Lublin

Hotel Trzy Róże, Zemborzyce Dolne 96a, Lublin, Polska, 20-515

Sale szkoleniowe wyposażone są w nowoczesny sprzęt audiowizualny, umożliwiający efektywne prezentacje oraz interaktywne sesje szkoleniowe. Dodatkowo, dostępny jest szybki i niezawodny Internet, który umożliwia łatwy dostęp do materiałów online oraz komunikację z zespołem szkoleniowym. Obiekt znajduje się jedynie 9 kilometrów od centrum miasta Lublina. Zlokalizowany jest przy głównej trasie S19 w kierunku Kraśnika, zapewniając dogodny dojazd zarówno z Rzeszowa, Warszawy, Łodzi, jak i Białegostoku. Dzięki tej centralnej lokalizacji, uczestnicy mogą szybko i wygodnie dotrzeć na miejsce szkolenia, co dodatkowo ułatwia organizację wydarzenia i zapewnia komfort uczestnictwa.

Podkategorie (10)

Deep Learning

Deep Learning
Fine-Tuning

Fine-Tuning
Federated Learning

Federated Learning
Reinforcement Learning

Reinforcement Learning
TinyML

TinyML
Explainable AI (XAI)

Explainable AI (XAI)
MLOps

MLOps
Supervised Learning

Supervised Learning
Unsupervised Learning

Unsupervised Learning
Ensemble Learning

Ensemble Learning

Przeglądaj szkolenia

Introduction to Pre-trained Models

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (online lub na miejscu) jest przeznaczone dla początkujących profesjonalistów, którzy chcą zrozumieć koncepcję wstępnie wytrenowanych modeli i dowiedzieć się, jak zastosować je do rozwiązywania rzeczywistych problemów bez budowania modeli od zera. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Zrozumieć koncepcję i zalety wstępnie wytrenowanych modeli.
  • Zapoznać się z różnymi architekturami wstępnie wytrenowanych modeli i ich przypadkami użycia.
  • Dostroić wstępnie wytrenowany model do określonych zadań.
  • Wdrożyć wstępnie wytrenowane modele w prostych projektach uczenia maszynowego.
Więcej...

Advanced Machine Learning Models with Google Colab

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą poszerzyć swoją wiedzę na temat modeli uczenia maszynowego, poprawić swoje umiejętności w zakresie strojenia hiperparametrów i dowiedzieć się, jak skutecznie wdrażać modele za pomocą Google Colab. Pod koniec tego szkolenia uczestnicy będą mogli
  • Wdrażać zaawansowane modele uczenia maszynowego przy użyciu popularnych frameworków, takich jak Scikit-learn i TensorFlow.
  • Optymalizować wydajność modelu poprzez strojenie hiperparametrów.
  • Wdrażać modele uczenia maszynowego w rzeczywistych aplikacjach przy użyciu Google Colab.
  • Współpracować i zarządzać projektami uczenia maszynowego na dużą skalę w Google Colab.
Więcej...

Creating Custom Chatbots with Google AutoML

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla uczestników o różnym poziomie wiedzy, którzy chcą wykorzystać platformę Google AutoML do tworzenia niestandardowych chatbotów do różnych zastosowań. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Zrozumieć podstawy rozwoju chatbota.
  • Poruszać się po platformie Google Cloud Platform i uzyskiwać dostęp do AutoML.
  • Przygotowywać dane do trenowania modeli chatbotów.
  • Trenować i oceniać niestandardowe modele chatbotów przy użyciu AutoML.
  • Wdrażanie i integrowanie chatbotów z różnymi platformami i kanałami.
  • Monitorowanie i optymalizacja wydajności chatbota w czasie.
Więcej...

Optimizing AI Models for Edge Devices

 14 godzin
This instructor-led, live training in Lublin (online or onsite) is aimed at intermediate-level AI developers, machine learning engineers, and system architects who wish to optimize AI models for edge deployment. By the end of this training, participants will be able to:
  • Understand the challenges and requirements of deploying AI models on edge devices.
  • Apply model compression techniques to reduce the size and complexity of AI models.
  • Utilize quantization methods to enhance model efficiency on edge hardware.
  • Implement pruning and other optimization techniques to improve model performance.
  • Deploy optimized AI models on various edge devices.
Więcej...

Building AI Solutions on the Edge

 14 godzin
This instructor-led, live training in Lublin (online or onsite) is aimed at intermediate-level developers, data scientists, and tech enthusiasts who wish to gain practical skills in deploying AI models on edge devices for various applications. By the end of this training, participants will be able to:
  • Understand the principles of Edge AI and its benefits.
  • Set up and configure the edge computing environment.
  • Develop, train, and optimize AI models for edge deployment.
  • Implement practical AI solutions on edge devices.
  • Evaluate and improve the performance of edge-deployed models.
  • Address ethical and security considerations in Edge AI applications.
Więcej...

Edge AI with TensorFlow Lite

 14 godzin
This instructor-led, live training in Lublin (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...

AI-Powered Autonomous Systems

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą opanować technologie stojące za systemami autonomicznymi. Pod koniec tego szkolenia uczestnicy będą mogli
  • Projektować i wdrażać modele AI do autonomicznego podejmowania decyzji.
  • Opracować algorytmy sterowania dla autonomicznej nawigacji i unikania przeszkód.
  • Zapewnić bezpieczeństwo i niezawodność systemów autonomicznych opartych na sztucznej inteligencji.
  • Zintegrować systemy autonomiczne z istniejącymi ramami robotyki i sztucznej inteligencji.
Więcej...

AI-Enhanced Yield Management in Semiconductor Production

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla średniozaawansowanych profesjonalistów, którzy chcą zastosować techniki sztucznej inteligencji w celu optymalizacji zarządzania wydajnością w produkcji półprzewodników. Pod koniec tego szkolenia uczestnicy będą mogli
  • Analizować dane produkcyjne w celu identyfikacji czynników wpływających na wskaźniki wydajności.
  • Wdrożyć algorytmy AI w celu usprawnienia procesów zarządzania wydajnością.
  • Optymalizować parametry produkcji w celu zmniejszenia liczby defektów i poprawy wydajności.
  • Zintegrować zarządzanie wydajnością oparte na sztucznej inteligencji z istniejącymi przepływami pracy produkcyjnej.
Więcej...

Advanced AI Techniques for Semiconductor Design Automation

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą zastosować najnowocześniejsze techniki sztucznej inteligencji do automatyzacji projektowania półprzewodników, poprawiając wydajność, dokładność i innowacyjność w projektowaniu i weryfikacji chipów. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Zastosować zaawansowane techniki AI w celu optymalizacji procesów projektowania półprzewodników.
  • Zintegrować modele uczenia maszynowego z narzędziami EDA w celu usprawnienia weryfikacji projektu.
  • Opracowywać rozwiązania oparte na sztucznej inteligencji dla złożonych wyzwań projektowych w produkcji chipów.
  • Wykorzystać sieci neuronowe do poprawy dokładności i szybkości automatyzacji projektowania.
Więcej...

AI-Driven Process Optimization in Chip Fabrication

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla średniozaawansowanych profesjonalistów, którzy chcą zrozumieć i zastosować techniki sztucznej inteligencji do optymalizacji procesów produkcji półprzewodników. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć metodologie AI do optymalizacji procesów w produkcji chipów.
  • Wdrożyć modele AI w celu zwiększenia wydajności i zmniejszenia liczby defektów.
  • Analizować dane procesowe w celu identyfikacji kluczowych parametrów optymalizacji.
  • Zastosować techniki uczenia maszynowego w celu dostrojenia procesów produkcji półprzewodników.
Więcej...

Apache Airflow for Data Science: Automating Machine Learning Pipelines

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest skierowane do średnio zaawansowanych uczestników, którzy chcą zautomatyzować i zarządzać przepływami pracy uczenia maszynowego, w tym szkoleniem modeli, walidacją i wdrażaniem przy użyciu Apache Airflow. Pod koniec tego szkolenia uczestnicy będą mogli
  • Skonfigurować Apache Airflow do orkiestracji przepływu pracy uczenia maszynowego.
  • Zautomatyzować wstępne przetwarzanie danych, szkolenie modeli i zadania walidacji.
  • Zintegrować Airflow z platformami i narzędziami uczenia maszynowego.
  • Wdrażanie modeli uczenia maszynowego przy użyciu zautomatyzowanych potoków.
  • Monitorowanie i optymalizacja przepływów pracy uczenia maszynowego w środowisku produkcyjnym.
Więcej...

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

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (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-Powered Cybersecurity: Advanced Threat Detection & Response

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych i zaawansowanych specjalistów ds. cyberbezpieczeństwa, którzy chcą podnieść swoje umiejętności w zakresie wykrywania zagrożeń opartych na sztucznej inteligencji i reagowania na incydenty. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Wdrożyć zaawansowane algorytmy AI do wykrywania zagrożeń w czasie rzeczywistym.
  • Dostosować modele AI do konkretnych wyzwań związanych z cyberbezpieczeństwem.
  • Opracowywać przepływy pracy automatyzacji w celu reagowania na zagrożenia.
  • Zabezpieczyć narzędzia bezpieczeństwa oparte na sztucznej inteligencji przed atakami przeciwników.
Więcej...

Machine Learning with Google Colab

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych naukowców zajmujących się danymi i programistów, którzy chcą efektywnie stosować algorytmy uczenia maszynowego przy użyciu środowiska Google Colab. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Konfigurować i nawigować Google Colab dla projektów uczenia maszynowego.
  • Zrozumieć i zastosować różne algorytmy uczenia maszynowego.
  • Używać bibliotek takich jak Scikit-learn do analizy i przewidywania danych.
  • Wdrażanie nadzorowanych i nienadzorowanych modeli uczenia się.
  • Skutecznie optymalizować i oceniać modele uczenia maszynowego.
Więcej...

AI-Powered Cybersecurity: Threat Detection & Response

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla początkujących specjalistów ds. cyberbezpieczeństwa, którzy chcą dowiedzieć się, jak wykorzystać sztuczną inteligencję do lepszego wykrywania zagrożeń i reagowania na nie. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć zastosowania AI w cyberbezpieczeństwie.
  • Wdrożyć algorytmy AI do wykrywania zagrożeń.
  • Zautomatyzować reagowanie na incydenty za pomocą narzędzi AI.
  • Zintegrować sztuczną inteligencję z istniejącą infrastrukturą cyberbezpieczeństwa.
Więcej...

AlphaFold

 7 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (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...

Data Mining with Weka

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych analityków danych i naukowców zajmujących się danymi, którzy chcą używać Weka do wykonywania zadań eksploracji danych. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zainstalować i skonfigurować Weka.
  • Zrozumieć środowisko Weka i środowisko pracy.
  • Wykonywać zadania eksploracji danych przy użyciu Weka.
Więcej...

Advanced Analytics with RapidMiner

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych analityków danych, którzy chcą dowiedzieć się, jak używać RapidMiner do szacowania i prognozowania wartości oraz wykorzystywania narzędzi analitycznych do prognozowania szeregów czasowych. Pod koniec tego szkolenia uczestnicy będą mogli
  • Nauczyć się stosować metodologię CRISP-DM, wybierać odpowiednie algorytmy uczenia maszynowego oraz ulepszać konstrukcję i wydajność modelu.
  • Używać RapidMiner do szacowania i prognozowania wartości oraz wykorzystywać narzędzia analityczne do prognozowania szeregów czasowych.
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...

Machine Learning with Python – 2 Days

 14 godzin
Celem tego kursu jest zapewnienie podstawowej biegłości w stosowaniu metod uczenia maszynowego w praktyce. Dzięki wykorzystaniu języka programowania Python i jego różnych bibliotek oraz w oparciu o wiele praktycznych przykładów, kurs ten uczy, jak korzystać z najważniejszych elementów składowych uczenia maszynowego, jak podejmować decyzje dotyczące modelowania danych, interpretować dane wyjściowe algorytmów i weryfikować wyniki. Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek aplikacji Data Sciences.
Więcej...

Machine Learning w Python

 28 godzin
Celem tego kursu jest zapewnienie ogólnej biegłości w stosowaniu metod uczenia maszynowego w praktyce. Dzięki wykorzystaniu języka programowania Python i jego różnych bibliotek oraz w oparciu o wiele praktycznych przykładów, kurs ten uczy, jak korzystać z najważniejszych elementów składowych uczenia maszynowego, jak podejmować decyzje dotyczące modelowania danych, interpretować dane wyjściowe algorytmów i weryfikować wyniki. Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek aplikacji Data Sciences.
Więcej...

AdaBoost Python for Machine Learning

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i inżynierów oprogramowania, którzy chcą używać AdaBoost do tworzenia algorytmów wspomagających uczenie maszynowe z Python. Pod koniec tego szkolenia uczestnicy będą mogli
  • Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć budowanie modeli uczenia maszynowego z AdaBoost.
  • Zrozumieć podejście do uczenia zespołowego i jak wdrożyć adaptacyjne wzmacnianie.
  • Dowiedzieć się, jak budować modele AdaBoost w celu wzmocnienia algorytmów uczenia maszynowego w Python.
  • Korzystać z dostrajania hiperparametrów w celu zwiększenia dokładności i wydajności modeli AdaBoost.
Więcej...

AutoML with Auto-Keras

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, a także osób mniej technicznych, które chcą używać Auto-Keras do automatyzacji procesu wyboru i optymalizacji modelu uczenia maszynowego. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zautomatyzować proces szkolenia wysoce wydajnych modeli uczenia maszynowego.
  • Automatycznie wyszukiwać najlepsze parametry dla modeli głębokiego uczenia.
  • Tworzyć bardzo dokładne modele uczenia maszynowego.
  • Wykorzystywać możliwości uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych.
Więcej...

AutoML

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest skierowane do osób technicznych z doświadczeniem w uczeniu maszynowym, które chcą zoptymalizować modele uczenia maszynowego używane do wykrywania złożonych wzorców w dużych zbiorach danych. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zainstalować i ocenić różne narzędzia open source AutoML (H2O AutoML, auto-sklearn, TPOT, TensorFlow, PyTorch, Auto-Keras, TPOT, Auto-WEKA itp.)
  • Trenuj wysokiej jakości modele uczenia maszynowego.
  • Efektywne rozwiązywanie różnych typów nadzorowanych problemów uczenia maszynowego.
  • Napisz tylko niezbędny kod, aby zainicjować proces automatycznego uczenia maszynowego.
Więcej...

Deep Learning Neural Networks with Chainer

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (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...

Pattern Recognition

 21 godzin
This instructor-led, live training in Lublin (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...

DataRobot

 7 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla analityków danych i analityków danych, którzy chcą zautomatyzować, oceniać i zarządzać modelami predykcyjnymi przy użyciu możliwości uczenia maszynowego DataRobot. Pod koniec tego szkolenia uczestnicy będą mogli
  • Ładować zbiory danych w DataRobot, aby analizować, oceniać i sprawdzać jakość danych.
  • Budować i trenować modele w celu identyfikacji ważnych zmiennych i osiągnięcia celów predykcyjnych.
  • Interpretować modele w celu tworzenia cennych spostrzeżeń przydatnych w podejmowaniu decyzji biznesowych.
  • Monitorowanie i zarządzanie modelami w celu utrzymania zoptymalizowanej wydajności przewidywania.
Więcej...

Feature Engineering for Machine Learning

 14 godzin
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) skierowane jest do inżynierów, którzy chcą zastosować techniki inżynierii funkcji w celu lepszego przetwarzania danych i uzyskania lepszych modeli uczenia maszynowego. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Ustaw optymalne środowisko programistyczne, w tym wszystkie potrzebne pakiety Python.
  • Uzyskanie ważnych informacji poprzez analizę cech zbioru danych.
  • Optymalizacja modeli uczenia maszynowego poprzez adaptację samych surowych danych.
  • Oczyszczanie i przekształcanie zestawów danych w ramach przygotowań do uczenia maszynowego.
Więcej...

Fundamentals of Artificial Intelligence (AI) and Machine 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. 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 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 z głębokiego uczenia się przy użyciu Python.
Format kursu
  • Interaktywny wykład i dyskusja.
  • Wiele ćwiczeń i praktyki.
  • Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.
Opcje dostosowywania kursu
  • Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami.
Więcej...

Google Cloud AutoML

 7 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, analityków danych i programistów, którzy chcą poznać AutoML produkty i funkcje do tworzenia i wdrażania niestandardowych modeli szkoleniowych ML przy minimalnym wysiłku. Pod koniec tego szkolenia uczestnicy będą mogli
  • Eksplorować linię produktów AutoML w celu wdrożenia różnych usług dla różnych typów danych.
  • Przygotowywać i etykietować zestawy danych w celu tworzenia niestandardowych modeli ML.
  • Trenować i zarządzać modelami w celu tworzenia dokładnych i uczciwych modeli uczenia maszynowego.
  • Tworzyć prognozy przy użyciu wytrenowanych modeli, aby spełnić cele i potrzeby biznesowe.
Więcej...

Machine Learning Algorithms in Julia

 21 godzin
Ten kurs jest przeznaczony dla osób, które mają już doświadczenie w nauce o danych i statystyce. Podane wyjaśnienia mają służyć jako przypomnienie dla tych, którzy są już zaznajomieni z koncepcjami lub informować osoby z odpowiednim doświadczeniem.
Więcej...

Kubeflow

 35 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą budować, wdrażać i zarządzać przepływami pracy uczenia maszynowego w Kubernetes. Po zakończeniu tego szkolenia uczestnicy będą mogli
  • Zainstalować i skonfigurować Kubeflow na miejscu i w chmurze za pomocą AWS EKS (Elastic Kubernetes Service).
  • Budować, wdrażać i zarządzać przepływami pracy ML w oparciu o kontenery Docker i Kubernetes.
  • Uruchamianie całych potoków uczenia maszynowego w różnych architekturach i środowiskach chmurowych.
  • Używanie Kubeflow do tworzenia i zarządzania notatnikami Jupyter.
  • Tworzenie szkoleń ML, dostrajanie hiperparametrów i obsługiwanie obciążeń na wielu platformach.
Więcej...

Kubeflow Fundamentals

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą budować, wdrażać i zarządzać przepływami pracy uczenia maszynowego w Kubernetes. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zainstalować i skonfigurować Kubeflow na miejscu i w chmurze.
  • Budować, wdrażać i zarządzać przepływami pracy ML w oparciu o kontenery Docker i Kubernetes.
  • Uruchamiać całe potoki uczenia maszynowego w różnych architekturach i środowiskach chmurowych.
  • Używanie Kubeflow do tworzenia i zarządzania notatnikami Jupyter.
  • Tworzenie szkoleń ML, dostrajanie hiperparametrów i obsługiwanie obciążeń na wielu platformach.
Więcej...

Kubeflow on AWS

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia na serwerze AWS EC2. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Instalacja i konfiguracja Kubernetes, Kubeflow i innego potrzebnego oprogramowania na AWS.
  • Użycie EKS (Elastic Kubernetes Service) w celu uproszczenia pracy związanej z inicjalizacją klastra Kubernetes na AWS.
  • Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
  • Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
  • Wykorzystanie innych zarządzanych usług AWS do rozszerzenia aplikacji ML.
Więcej...

Kubeflow on Azure

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia w chmurze Azure. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Instalowanie i konfigurowanie Kubernetes, Kubeflow i innego potrzebnego oprogramowania na platformie Azure.
  • Używanie usługi Azure Kubernetes Service (AKS) w celu uproszczenia pracy związanej z inicjowaniem klastra Kubernetes na platformie Azure.
  • Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
  • Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
  • Wykorzystanie innych usług zarządzanych AWS do rozszerzenia aplikacji ML.
Więcej...

Mathematica for Machine Learning

 14 godzin
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla analityków danych, którzy chcą korzystać z uczenia maszynowego w Mathematica do analizy danych. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Budowanie i trenowanie modeli uczenia maszynowego.
  • Importowanie i przygotowywanie danych do uczenia maszynowego.
  • Oddzielanie danych treningowych od danych testowych.
  • Poznanie zastosowań głębokiego uczenia i sieci neuronowych w analizie danych.
Więcej...

Machine Learning for Banking (with Python)

 21 godzin
Machine Learning to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Python to język programowania słynący z przejrzystej składni i czytelności. Oferuje doskonałą kolekcję sprawdzonych bibliotek i technik do tworzenia aplikacji uczenia maszynowego. W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki i narzędzia uczenia maszynowego do rozwiązywania rzeczywistych problemów w branży bankowej. Uczestnicy najpierw poznają kluczowe zasady, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji szeregu projektów zespołowych. Publiczność
  • Programiści
  • Naukowcy zajmujący się danymi
Format kursu
  • Część wykładowa, część dyskusyjna, ćwiczenia i intensywna praktyka praktyczna
Więcej...

Machine Learning and Big Data

 7 godzin
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla osób technicznych, które chcą dowiedzieć się, jak wdrożyć strategię uczenia maszynowego, jednocześnie maksymalizując wykorzystanie dużych zbiorów danych. Po zakończeniu tego szkolenia uczestnicy będą
  • Zrozumienie ewolucji i trendów w uczeniu maszynowym.
  • Zapoznanie się ze sposobami wykorzystania uczenia maszynowego w różnych branżach.
  • Zapoznanie się z narzędziami, umiejętnościami i usługami dostępnymi w celu wdrożenia uczenia maszynowego w organizacji.
  • Zrozumienie, w jaki sposób uczenie maszynowe może być wykorzystywane do ulepszania eksploracji i analizy danych.
  • Dowiedz się, czym jest pośredni backend danych i jak jest on wykorzystywany przez firmy.
  • Zrozumienie roli, jaką odgrywają duże zbiory danych i inteligentne aplikacje w różnych branżach.
Więcej...

Machine Learning Concepts for Entrepreneurs and Managers

 21 godzin
Ten kurs szkoleniowy jest przeznaczony dla osób, które chciałyby zastosować Machine Learning w praktycznych zastosowaniach dla swojego zespołu. Szkolenie nie będzie zagłębiać się w kwestie techniczne i będzie koncentrować się na podstawowych koncepcjach i zastosowaniach biznesowych / operacyjnych tego samego. Docelowi odbiorcy
    Inwestorzy i przedsiębiorcy AI Menedżerowie i inżynierowie, których firma wkracza w przestrzeń AI Business Analitycy i inwestorzy
Więcej...

Machine Learning for Finance (with Python)

 21 godzin
Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Python to język programowania słynący z przejrzystej składni i czytelności. Oferuje doskonałą kolekcję sprawdzonych bibliotek i technik do tworzenia aplikacji uczenia maszynowego. W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak stosować techniki i narzędzia uczenia maszynowego do rozwiązywania rzeczywistych problemów w branży finansowej. Uczestnicy najpierw poznają kluczowe zasady, a następnie wykorzystują swoją wiedzę w praktyce, budując własne modele uczenia maszynowego i wykorzystując je do realizacji szeregu projektów zespołowych. Po zakończeniu szkolenia uczestnicy będą w stanie
  • Zrozumieć podstawowe koncepcje uczenia maszynowego
  • Poznać aplikacje i zastosowania uczenia maszynowego w finansach
  • Opracować własną strategię handlu algorytmicznego przy użyciu uczenia maszynowego z Python
Uczestnicy
  • Deweloperzy
  • Naukowcy zajmujący się danymi
Format kursu
  • Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
Więcej...

MLflow

 21 godzin
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą wyjść poza budowanie modeli ML i zoptymalizować proces tworzenia, śledzenia i wdrażania modeli ML. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zainstalować i skonfigurować MLflow oraz powiązane biblioteki i frameworki ML.
  • Docenić znaczenie możliwości śledzenia, odtwarzania i wdrażania modelu ML.
  • Wdrażać modele ML na różnych chmurach publicznych, platformach lub serwerach lokalnych.
  • Skalowanie procesu wdrażania uczenia maszynowego, aby pomieścić wielu użytkowników współpracujących nad projektem.
  • Skonfigurowanie centralnego rejestru w celu eksperymentowania, odtwarzania i wdrażania modeli uczenia maszynowego.
Więcej...

Machine Learning Fundamentals with Scala and Apache Spark

 14 godzin
Celem tego kursu jest zapewnienie podstawowej biegłości w stosowaniu metod uczenia maszynowego w praktyce. Dzięki wykorzystaniu języka programowania Scala i jego różnych bibliotek oraz w oparciu o wiele praktycznych przykładów, kurs ten uczy, jak korzystać z najważniejszych elementów składowych uczenia maszynowego, jak podejmować decyzje dotyczące modelowania danych, interpretować dane wyjściowe algorytmów i weryfikować wyniki. Naszym celem jest zapewnienie umiejętności rozumienia i korzystania z najbardziej podstawowych narzędzi z zestawu narzędzi Machine Learning oraz unikania typowych pułapek aplikacji Data Sciences.
Więcej...

Introduction to Machine Learning

 7 godzin
Ten kurs szkoleniowy jest przeznaczony dla osób, które chciałyby zastosować podstawowe techniki Machine Learning w praktycznych zastosowaniach. Publiczność Naukowcy zajmujący się danymi i statystycy, którzy mają pewne obycie z uczeniem maszynowym i wiedzą, jak programować R. Nacisk tego kursu kładziony jest na praktyczne aspekty przygotowania danych / modelu, wykonania, analizy post hoc i wizualizacji. Celem jest zapewnienie praktycznego wprowadzenia do uczenia maszynowego uczestnikom zainteresowanym zastosowaniem metod w pracy Aby szkolenie było odpowiednie dla odbiorców, wykorzystywane są przykłady specyficzne dla branży.
Więcej...

Machine Learning on iOS

 14 godzin
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać ze stosu technologii iOS Machine Learning (ML) podczas tworzenia i wdrażania aplikacji mobilnej na iOS. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Tworzenie aplikacji mobilnych zdolnych do przetwarzania obrazu, analizy tekstu i rozpoznawania mowy
  • Dostęp do wstępnie wytrenowanych modeli ML w celu integracji z aplikacjami iOS
  • Tworzenie niestandardowych modeli ML
  • Dodawanie obsługi głosowej Siri do aplikacji iOS
  • Zrozumienie i wykorzystanie frameworków takich jak coreML, Vision, CoreGraphics i GamePlayKit
  • Używanie języków i narzędzi takich jak Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda i Spyder
Uczestnicy
  • Deweloperzy
Format kursu
  • Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
Więcej...

Machine Learning for Mobile Apps using Google’s ML Kit

 14 godzin
Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą używać Google's ML Kit do tworzenia modeli uczenia maszynowego zoptymalizowanych do przetwarzania na urządzeniach mobilnych. Pod koniec tego szkolenia uczestnicy będą mogli
  • Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć opracowywanie funkcji uczenia maszynowego dla aplikacji mobilnych.
  • Zintegrować nowe technologie uczenia maszynowego z aplikacjami Android i iOS przy użyciu interfejsów API ML Kit.
  • Ulepszyć i zoptymalizować istniejące aplikacje za pomocą ML Kit SDK do przetwarzania i wdrażania na urządzeniu.
Więcej...

Machine Learning in business – AI/Robotics

 14 godzin
Ta sesja szkoleniowa oparta na zajęciach zbada techniki uczenia maszynowego, z przykładami komputerowymi i ćwiczeniami rozwiązywania studium przypadku przy użyciu odpowiedniego języka programu
Więcej...

Machine Learning for Robotics

 21 godzin
Kurs ten wprowadza metody uczenia maszynowego w zastosowaniach robotyki. Jest to szeroki przegląd istniejących metod, motywacji i głównych pomysłów w kontekście rozpoznawania wzorców. Po krótkich podstawach teoretycznych uczestnicy wykonają proste ćwiczenia przy użyciu oprogramowania open source (zwykle R) lub innego popularnego oprogramowania.
Więcej...

Pattern Matching

 14 godzin
Pattern Matching to technika używana do lokalizowania określonych wzorców na obrazie. Może być używana do określenia istnienia określonych cech w przechwyconym obrazie, na przykład oczekiwanej etykiety na wadliwym produkcie w linii produkcyjnej lub określonych wymiarów komponentu. Różni się od "Pattern Recognition" (który rozpoznaje ogólne wzorce w oparciu o większe zbiory powiązanych próbek) tym, że konkretnie określa, czego szukamy, a następnie mówi nam, czy oczekiwany wzorzec istnieje, czy nie. Format kursu
  • Kurs ten wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w odniesieniu do Machine Vision.
Więcej...

Machine Learning with Random Forest

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Lublin (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i inżynierów oprogramowania, którzy chcą używać Random Forest do tworzenia algorytmów uczenia maszynowego dla dużych zbiorów danych. Pod koniec tego szkolenia uczestnicy będą mogli
  • Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć budowanie modeli uczenia maszynowego za pomocą Random forest.
  • Zrozumieć zalety Random Forest i jak go wdrożyć w celu rozwiązania problemów związanych z klasyfikacją i regresją.
  • Dowiedzieć się, jak radzić sobie z dużymi zbiorami danych i interpretować wiele drzew decyzyjnych w Random Forest.
  • Ocena i optymalizacja wydajności modelu uczenia maszynowego poprzez dostrajanie hiperparametrów.
Więcej...

RapidMiner for Machine Learning and Predictive Analytics

 14 godzin
RapidMiner to platforma oprogramowania do nauki o danych typu open source do szybkiego prototypowania i rozwoju aplikacji. Obejmuje zintegrowane środowisko do przygotowywania danych, uczenia maszynowego, głębokiego uczenia, eksploracji tekstu i analizy predykcyjnej. W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać z RapidMiner Studio do przygotowywania danych, uczenia maszynowego i wdrażania modeli predykcyjnych. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zainstalować i skonfigurować RapidMiner
  • Przygotowywać i wizualizować dane za pomocą RapidMiner
  • Walidować modele uczenia maszynowego
  • Mashup danych i tworzenie modeli predykcyjnych
  • Operacjonalizować analitykę predykcyjną w ramach procesu biznesowego
  • Rozwiązywanie problemów i optymalizacja RapidMiner
Odbiorcy
  • Naukowcy zajmujący się danymi
  • Inżynierowie
  • Programiści
Format kursu
  • Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna
Uwaga
  • Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
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...

Ostatnia aktualizacja:

Opinie uczestników (25)

Uważam, że trener był bardzo kompetentny i odpowiadał na pytania z pewnością, co pomagało w lepszym zrozumieniu materiału.

Jenna - TCMT

Szkolenie - Machine Learning with Python – 2 Days

Przetłumaczone przez sztuczną inteligencję

Rysunki na flipcharcie, całe szkolenie.

Kasia Nawrot - Orange Szkolenia Sp. z o.o.

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

ekosystem ML nie tylko MLFlow, ale także Optuna, hyperops, docker i docker-compose

Guillaume GAUTIER - OLEA MEDICAL

Szkolenie - MLflow

Przetłumaczone przez sztuczną inteligencję

Sposób przekazywania wiedzy i wiedza trenera.

Jakub Rekas - Bitcomp Sp. z o.o.

Szkolenie - Machine Learning on iOS

Przetłumaczone przez sztuczną inteligencję

Wyjaśnienie

Wei Yang Teo - Ministry of Defence, Singapore

Szkolenie - Machine Learning with Python – 4 Days

Przetłumaczone przez sztuczną inteligencję

Uczestniczenie w szkoleniu Kubeflow, które odbyło się zdalnie, było dla mnie bardzo przyjemne. To szkolenie pozwoliło mi ugruntować moją wiedzę dotyczącą usług AWS, K8s oraz wszystkich narzędzi devOps związanych z Kubeflow, które są niezbędnymi podstawami do właściwego podejścia do tematu. Chciałbym podziękować Malawskiemu Marcinowi za jego cierpliwość i profesjonalizm w trakcie szkolenia oraz za rady dotyczące najlepszych praktyk. Malawski podejmuje temat z różnych perspektyw, różnych narzędzi wdrażania Ansible, EKS kubectl, Terraform. Teraz jestem zdecydowanie przekonany, że wybieram właściwy kierunek aplikacji.

Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM

Szkolenie - Kubeflow

Przetłumaczone przez sztuczną inteligencję

Poziom szkolenia był na wysokim poziomie. Prowadzący nie bał się używać matematycznych formalizmów.

Mateusz Soczewka - Santander Bank Polska S.A.

Szkolenie - Fundamentals of Reinforcement Learning

Szkolenie było prowadzone bardzo rzeczowo a tempo było dopasowane do grupy.

Michal Solis - Orange Szkolenia sp. z o.o.

Szkolenie - Fundamentals of Artificial Intelligence and Machine Learning

Praktyczne przykłady, wyczerpujące odpowiedzi na zadawane przez uczestników pytania, ogromna wiedza i doświadczenie

Marta Rokosa - Wyzsza Szkola Bankowa w Poznaniu

Szkolenie - Machine Learning and Big Data

Entuzjazm wobec tematu. Przykłady, które przedstawił i wyjaśnił, były bardzo dobre. Sympatyczny. Może trochę zbyt szczegółowe dla początkujących. Dla menedżerów mogłoby być bardziej abstrakcyjne w mniejszych ilościach dni. Ale było to zaprojektowane, aby pasować, a my mieliśmy dobry zgrywanie się wcześniej.

Benedikt Chiandetti - HDI Deutschland Bancassurance Kundenservice GmbH

Szkolenie - Machine Learning Concepts for Entrepreneurs and Managers

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

Filtr konwolucyjny

Francesco Ferrara

Szkolenie - Introduction to Machine Learning

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

Sposób przekazywania wiedzy

- EduBroker Sp. z o.o.

Szkolenie - Machine Learning for Banking (with Python)

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

Propozycje terminów

Edge AI with TensorFlow Lite

2025-05-14 09:00
14 godzin
Lublin
2580 PLN (Zdalne)
2780 PLN (Stacjonarne)

AI-Powered Cybersecurity: Threat Detection & Response

2025-05-28 09:00
21 godzin
Lublin
3870 PLN (Zdalne)
4170 PLN (Stacjonarne)

Machine Learning Fundamentals with Scala and Apache Spark

2025-06-11 09:00
14 godzin
Lublin
2060 PLN (Zdalne)
2260 PLN (Stacjonarne)

AI-Enhanced Yield Management in Semiconductor Production

2025-06-25 09:00
14 godzin
Lublin
2580 PLN (Zdalne)
2780 PLN (Stacjonarne)

Fundamentals of Artificial Intelligence (AI) and Machine Learning

2025-07-14 09:00
28 godzin
Lublin
4130 PLN (Zdalne)
4530 PLN (Stacjonarne)

Machine Learning with Python – 2 Days

2025-07-23 09:00
14 godzin
Lublin
2060 PLN (Zdalne)
2260 PLN (Stacjonarne)

Pozostałe regiony w Polsce

Inne kraje

Te szkolenia są również dostępne w innych krajach
Szkolenie Machine Learning Lublin, szkolenie wieczorowe Machine Learning Lublin, szkolenie weekendowe Machine Learning Lublin, ML (Machine Learning) boot camp Lublin, kurs zdalny Machine Learning Lublin, Kurs Machine Learning Lublin, instruktor Machine Learning (ML) Lublin, nauka przez internet Machine Learning Lublin, Kursy ML (Machine Learning) Lublin, kurs online ML (Machine Learning) Lublin, lekcje ML (Machine Learning) Lublin, edukacja zdalna Machine Learning (ML) Lublin, Trener Machine Learning Lublin, nauczanie wirtualne ML (Machine Learning) Lublin, wykładowca Machine Learning Lublin