus San Isidro

A distancia

5990USD

Presencial

7510USD

Applied AI from Scratch

2019-12-09 09:30:00

Lima - Edificio Tempus San Isidro

A distancia

5990USD

Presencial

7510USD

Otras regiones

;Lima

Otros países

Estos cursos también están disponibles en otros países ››

Consultoría

Consultoría de Aprendizaje profundo

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