Kielce

B&B HOTEL Kielce Centrum, Warszawska 19, Kielce, Polska, 25-516

Sale szkoleniowe usytuowane są w centrum miasta, przy skrzyżowaniu ulicy Warszawskiej i Alei IX Wieków Kielc. Jedynie krótka, parominutowa przechadzka oddziela obiekt od dworca kolejowego i przystanku autobusowego, a bliskość trasy E77 gwarantuje szybkie połączenie z Krakowem i Warszawą. Niezależnie od środka transportu, którym podróżujesz, łatwo dotrzesz w to miejsce.

Ostrowiec Świętokrzyski

Centrum Biurowo – Konferencyjne, Sandomierska 26A, Ostrowiec Świętokrzyski, Polska, 27-400

Sale szkoleniowe są przestronne, dobrze oświetlone oraz doskonale wyposażone, co zapewnia komfortowe warunki dla uczestników. Dodatkowo, w budynku znajduje się podjazd oraz winda, co ułatwia dostęp dla osób z ograniczoną mobilnością oraz ułatwia transport sprzętu szkoleniowego. Obiekt usytuowany jest zaledwie 3.5 kilometra od centrum miasta, co umożliwia szybki i łatwy dostęp do innych atrakcji miejskich. Ponadto, znajduje się tylko 600 metrów od najbliższego przystanku autobusowego, co ułatwia dojazd uczestnikom korzystającym z komunikacji miejskiej.

Podkategorie (11)

Stable Diffusion

Stable Diffusion
TensorFlow

TensorFlow
Caffe

Caffe
Keras

Keras
OpenVINO

OpenVINO
Horovod

Horovod
Chainer

Chainer
Sieci Neuronowe

Sieci Neuronowe
TensorFlow Lite

TensorFlow Lite
AlphaFold

AlphaFold
CNTK

CNTK

Przeglądaj szkolenia

Computer Vision with Google Colab and TensorFlow

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą pogłębić swoją wiedzę na temat wizji komputerowej i poznać możliwości TensorFlow w zakresie opracowywania zaawansowanych modeli wizyjnych przy użyciu Google Colab. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Budować i trenować konwolucyjne sieci neuronowe (CNN) przy użyciu TensorFlow.
  • Wykorzystać Google Colab do skalowalnego i wydajnego rozwoju modeli opartych na chmurze.
  • Wdrażać techniki wstępnego przetwarzania obrazu dla zadań wizji komputerowej.
  • Wdrażanie modeli wizji komputerowej do rzeczywistych zastosowań.
  • Wykorzystanie uczenia transferowego w celu zwiększenia wydajności modeli CNN.
  • Wizualizacja i interpretacja wyników modeli klasyfikacji obrazów.
Więcej...

Deep Learning with TensorFlow in Google Colab

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych naukowców zajmujących się danymi i programistów, którzy chcą zrozumieć i zastosować techniki głębokiego uczenia się przy użyciu środowiska Google Colab. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Konfigurować i nawigować Google Colab dla projektów głębokiego uczenia.
  • Zrozumieć podstawy sieci neuronowych.
  • Implementować modele głębokiego uczenia się przy użyciu TensorFlow.
  • Trenować i oceniać modele głębokiego uczenia.
  • Wykorzystywać zaawansowane funkcje TensorFlow do głębokiego uczenia.
Więcej...

Edge AI with TensorFlow Lite

 14 godzin
This instructor-led, live training in świętokrzyskie (online or onsite) is aimed at intermediate-level developers, data scientists, and AI practitioners who wish to leverage TensorFlow Lite for Edge AI applications. By the end of this training, participants will be able to:
  • Understand the fundamentals of TensorFlow Lite and its role in Edge AI.
  • Develop and optimize AI models using TensorFlow Lite.
  • Deploy TensorFlow Lite models on various edge devices.
  • Utilize tools and techniques for model conversion and optimization.
  • Implement practical Edge AI applications using TensorFlow Lite.
Więcej...

Deep Learning for NLU: Beyond NLP Models

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą specjalizować się w najnowocześniejszych technikach głębokiego uczenia się dla NLU. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć kluczowe różnice między modelami NLU i NLP.
  • Zastosować zaawansowane techniki głębokiego uczenia do zadań NLU.
  • Zbadać głębokie architektury, takie jak transformatory i mechanizmy uwagi.
  • Wykorzystać przyszłe trendy w NLU do budowania zaawansowanych systemów sztucznej inteligencji.
Więcej...

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych i zaawansowanych naukowców zajmujących się danymi, inżynierów uczenia maszynowego, badaczy głębokiego uczenia się i ekspertów od wizji komputerowej, którzy chcą poszerzyć swoją wiedzę i umiejętności w zakresie głębokiego uczenia się w celu generowania tekstu na obraz. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć zaawansowane architektury i techniki głębokiego uczenia się do generowania tekstu na obraz.
  • Wdrożyć złożone modele i optymalizacje dla wysokiej jakości syntezy obrazu.
  • Optymalizować wydajność i skalowalność dla dużych zbiorów danych i złożonych modeli.
  • Dostrajanie hiperparametrów w celu uzyskania lepszej wydajności i uogólnienia modelu.
  • Integracja Stable Diffusion z innymi strukturami i narzędziami głębokiego uczenia się
Więcej...

AI-Driven Drug Discovery and Development

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą wykorzystać techniki sztucznej inteligencji do zrewolucjonizowania procesów odkrywania i opracowywania leków. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Zrozumieć rolę sztucznej inteligencji w odkrywaniu i opracowywaniu leków.
  • Zastosować techniki uczenia maszynowego do przewidywania właściwości molekularnych i interakcji.
  • Wykorzystywać modele głębokiego uczenia do wirtualnych badań przesiewowych i optymalizacji potencjalnych leków.
  • Zintegrować podejścia oparte na sztucznej inteligencji z procesem badań klinicznych.
Więcej...

AlphaFold

 7 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (online lub na miejscu) jest przeznaczone dla biologów, którzy chcą zrozumieć, jak działa AlphaFold i używać modeli AlphaFold jako przewodników w swoich badaniach eksperymentalnych. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Zrozumieć podstawowe zasady AlphaFold.
  • Dowiedzieć się, jak działa AlphaFold.
  • Dowiedzieć się, jak interpretować prognozy i wyniki AlphaFold.
Więcej...

DeepSpeed for Deep Learning

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych naukowców zajmujących się danymi i inżynierów uczenia maszynowego, którzy chcą poprawić wydajność swoich modeli głębokiego uczenia się. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć zasady rozproszonego głębokiego uczenia się.
  • Zainstalować i skonfigurować DeepSpeed.
  • Skalować modele głębokiego uczenia na rozproszonym sprzęcie za pomocą DeepSpeed.
  • Wdrażać i eksperymentować z funkcjami DeepSpeed w celu optymalizacji i wydajności pamięci.
Więcej...

Introduction to Large Language Models (LLMs)

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą korzystać z dużych modeli językowych do różnych zadań związanych z językiem naturalnym. Pod koniec tego szkolenia uczestnicy będą mogli
  • Skonfigurować środowisko programistyczne zawierające popularny LLM.
  • Stworzyć podstawowy LLM i dostroić go na niestandardowym zestawie danych.
  • Używać LLM do różnych zadań związanych z językiem naturalnym, takich jak podsumowywanie tekstu, odpowiadanie na pytania, generowanie tekstu i inne.
  • Debugowanie i ocena LLM przy użyciu narzędzi takich jak TensorBoard, PyTorch Lightning i Hugging Face Datasets.
Więcej...

Introduction to Stable Diffusion for Text-to-Image Generation

 21 godzin
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, inżynierów uczenia maszynowego i badaczy wizji komputerowej, którzy chcą wykorzystać Stable Diffusion do generowania wysokiej jakości obrazów dla różnych przypadków użycia. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć zasady Stable Diffusion i jak to działa w przypadku generowania obrazów.
  • Budować i trenować modele Stable Diffusion do zadań generowania obrazów.
  • Zastosować Stable Diffusion do różnych scenariuszy generowania obrazów, takich jak inpainting, outpainting i tłumaczenie obrazu na obraz.
  • Optymalizacja wydajności i stabilności modeli Stable Diffusion.
Więcej...

Advanced Machine Learning with Python

 21 godzin
W tym prowadzonym przez instruktora szkoleniu na żywo w świętokrzyskie uczestnicy poznają najbardziej odpowiednie i najnowocześniejsze techniki uczenia maszynowego w Python, budując serię aplikacji demonstracyjnych obejmujących obraz, muzykę, tekst i dane finansowe. Pod koniec tego szkolenia uczestnicy będą mogli
  • Wdrożyć algorytmy i techniki uczenia maszynowego do rozwiązywania złożonych problemów.
  • Zastosować głębokie uczenie się i pół-nadzorowane uczenie się do aplikacji obejmujących obraz, muzykę, tekst i dane finansowe.
  • Wykorzystać maksymalny potencjał algorytmów Python.
  • Korzystać z bibliotek i pakietów, takich jak NumPy i Theano.
Więcej...

Applied AI from Scratch in Python

 28 godzin
Jest to 4-dniowy kurs wprowadzający sztuczną inteligencję i jej zastosowanie przy użyciu języka programowania Python. Istnieje możliwość dodatkowego dnia na podjęcie projektu AI po ukończeniu tego kursu.
Więcej...

Deep Reinforcement Learning with Python

 21 godzin
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla programistów i analityków danych, którzy chcą nauczyć się podstaw Deep Reinforcement Learning podczas tworzenia agenta Deep Learning. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Zrozumienie kluczowych koncepcji stojących za Deep Reinforcement Learning i umiejętność odróżnienia go od uczenia maszynowego.
  • Zastosowanie zaawansowanych algorytmów Reinforcement Learning do rozwiązywania rzeczywistych problemów.
  • Zbuduj agenta głębokiego uczenia.
Więcej...

Deep Learning for Telecom (with Python)

 28 godzin
W tym prowadzonym przez instruktora szkoleniu na żywo w świętokrzyskie uczestnicy dowiedzą się, jak wdrożyć modele głębokiego uczenia się dla telekomunikacji przy użyciu Python, przechodząc przez proces tworzenia modelu ryzyka kredytowego głębokiego uczenia się. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć podstawowe koncepcje głębokiego uczenia się.
  • Poznać aplikacje i zastosowania głębokiego uczenia się w telekomunikacji.
  • Używać Python, Keras i TensorFlow do tworzenia modeli głębokiego uczenia dla telekomunikacji.
  • Zbudować własny model przewidywania rezygnacji klientów oparty na uczeniu głębokim przy użyciu Python.
Więcej...

Artificial Intelligence Overview

 7 godzin
Kurs ten został stworzony dla menadżerów, architektów, analityków biznesowych i systemowych, menedżerów oprogramowania oraz wszystkich zainteresowanych przeglądem stosowania sztucznej inteligencji i prognozą dla jej rozwoju.
Więcej...

Artificial Intelligence (AI) in Automotive

 14 godzin
Kurs obejmuje sztuczną inteligencję (z naciskiem na Machine Learning i głębokie uczenie) w przemyśle motoryzacyjnym. Pomaga określić, która technologia może być (potencjalnie) wykorzystywana w wielu sytuacjach w samochodzie: od prostej automatyzacji, rozpoznawania obrazu po autonomiczne podejmowanie decyzji.
Więcej...

From Zero to AI

 35 godzin
This instructor-led, live training in świętokrzyskie (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development. By the end of this training, participants will be able to:
  • Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
  • Write and understand procedural, functional, and object-oriented programming code.
  • Implement machine learning techniques such as classification, clustering, and neural networks.
  • Develop AI solutions using rules engines and expert systems for problem-solving.
Więcej...

Artificial Neural Networks, Machine Learning, Deep Thinking

 21 godzin
Sztuczna sieć neuronowa to obliczeniowy model danych wykorzystywany w rozwoju Artificial Intelligence (AI) systemów zdolnych do wykonywania "inteligentnych" zadań. Neural Networks są powszechnie używane w aplikacjach Machine Learning (ML), które same w sobie są jedną z implementacji sztucznej inteligencji. Deep Learning jest podzbiorem ML.
Więcej...

Applied AI from Scratch

 28 godzin
Jest to 4-dniowy kurs wprowadzający w sztuczną inteligencję i jej zastosowanie. Istnieje możliwość odbycia dodatkowego dnia w celu podjęcia projektu AI po ukończeniu tego kursu.
Więcej...

Applied Machine Learning

 14 godzin
This instructor-led, live training in świętokrzyskie (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains. By the end of this training, participants will be able to:
  • Understand and implement various Machine Learning algorithms.
  • Prepare data and models for machine learning applications.
  • Conduct post hoc analyses and visualize results effectively.
  • Apply machine learning techniques to real-world, sector-specific scenarios.
Więcej...

Deep Learning for Vision with Caffe

 21 godzin
Caffe to platforma głębokiego uczenia stworzona z myślą o ekspresji, szybkości i modułowości. Ten kurs bada zastosowanie Caffe jako struktury głębokiego uczenia się do rozpoznawania obrazów na przykładzie MNIST Publiczność Ten kurs jest odpowiedni dla Deep Learning badaczy i inżynierów zainteresowanych wykorzystaniem Caffe jako frameworka. Po ukończeniu tego kursu uczestnicy będą w stanie
  • zrozumieć strukturę i mechanizmy wdrażania Caffe&rsquo
  • przeprowadzać zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
  • oceniać jakość kodu, przeprowadzać debugowanie, monitorowanie
  • wdrażać zaawansowaną produkcję, taką jak modele szkoleniowe, wdrażanie warstw i rejestrowanie
Więcej...

Deep Learning Neural Networks with Chainer

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla naukowców i programistów, którzy chcą używać Chainer do budowania i trenowania sieci neuronowych w Python, jednocześnie ułatwiając debugowanie kodu. Pod koniec tego szkolenia uczestnicy będą mogli
  • Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć tworzenie modeli sieci neuronowych.
  • Definiować i wdrażać modele sieci neuronowych przy użyciu zrozumiałego kodu źródłowego.
  • Wykonywać przykłady i modyfikować istniejące algorytmy w celu optymalizacji modeli szkoleniowych głębokiego uczenia się, jednocześnie wykorzystując GPU w celu uzyskania wysokiej wydajności.
Więcej...

Using Computer Network ToolKit (CNTK)

 28 godzin
Computer Network ToolKit (CNTK) jest Microsoft otwartym, wielomaszynowym, wieloGPU, wysoce wydajnym uczeniem maszynowym RNN dla mowy, tekstu i obrazów. Odbiorcy Ten kurs jest skierowany do inżynierów i architektów, którzy chcą wykorzystać CNTK w swoich projektach.
Więcej...

Pattern Recognition

 21 godzin
This instructor-led, live training in świętokrzyskie (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics. By the end of this training, participants will be able to:
  • Apply core statistical methods to pattern recognition.
  • Use key models like neural networks and kernel methods for data analysis.
  • Implement advanced techniques for complex problem-solving.
  • Improve prediction accuracy by combining different models.
Więcej...

Introduction to Deep Learning

 21 godzin
Ten kurs jest ogólnym przeglądem Deep Learning bez wchodzenia zbyt głęboko w jakiekolwiek konkretne metody. Jest odpowiedni dla osób, które chcą zacząć korzystać z uczenia głębokiego, aby zwiększyć dokładność przewidywania.
Więcej...

DeepMind Lab

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla naukowców i programistów, którzy chcą zainstalować, skonfigurować, dostosować i używać platformy DeepMind Lab do rozwijania ogólnej sztucznej inteligencji i systemów uczenia maszynowego. Pod koniec tego szkolenia uczestnicy będą mogli
  • Dostosować DeepMind Lab, aby zbudować i uruchomić środowisko, które odpowiada potrzebom uczenia się i szkolenia.
  • Używać środowiska symulacji 3D DeepMind Lab do szkolenia agentów uczących się z perspektywy pierwszej osoby.
  • Ułatwiać ocenę agentów w celu rozwijania inteligencji w świecie 3D przypominającym grę.
Więcej...

Advanced Deep Learning

 28 godzin
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Uczenie głębokie to poddziedzina uczenia maszynowego, która wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe.
Więcej...

Deep Learning for Business

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla analityków biznesowych, naukowców zajmujących się danymi i programistów, którzy chcą budować i wdrażać modele głębokiego uczenia się w celu przyspieszenia wzrostu przychodów i rozwiązywania problemów w świecie biznesu. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Zrozumieć podstawowe koncepcje uczenia maszynowego i głębokiego uczenia.
  • Uzyskać wgląd w przyszłość biznesu i przemysłu dzięki ML i DL.
  • Definiować strategie biznesowe i rozwiązania z wykorzystaniem głębokiego uczenia.
  • Dowiedzieć się, jak zastosować naukę o danych i głębokie uczenie się w rozwiązywaniu problemów biznesowych.
  • Budowanie modeli głębokiego uczenia przy użyciu Python, Pandas, TensorFlow, CNTK, Torch, Keras itp.
Więcej...

Deep Learning for Banking (with Python)

 28 godzin
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Uczenie głębokie to poddziedzina uczenia maszynowego, która wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe. Python to język programowania wysokiego poziomu słynący z przejrzystej składni i czytelności kodu. W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak wdrażać modele głębokiego uczenia się dla bankowości przy użyciu Python, przechodząc przez proces tworzenia modelu ryzyka kredytowego głębokiego uczenia się. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć podstawowe koncepcje głębokiego uczenia się
  • Poznać aplikacje i zastosowania głębokiego uczenia się w bankowości
  • Używać Python, Keras i TensorFlow do tworzenia modeli głębokiego uczenia dla bankowości
  • Zbudować własny model ryzyka kredytowego głębokiego uczenia przy użyciu Python.
Odbiorcy
  • Programiści
  • Naukowcy zajmujący się danymi
Format kursu
  • Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
Więcej...

Deep Learning for NLP (Natural Language Processing)

 28 godzin
W tym instruktażowym szkoleniu na żywo w świętokrzyskie uczestnicy nauczą się korzystać z Python bibliotek dla NLP, tworząc aplikację, która przetwarza zestaw zdjęć i generuje podpisy.  Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Projektowanie i&nbspkodowanie DL dla NLP przy użyciu Python bibliotek.
  • Tworzenie Python kodu, który odczytuje ogromną kolekcję zdjęć i generuje słowa kluczowe.
  • Stwórz Pythonkod, który generuje podpisy na podstawie wykrytych słów kluczowych.
Więcej...

Deep Learning for Vision

 21 godzin
Uczestnicy Ten kurs jest odpowiedni dla Deep Learning badaczy i inżynierów zainteresowanych wykorzystaniem dostępnych narzędzi (głównie open source) do analizy obrazów komputerowych Ten kurs zawiera działające przykłady.
Więcej...

Accelerating Deep Learning with FPGA and OpenVINO

 35 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą przyspieszyć aplikacje uczenia maszynowego w czasie rzeczywistym i wdrożyć je na dużą skalę. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zainstalować zestaw narzędzi OpenVINO.
  • Przyspieszyć aplikację widzenia komputerowego za pomocą FPGA.
  • Wykonywać różne warstwy CNN na FPGA.
  • Skalować aplikację na wielu węzłach w klastrze Kubernetes.
Więcej...

Fraud Detection with Python and TensorFlow

 14 godzin
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla analityków danych, którzy chcą wykorzystać TensorFlow do analizy danych dotyczących potencjalnych oszustw. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Stworzyć model wykrywania oszustw w Python i TensorFlow.
  • Zbudować regresje liniowe i modele regresji liniowej do przewidywania oszustw.
  • Opracować kompleksową aplikację AI do analizy danych dotyczących oszustw.
Więcej...

Distributed Deep Learning with Horovod

 7 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla programistów lub naukowców zajmujących się danymi, którzy chcą używać Horovod do uruchamiania rozproszonych szkoleń z głębokiego uczenia się i skalowania ich w celu równoległego działania na wielu GPU. Pod koniec tego szkolenia uczestnicy będą mogli
  • Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć prowadzenie szkoleń z zakresu głębokiego uczenia się.
  • Zainstalować i skonfigurować Horovod do trenowania modeli z TensorFlow, Keras, PyTorch i Apache MXNet.
  • Skalować trening głębokiego uczenia z Horovod, aby działał na wielu GPU.
Więcej...

Introduction Deep Learning & Réseaux de neurones pour l’ingénieur

 21 godzin
Typ: Szkolenie teoretyczne z aplikacjami ustalonymi wcześniej ze studentami na Lasagne lub Keras w zależności od grupy dydaktycznej. Metoda nauczania: prezentacja, dyskusja i studia przypadków Sztuczna inteligencja zrewolucjonizowała wiele dziedzin nauki, a obecnie zaczyna rewolucjonizować wiele sektorów gospodarki (przemysł, medycynę, komunikację itp.). Jednak sposób, w jaki jest ona przedstawiana w mediach głównego nurtu, jest często fantazją, daleką od realiów domen Machine Learning i Deep Learning. Celem tego kursu jest zapewnienie inżynierom, którzy już opanowali narzędzia informatyczne (w tym podstawową wiedzę na temat programowania oprogramowania), wprowadzenia do Deep Learning i jego różnych specjalistycznych obszarów, a tym samym do głównych istniejących obecnie architektur sieciowych. Chociaż podstawy matematyczne są przywoływane podczas kursu, poziom matematyki taki jak BAC + 2 jest zalecany dla większego komfortu. Całkowicie możliwe jest pominięcie matematyki w celu zachowania jedynie wizji "systemów", ale takie podejście znacznie ograniczy zrozumienie tematu.
Więcej...

Deep Learning with Keras

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla osób technicznych, które chcą zastosować model głębokiego uczenia się do aplikacji rozpoznawania obrazu. Pod koniec tego szkolenia uczestnicy będą mogli:
  • Zainstalować i skonfigurować Keras.
  • Szybko prototypować modele głębokiego uczenia się.
  • Wdrożyć sieć konwolucyjną.
  • Zaimplementować sieć rekurencyjną.
  • Wykonać model głębokiego uczenia zarówno na CPU, jak i GPU.
Więcej...

Machine Learning and Deep Learning

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych profesjonalistów, którzy chcą rozwinąć swoją wiedzę na temat algorytmów uczenia maszynowego, technik uczenia głębokiego i podejmowania decyzji opartych na sztucznej inteligencji. Kurs zapewnia praktyczne doświadczenie z koncepcjami uczenia maszynowego, modelami uczenia głębokiego i praktycznymi implementacjami przy użyciu R.Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć podstawy uczenia maszynowego i głębokiego uczenia się.
  • Zastosować różne algorytmy uczenia maszynowego do regresji, klasyfikacji, klastrowania i wykrywania anomalii.
  • Korzystać z architektur głębokiego uczenia, takich jak sztuczne sieci neuronowe (ANN).
  • Wdrażanie nadzorowanych i nienadzorowanych modeli uczenia się.
  • Ocena wydajności modelu i optymalizacja hiperparametrów.
  • Wykorzystanie R do analizy danych, wizualizacji i aplikacji uczenia maszynowego.
Więcej...

Neural computing – Data science

 14 godzin
Ta sesja szkoleniowa w klasie będzie zawierać prezentacje i przykłady komputerowe oraz ćwiczenia studium przypadku do wykonania z odpowiednimi bibliotekami sieci neuronowych i sieci głębokich
Więcej...

Python and Deep Learning with OpenCV 4

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (na miejscu lub zdalnie) jest przeznaczone dla inżynierów oprogramowania, którzy chcą programować w Python z OpenCV 4 do głębokiego uczenia się. Pod koniec tego szkolenia uczestnicy będą mogli
  • Przeglądać, ładować i klasyfikować obrazy i filmy za pomocą OpenCV 4.
  • Wdrożyć głębokie uczenie w OpenCV 4 z TensorFlow i Keras.
  • Uruchamiać modele głębokiego uczenia i generować wpływowe raporty z obrazów i filmów.
Więcej...

OpenFace: Creating Facial Recognition Systems

 14 godzin
OpenFace to Python i Torch oparte na otwartym oprogramowaniu do rozpoznawania twarzy w czasie rzeczywistym, oparte na badaniach FaceNet firmy Google. W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak używać komponentów OpenFace do tworzenia i wdrażania przykładowej aplikacji do rozpoznawania twarzy. Pod koniec tego szkolenia uczestnicy będą mogli
  • Pracować z komponentami OpenFace, w tym dlib, OpenVC, Torch i nn4, aby zaimplementować wykrywanie twarzy, wyrównanie i transformację.
  • Zastosować OpenFace do rzeczywistych zastosowań, takich jak nadzór, weryfikacja tożsamości, rzeczywistość wirtualna, gry i identyfikacja powtarzających się klientów itp.
Odbiorcy
  • Programiści
  • Naukowcy zajmujący się danymi
Format kursu
  • Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
Więcej...

OpenNMT: Setting Up a Neural Machine Translation System

 7 godzin
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak skonfigurować i używać OpenNMT do tłumaczenia różnych przykładowych zestawów danych. Kurs rozpoczyna się od przeglądu sieci neuronowych, które mają zastosowanie do tłumaczenia maszynowego. Uczestnicy będą wykonywać ćwiczenia na żywo podczas całego kursu, aby zademonstrować zrozumienie poznanych pojęć i uzyskać informacje zwrotne od instruktora. Pod koniec tego szkolenia uczestnicy będą mieli wiedzę i praktykę potrzebną do wdrożenia rozwiązania na żywo OpenNMT. Próbki języka źródłowego i docelowego zostaną wstępnie zaaranżowane zgodnie z wymaganiami odbiorców. Format kursu
  • Wykład częściowy, dyskusja częściowa, ciężka praktyka praktyczna
Więcej...

Advanced Machine Learning with R

 21 godzin
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają zaawansowane techniki Machine Learning z R, przechodząc przez proces tworzenia rzeczywistej aplikacji. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Zrozumienie i wdrożenie nienadzorowanych technik uczenia się
  • Zastosowanie klastrowania i klasyfikacji do tworzenia prognoz w oparciu o rzeczywiste dane.
  • Wizualizacja danych w celu szybkiego uzyskania wglądu, podejmowania decyzji i dalszego udoskonalania analizy.
  • Poprawa wydajności modelu uczenia maszynowego przy użyciu dostrajania hiper-parametrów.
  • Wdrożenie modelu do produkcji w celu wykorzystania w większej aplikacji.
  • Zastosuj zaawansowane techniki uczenia maszynowego, aby odpowiedzieć na pytania dotyczące danych sieci społecznościowych, dużych zbiorów danych i innych.
Więcej...

Deep Learning with TensorFlow 2

 21 godzin
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów i analityków danych, którzy chcą korzystać z Tensorflow 2.x do tworzenia predyktorów, klasyfikatorów, modeli generatywnych, sieci neuronowych itp. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Instalacja i konfiguracja TensorFlow 2.x.
  • Zrozumienie korzyści płynących z TensorFlow 2.x w porównaniu z poprzednimi wersjami.
  • Buduj modele głębokiego uczenia.
  • Wdrożenie zaawansowanego klasyfikatora obrazów.
  • Deploy a deep learning model to the cloud, mobile and IoT devices.
Więcej...

Tensorflow Lite for Microcontrollers

 21 godzin
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla inżynierów, którzy chcą pisać, ładować i uruchamiać modele uczenia maszynowego na bardzo małych urządzeniach wbudowanych. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Instalacja TensorFlow Lite.
  • Załaduj modele uczenia maszynowego na urządzenie wbudowane, aby umożliwić mu wykrywanie mowy, klasyfikowanie obrazów itp.
  • Dodaj sztuczną inteligencję do urządzeń sprzętowych bez polegania na łączności sieciowej.
Więcej...

TensorFlow Serving

 7 godzin
W tym prowadzonym przez instruktora szkoleniu na żywo w świętokrzyskie (online lub na miejscu) uczestnicy dowiedzą się, jak skonfigurować i używać TensorFlow Serving do wdrażania modeli ML i zarządzania nimi w środowisku produkcyjnym. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Trenuj, eksportuj i obsługuj różne modele TensorFlow.
  • Testowanie i wdrażanie algorytmów przy użyciu jednej architektury i zestawu interfejsów API.
  • Rozszerzenie TensorFlow Serving w celu obsługi innych typów modeli poza modelami TensorFlow.
Więcej...

Deep Learning with TensorFlow

 21 godzin
TensorFlow to API drugiej generacji Google' biblioteki oprogramowania open source do uczenia głębokiego. System został zaprojektowany w celu ułatwienia badań nad uczeniem maszynowym oraz szybkiego i łatwego przejścia od prototypu badawczego do systemu produkcyjnego. Publiczność Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow w swoich projektach Deep Learning Po ukończeniu tego kursu uczestnicy będą
  • rozumieć TensorFlow’strukturę i mechanizmy wdrażania
  • być w stanie przeprowadzić zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
  • być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
  • być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie
Więcej...

TensorFlow for Image Recognition

 28 godzin
Kurs ten bada, na konkretnych przykładach, zastosowanie Tensor Flow do celów rozpoznawania obrazów Publiczność Ten kurs jest przeznaczony dla inżynierów pragnących wykorzystać TensorFlow do celów rozpoznawania obrazów Po ukończeniu tego kursu uczestnicy będą w stanie
  • zrozumieć strukturę i mechanizmy wdrażania TensorFlow&rsquo
  • przeprowadzać zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
  • oceniać jakość kodu, przeprowadzać debugowanie, monitorowanie
  • wdrażać zaawansowane funkcje produkcyjne, takie jak trenowanie modeli, budowanie wykresów i logowanie
Więcej...

TensorFlow Extended (TFX)

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w świętokrzyskie (online lub na miejscu) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą przejść od szkolenia pojedynczego modelu ML do wdrożenia wielu modeli ML do produkcji. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Instalacja i konfiguracja TFX oraz narzędzi innych firm.
  • Używanie TFX do tworzenia i zarządzania kompletnym potokiem produkcyjnym ML.
  • Praca z komponentami TFX w celu przeprowadzenia modelowania, szkolenia, obsługi wnioskowania i zarządzania wdrożeniami.
  • Wdrażaj funkcje uczenia maszynowego w aplikacjach internetowych, aplikacjach mobilnych, urządzeniach IoT i nie tylko.
Więcej...

TPU Programming: Building Neural Network Applications on Tensor Processing Units

 7 godzin
W tym instruktażowym szkoleniu na żywo w świętokrzyskie uczestnicy dowiedzą się, jak wykorzystać innowacje w procesorach TPU, aby zmaksymalizować wydajność własnych aplikacji AI. Po zakończeniu szkolenia uczestnicy będą w stanie
  • Trenowanie różnych typów sieci neuronowych na dużych ilościach danych.
  • Użycie procesorów TPU do przyspieszenia procesu wnioskowania nawet o dwa rzędy wielkości.
  • Użyj TPU do przetwarzania intensywnych aplikacji, takich jak wyszukiwanie obrazów, widzenie w chmurze i zdjęcia.
Więcej...

Natural Language Processing (NLP) with TensorFlow

 35 godzin
TensorFlow™ to biblioteka oprogramowania typu open source do obliczeń numerycznych z wykorzystaniem wykresów przepływu danych. SyntaxNet to neuronowa platforma przetwarzania języka naturalnego dla TensorFlow. Word2Vec jest używany do uczenia się wektorowych reprezentacji słów, zwanych "word embeddings". Word2vec jest szczególnie wydajnym obliczeniowo modelem predykcyjnym do uczenia się osadzania słów z surowego tekstu. Występuje on w dwóch wersjach: Continuous Bag-of-Words model (CBOW) i Skip-Gram model (rozdział 3.1 i 3.2 w Mikolov et al.). Używane w tandemie, SyntaxNet i Word2Vec pozwalają użytkownikom generować wyuczone modele osadzania z danych wejściowych języka naturalnego. Publiczność Ten kurs jest skierowany do programistów i inżynierów, którzy zamierzają pracować z modelami SyntaxNet i Word2Vec w swoich wykresach TensorFlow. Po ukończeniu tego kursu uczestnicy będą
  • rozumieć TensorFlow’strukturę i mechanizmy wdrażania
  • być w stanie przeprowadzić zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
  • być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
  • być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, osadzanie terminów, tworzenie wykresów i rejestrowanie
Więcej...

Understanding Deep Neural Networks

 35 godzin
Ten kurs rozpoczyna się od przekazania wiedzy koncepcyjnej na temat sieci neuronowych i ogólnie algorytmów uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje). Część 1 (40%) tego szkolenia koncentruje się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow, Caffe, Theano, DeepDrive, Keras itp. Część 2 (20%) tego szkolenia wprowadza Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia się. Część trzecia (40%) szkolenia będzie w znacznym stopniu oparta na Tensorflow - API drugiej generacji otwartej biblioteki oprogramowania Google do uczenia głębokiego. Przykłady i ćwiczenia zostaną wykonane w TensorFlow. Publiczność Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow w swoich projektach Deep Learning Po ukończeniu tego kursu uczestnicy będą
  • dobrze rozumie głębokie sieci neuronowe (DNN), CNN i RNN
  • rozumieć TensorFlow’ strukturę i mechanizmy wdrażania
  • być w stanie wykonać zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
  • być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
  • być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie
Więcej...

Ostatnia aktualizacja:

Opinie uczestników (17)

Świetny kontakt z uczestnikami, wiedza praktyczna co bardzo się ceni. Dostosowanie toku / tempa. Duuuży plus, mega pozytywny instruktor, aż szkoda że szkolenie trwało tylko 2 dni.

Marcin Mikielewicz - TECNOBIT SLU

Szkolenie - Introduction Deep Learning & Réseaux de neurones pour l’ingénieur

Jasność, z jaką było przedstawione

John McLemore - Motorola Solutions

Szkolenie - Deep Learning for Telecom (with Python)

Przetłumaczone przez sztuczną inteligencję

Trener wyjaśnił treść dobrze i był zaangażowany przez cały czas. Zatrzymywał się, aby zadać pytania, i pozwolił nam samodzielnie dojść do rozwiązań w niektórych praktycznych sesjach. Dojść do rozwiązań w niektórych praktycznych sesjach. Ponadto dostosował kurs do naszych potrzeb.

Robert Baker

Szkolenie - Deep Learning with TensorFlow 2.0

Przetłumaczone przez sztuczną inteligencję

Tomasz naprawdę dobrze znał informacje i kurs był dobrze dobrany.

Raju Krishnamurthy - Google

Szkolenie - TensorFlow Extended (TFX)

Przetłumaczone przez sztuczną inteligencję

Organizacja, przestrzegając proponowanego porządku obrad, wiedza trenera w tej dziedzinie

Ali Kattan - TWPI

Szkolenie - Natural Language Processing with TensorFlow

Przetłumaczone przez sztuczną inteligencję

Trener był profesjonalistą w dziedzinie tematu i doskonało łączył teorię z praktyką.

Fahad Malalla - Tatweer Petroleum

Szkolenie - Applied AI from Scratch in Python

Przetłumaczone przez sztuczną inteligencję

Dużo wskazówek praktycznych

Pawel Dawidowski - ABB Sp. z o.o.

Szkolenie - Deep Learning with TensorFlow

Duża wiedza teoretyczna i praktyczna prowadzących. Komunikatywność prowadzących. W trakcie kursu można było zadawać pytania i uzyskać satysfakcjonujące odpowiedzi.

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

Szkolenie - Understanding Deep Neural Networks

Szczegółowe omówienie zagadnień związanych z uczeniem maszynowym, w szczególności sieci neuronowe. Demistyfikowało wiele z tych tematów.

Sacha Nandlall

Szkolenie - Python for Advanced Machine Learning

Przetłumaczone przez sztuczną inteligencję

Odkładany, aktualny podejście lub CPI (TensorFlow, era, learn) do tworzenia uczenia maszynowego.

Paul Lee

Szkolenie - TensorFlow for Image Recognition

Przetłumaczone przez sztuczną inteligencję

Lubię nowe wglądy w głębokim uczeniu maszynowym.

Josip Arneric

Szkolenie - Neural Network in R

Przetłumaczone przez sztuczną inteligencję

Trener bardzo zrozumiale wytłumaczył trudne i zaawansowane tematy.

Leszek K

Szkolenie - Artificial Intelligence Overview

Otrzymaliśmy dużo więcej informacji na temat tematu. Zostały przeprowadzone ciekawe dyskusje na temat realnych spraw w naszej firmie.

Sebastiaan Holman

Szkolenie - Machine Learning and Deep Learning

Przetłumaczone przez sztuczną inteligencję

Przegląd globalny uczenia głębokiego.

Bruno Charbonnier

Szkolenie - Advanced Deep Learning

Przetłumaczone przez sztuczną inteligencję

Temat jest bardzo interesujący.

Wojciech Baranowski

Szkolenie - Introduction to Deep Learning

Przetłumaczone przez sztuczną inteligencję

Anna stworzyła wspaniałe środowisko do zadawania pytań i uczenia się. Bawiliśmy się wspaniale i jednocześnie uczymy się wielu rzeczy.

Gudrun Bickelq

Szkolenie - Introduction to the use of neural networks

Przetłumaczone przez sztuczną inteligencję

Było bardzo interaktywne i mniej formalne, niż się spodziewałem. Porozmawialiśmy na wiele tematów w tym czasie, a trener zawsze był gotowy do bardziej szczegółowego lub ogólnej dyskusji o tych tematach oraz ich związki. Czuję, że szkolenie podarowało mi narzędzia do dalszego uczenia się, a nie było to jednorazowe spotkanie, w którym nauka kończy się po zakończeniu sesji, co jest bardzo ważne w świetle skali i złożoności tematu.

Jonathan Blease

Szkolenie - Artificial Neural Networks, Machine Learning, Deep Thinking

Przetłumaczone przez sztuczną inteligencję

Pozostałe regiony w Polsce

Inne kraje

Te szkolenia są również dostępne w innych krajach

Konsultacje

Deep Learning Konsultacje
Szkolenie DL (Deep Learning) świętokrzyskie, szkolenie wieczorowe DL (Deep Learning) świętokrzyskie, szkolenie weekendowe DL (Deep Learning) świętokrzyskie, Deep Learning (DL) boot camp świętokrzyskie, kurs zdalny Deep Learning (DL) świętokrzyskie, Kurs Deep Learning (DL) świętokrzyskie, edukacja zdalna Deep Learning świętokrzyskie, nauczanie wirtualne DL (Deep Learning) świętokrzyskie, lekcje Deep Learning (DL) świętokrzyskie, wykładowca Deep Learning świętokrzyskie, Trener Deep Learning (DL) świętokrzyskie, instruktor Deep Learning (DL) świętokrzyskie, nauka przez internet DL (Deep Learning) świętokrzyskie, kurs online DL (Deep Learning) świętokrzyskie, Kursy DL (Deep Learning) świętokrzyskie