L'apprentissage automatique ou apprentissage statistique, champ d'étude de l'intelligence artificielle, concerne la conception, l'analyse, le développement et l'implémentation de méthodes permettant à une machine (au sens large) d'évoluer par un processus systématique, et ainsi de remplir des tâches difficiles ou problématiques à remplir par des moyens algorithmiques plus classiques.
Nos Clients témoignent
★★★★★
★★★★★
Alternance théorie/pratique efficace !
CIRAD
Formation: Introduction au Machine Learning avec MATLAB
Présentation progressive et application des méthodes
Aurélien Briffaz - CIRAD
Formation: Introduction au Machine Learning avec MATLAB
Disponibilité et adaptabilité, réponses aux questions
Jean-Michel MEOT - CIRAD
Formation: Introduction au Machine Learning avec MATLAB
La vue d'ensemble globale de l'apprentissage en profondeur.
Bruno Charbonnier
Formation: Deep Learning, Niveau Avancé
Machine Translated
Les exercices sont suffisamment pratiques et ne nécessitent pas de grandes connaissances en Python.
Alexandre GIRARD
Formation: Deep Learning, Niveau Avancé
Machine Translated
Faire des exercices sur des exemples réels en utilisant Eras. L'Italie a parfaitement compris nos attentes concernant cette formation.
Paul Kassis
Formation: Deep Learning, Niveau Avancé
Machine Translated
L'objet. Cela semblait intéressant, mais je suis parti en sachant pas beaucoup plus qu'avant.
Radoslaw Labedzki
Formation: Introduction au Deep Learning
Machine Translated
J'ai aimé que ce cours ait un sujet très intéressant.
Wojciech Wilk
Formation: Introduction au Deep Learning
Machine Translated
J'ai vraiment apprécié les réponses claires de Chris à nos questions.
Léo Dubus
Formation: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
J'ai généralement apprécié le formateur compétent.
Sridhar Voorakkara
Formation: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
J'ai été stupéfait par la qualité de ce cours - je dirais que c'était la norme universitaire.
David Relihan
Formation: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Très bon aperçu général. Un bon contexte pour savoir pourquoi Tensorflow fonctionne comme il le fait.
Kieran Conboy
Formation: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
J'ai aimé les possibilités de poser des questions et d'obtenir des explications plus approfondies de la théorie.
Sharon Ruane
Formation: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Nous avons eu beaucoup plus d'informations sur le sujet. Une belle discussion a été faite avec certains sujets réels au sein de notre société.
Sebastiaan Holman
Formation: Machine Learning et Deep Learning
Machine Translated
La formation a fourni les bases qui nous permettent de continuer à nous développer en montrant comment la théorie et la pratique vont de pair. Cela m'a en fait plus intéressé par le sujet que par le passé.
Jean-Paul van Tillo
Formation: Machine Learning et Deep Learning
Machine Translated
J'ai vraiment apprécié la couverture et la profondeur des sujets.
Anirban Basu
Formation: Machine Learning et Deep Learning
Machine Translated
La connaissance approfondie du formateur sur le sujet.
Sebastian Görg
Formation: Introduction au Deep Learning
Machine Translated
Approche très actualisée ou IPC (flux tensoriel, ère, apprendre) pour faire de l'apprentissage automatique.
Paul Lee
Formation: TensorFlow pour la Reconnaissance d'Image
Machine Translated
Très souple.
Frank Ueltzhöffer
Formation: Réseau de Neurones Artificiels, Machine Learning et Deep Thinking
Machine Translated
J'ai généralement apprécié la flexibilité.
Werner Philipp
Formation: Réseau de Neurones Artificiels, Machine Learning et Deep Thinking
Machine Translated
Compte tenu des perspectives de la technologie: quelle technologie / processus pourrait devenir plus important dans le futur; voir à quoi la technologie peut être utilisée
Commerzbank AG
Formation: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
J'ai bénéficié de la sélection de sujets. Style de formation. Orientation pratique
Commerzbank AG
Formation: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
Couverture approfondie des sujets d'apprentissage automatique, en particulier des réseaux de neurones. Démystifié beaucoup de sujet.
Sacha Nandlall
Formation: Python for Advanced Machine Learning
Machine Translated
Exercices
L M ERICSSON LIMITED
Formation: Machine Learning
Machine Translated
les exercices de laboratoire
Marcell Lorant - L M ERICSSON LIMITED
Formation: Machine Learning
Machine Translated
Le cahier Jupyter, dans lequel le matériel de formation est disponible
L M ERICSSON LIMITED
Formation: Machine Learning
Machine Translated
Il y avait beaucoup d'exercices et de sujets intéressants.
L M ERICSSON LIMITED
Formation: Machine Learning
Machine Translated
des exercices de laboratoire géniaux analysés et expliqués en profondeur par le formateur (par exemple, covariants en régression linéaire, correspondant à la fonction réelle)
L M ERICSSON LIMITED
Formation: Machine Learning
Machine Translated
C'est tout simplement génial que tout le matériel, y compris les exercices, soit sur la même page et qu'il soit mis à jour à la volée. La solution est révélée à la fin. Cool! De plus, j'apprécie que Krzysztof ait fait un effort supplémentaire pour comprendre nos problèmes et nous a suggéré des techniques possibles.
Attila Nagy - L M ERICSSON LIMITED
Formation: Machine Learning
Machine Translated
J'avais profité de la passion d'enseigner et de me concentrer pour rendre les choses sensées.
Zaher Sharifi - GOSI
Formation: Deep Learning, Niveau Avancé
Machine Translated
A propos de la surface faciale.
中移物联网
Formation: Deep Learning for NLP (Natural Language Processing)
Machine Translated
Les échanges informels que nous avons eus au cours des conférences m’ont vraiment aidé à approfondir ma compréhension du sujet
Explore
Formation: Deep Reinforcement Learning with Python
Machine Translated
Il montre de nombreuses méthodes avec des scripts préparés à l'avance - des matériaux très bien préparés et faciles à retracer
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Formation: Machine Learning – Data science
Machine Translated
J'aime que la formation soit axée sur des exemples et le codage. Je pensais qu'il était impossible de rassembler autant de contenu en trois jours de formation, mais je me suis trompé. La formation a couvert de nombreux sujets et tout a été fait de manière très détaillée (en particulier le réglage des paramètres du modèle - je ne m'attendais pas à ce qu'il y ait un temps pour cela et j'ai été agréablement surpris).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Formation: Machine Learning – Data science
Machine Translated
J'aime le fait qu'il se concentre davantage sur le comment faire des différentes méthodes de résumé de texte
Formation: Text Summarization with Python
Machine Translated
J'aime le fait qu'il se concentre davantage sur le comment faire des différentes méthodes de résumé de texte
Ce cours a été créé à l’intention des gestionnaires, des architectes de solutions, des responsables de l’innovation, des directeurs techniques, des architectes de logiciels et de toute personne intéressée par un aperçu de l’intelligence artificielle appliquée et des prévisions les plus proches pour son développement.
Dans Python Machine Learning, la fonction de synthèse de texte est capable de lire le texte d'entrée et de produire un résumé de texte Cette fonctionnalité est disponible depuis la ligne de commande ou sous la forme d'une API / bibliothèque Python Une application passionnante est la création rapide de résumés exécutifs; ceci est particulièrement utile pour les organisations qui ont besoin d'examiner de grandes quantités de données textuelles avant de générer des rapports et des présentations Dans cette formation en ligne, les participants apprendront à utiliser Python pour créer une application simple qui génère automatiquement un résumé du texte saisi À la fin de cette formation, les participants seront en mesure de: Utilisez un outil de ligne de commande qui résume le texte Concevoir et créer du code de synthèse de texte en utilisant des bibliothèques Python Évaluer trois bibliothèques de résumés Python: sumy 070, pysummarization 104, readless 1017 Public Développeurs Data Scientists Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
Cortana Intelligence Suite est un ensemble de produits et services intégrés sur le cloud Microsoft Azure qui permettent aux entités de transformer des données en actions intelligentes.
Lors de cette formation en direct animée par un instructeur, les participants apprendront à utiliser les composants de Cortana Intelligence Suite pour créer des applications intelligentes pilotées par les données.
À la fin de cette formation, les participants seront en mesure de:
- Apprendre à utiliser les outils de Cortana Intelligence Suite - Acquérir les dernières connaissances en matière de gestion de données et d'analyse - Utilisez les composants Cortana pour transformer les données en action intelligente - Utilisez Cortana pour créer des applications à partir de rien et lancez-le sur le cloud
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmés L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones Python est un langage de programmation de haut niveau connu pour sa syntaxe claire et sa lisibilité Dans cette formation en direct, les participants apprendront comment implémenter des modèles d'apprentissage en profondeur pour la finance en utilisant Python à mesure qu'ils franchissent la phase de création d'un modèle de prédiction du prix des actions d'apprentissage en profondeur À la fin de cette formation, les participants seront en mesure de: Comprendre les concepts fondamentaux de l'apprentissage en profondeur Apprenez les applications et les utilisations de l'apprentissage en profondeur en finance Utilisez Python, Keras et TensorFlow pour créer des modèles d'apprentissage en profondeur pour la finance Construire son propre modèle de prédiction du prix des actions en profondeur en utilisant Python Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones. R est un langage de programmation populaire dans le secteur financier. Il est utilisé dans des applications financières allant des programmes de négociation principaux aux systèmes de gestion des risques.
Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment mettre en œuvre des modèles d'apprentissage en profondeur pour les opérations bancaires en utilisant R au fur et à mesure de la création d'un modèle de risque de crédit d'apprentissage en profondeur.
À la fin de cette formation, les participants seront en mesure de:
- Comprendre les concepts fondamentaux de l'apprentissage en profondeur - Apprenez les applications et les utilisations de l'apprentissage en profondeur dans le secteur bancaire - Utilisez R pour créer des modèles d'apprentissage en profondeur pour le secteur bancaire - Construire leur propre modèle de risque de crédit d'apprentissage profond en utilisant R
Public
- Développeurs - Scientifiques de données
Format du cours
- Partie de conférence, partie de discussion, exercices et exercices intensifs
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmés L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones Python est un langage de programmation de haut niveau connu pour sa syntaxe claire et sa lisibilité Dans cette formation en ligne, les participants apprendront comment implémenter des modèles d'apprentissage en profondeur pour les banques en utilisant Python alors qu'ils franchissent la phase de création d'un modèle de risque de crédit d'apprentissage en profondeur À la fin de cette formation, les participants seront en mesure de: Comprendre les concepts fondamentaux de l'apprentissage en profondeur Apprenez les applications et les utilisations de l'apprentissage en profondeur dans le secteur bancaire Utilisez Python, Keras et TensorFlow pour créer des modèles d'apprentissage en profondeur pour les services bancaires Construire son propre modèle de risque de crédit d'apprentissage en profondeur en utilisant Python Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones. R est un langage de programmation populaire dans le secteur financier. Il est utilisé dans des applications financières allant des programmes de négociation principaux aux systèmes de gestion des risques.
Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment mettre en œuvre des modèles d'apprentissage approfondi pour la finance en utilisant R lorsqu'ils créeront un modèle de prévision du prix des actions d'apprentissage approfondi.
À la fin de cette formation, les participants seront en mesure de:
- Comprendre les concepts fondamentaux de l'apprentissage en profondeur - Apprenez les applications et les utilisations de l'apprentissage en profondeur en finance - Utilisez R pour créer des modèles d'apprentissage en profondeur pour la finance - Construire leur propre modèle de prévision du prix des actions d'apprentissage en profondeur en utilisant R
Public
- Développeurs - Scientifiques de données
Format du cours
- Partie de conférence, partie de discussion, exercices et exercices intensifs
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. R est un langage de programmation populaire dans le secteur financier. Il est utilisé dans des applications financières allant des programmes de négociation principaux aux systèmes de gestion des risques.
Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment appliquer des techniques et des outils d'apprentissage automatique pour résoudre des problèmes concrets du secteur financier. R sera utilisé comme langage de programmation.
Les participants apprennent d’abord les principes clés, puis mettent leurs connaissances en pratique en construisant leurs propres modèles d’apprentissage automatique et en les utilisant pour mener à bien un certain nombre de projets d’équipe.
À la fin de cette formation, les participants seront en mesure de:
- Comprendre les concepts fondamentaux de l'apprentissage automatique - Apprenez les applications et les utilisations de la machine learning en finance - Développer leur propre stratégie de trading algorithmique en utilisant l’apprentissage automatique avec R
Public
- Développeurs - Scientifiques de données
Format du cours
- Partie de conférence, partie de discussion, exercices et exercices intensifs
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. Python est un langage de programmation réputé pour sa syntaxe claire et sa lisibilité. Il offre une excellente collection de bibliothèques et de techniques éprouvées pour développer des applications d’apprentissage automatique.
Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment appliquer des techniques et des outils d'apprentissage automatique pour résoudre des problèmes concrets du secteur financier.
Les participants apprennent d’abord les principes clés, puis mettent leurs connaissances en pratique en construisant leurs propres modèles d’apprentissage automatique et en les utilisant pour mener à bien un certain nombre de projets d’équipe.
À la fin de cette formation, les participants seront en mesure de:
- Comprendre les concepts fondamentaux de l'apprentissage automatique - Apprenez les applications et les utilisations de la machine learning en finance - Développer leur propre stratégie de trading algorithmique en utilisant l'apprentissage automatique avec Python
Public
- Développeurs - Scientifiques de données
Format du cours
- Partie de conférence, partie de discussion, exercices et exercices intensifs
Deep Learning for NLP permet à une machine d'apprendre un traitement de langage simple à complexe Parmi les tâches actuellement possibles figurent la traduction de la langue et la génération de légendes pour les photos DL (Deep Learning) est un sous-ensemble de ML (Machine Learning) Python est un langage de programmation populaire qui contient des bibliothèques pour Deep Learning for NLP Dans cette formation en ligne, les participants apprendront à utiliser les bibliothèques Python pour le traitement automatique du langage naturel (NLP) en créant une application qui traite un ensemble d'images et génère des légendes À la fin de cette formation, les participants seront en mesure de: Concevoir et coder DL pour NLP en utilisant des bibliothèques Python Créer un code Python qui lit une collection substantielle d'images et génère des mots-clés Créer un code Python qui génère des légendes à partir des mots clés détectés Public Programmeurs ayant un intérêt pour la linguistique Les programmeurs qui cherchent une compréhension de la PNL (traitement du langage naturel) Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
Ce cours commence par vous donner des connaissances conceptuelles dans les réseaux de neurones et généralement dans l'algorithme d'apprentissage automatique, l'apprentissage en profondeur (algorithmes et applications) Partie 1 (40%) de cette formation est plus axée sur les fondamentaux, mais vous aidera à choisir la bonne technologie: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc La partie 2 (20%) de cette formation présente Theano, une bibliothèque de pythons qui facilite l'écriture de modèles d'apprentissage en profondeur La partie 3 (40%) de la formation serait largement basée sur l'API Tensorflow 2nd Generation de la bibliothèque logicielle open source de Google pour Deep Learning Les exemples et handson seraient tous faits dans TensorFlow Public Ce cours est destiné aux ingénieurs cherchant à utiliser TensorFlow pour leurs projets Deep Learning Après avoir terminé ce cours, les délégués: avoir une bonne compréhension des réseaux neuronaux profonds (DNN), CNN et RNN comprendre la structure et les mécanismes de déploiement de TensorFlow être capable d'effectuer les tâches et la configuration de l'environnement / de l'installation / de l'environnement de production être capable d'évaluer la qualité du code, effectuer le débogage, surveiller être en mesure de mettre en œuvre une production avancée comme des modèles de formation, la construction de graphiques et l'exploitation forestière Tous les sujets ne seraient pas couverts dans une classe publique avec une durée de 35 heures en raison de l'immensité du sujet La durée du cours complet sera d'environ 70 heures et non de 35 heures .
L'intelligence artificielle est un ensemble de technologies permettant de créer des systèmes intelligents capables de comprendre les données et les activités associées à ces données afin de prendre des "décisions intelligentes". Pour les fournisseurs de services de télécommunication, la création d'applications et de services utilisant l'IA pourrait permettre d'améliorer les opérations et la maintenance dans des domaines tels que la maintenance et l'optimisation du réseau.
Dans ce cours, nous examinons les différentes technologies qui composent l’IA et les compétences requises pour les utiliser. Tout au long du cours, nous examinons les applications spécifiques d’AI dans l’industrie des télécommunications.
Public
- Ingénieurs de réseau - Personnel d'exploitation du réseau - Responsables techniques télécom
Format du cours
- Partie lecture, partie discussion, exercices pratiques
La bibliothèque Apache OpenNLP est une boîte à outils basée sur l'apprentissage automatique pour le traitement du texte en langage naturel Il prend en charge les tâches PNL les plus courantes, telles que la détection de langue, la segmentation de phrases, la segmentation de phrases, l'extraction d'entités nommées, le découpage, l'analyse et la résolution de coréférences Dans cette formation en ligne, les participants apprendront comment créer des modèles pour le traitement de données textuelles à l'aide d'OpenNLP Des exemples de données de formation ainsi que des ensembles de données personnalisés seront utilisés comme base pour les exercices en laboratoire À la fin de cette formation, les participants seront en mesure de: Installez et configurez OpenNLP Télécharger des modèles existants et créer leur propre Former les modèles sur différents ensembles de données d'échantillons Intégrez OpenNLP aux applications Java existantes Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
Machine Learning est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. Python est un langage de programmation réputé pour sa syntaxe claire et sa lisibilité. Il offre une excellente collection de bibliothèques et de techniques éprouvées pour développer des applications d’apprentissage automatique.
Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment appliquer des techniques et des outils d'apprentissage automatique pour résoudre des problèmes concrets du secteur bancaire.
Les participants apprennent d’abord les principes clés, puis mettent leurs connaissances en pratique en construisant leurs propres modèles d’apprentissage automatique et en les utilisant pour mener à bien un certain nombre de projets d’équipe.
Public
- Développeurs - Scientifiques de données
Format du cours
- Partie de conférence, partie de discussion, exercices et exercices intensifs
Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment appliquer des techniques et des outils d'apprentissage automatique pour résoudre des problèmes concrets du secteur bancaire. R sera utilisé comme langage de programmation.
Les participants apprennent d’abord les principes clés, puis mettent leurs connaissances en pratique en construisant leurs propres modèles d’apprentissage automatique et en les utilisant pour réaliser un certain nombre de projets en direct.
Public
- Développeurs - Scientifiques de données - Professionnels de la banque ayant une formation technique
Format du cours
- Partie de conférence, partie de discussion, exercices et exercices intensifs
TensorFlow Serving est un système destiné à servir les modèles d'apprentissage automatique (ML) à la production Dans cette formation en ligne, les participants apprendront comment configurer et utiliser TensorFlow Serving pour déployer et gérer des modèles ML dans un environnement de production À la fin de cette formation, les participants seront en mesure de: Former, exporter et servir divers modèles TensorFlow Tester et déployer des algorithmes à l'aide d'une architecture unique et d'un ensemble d'API Étendre TensorFlow Serving pour servir d'autres types de modèles au-delà des modèles TensorFlow Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
Dans cette formation en ligne, les participants apprendront à utiliser la pile de technologies iOS Machine Learning (ML) au fur et à mesure qu'ils franchissent la phase de création et de déploiement d'une application mobile iOS À la fin de cette formation, les participants seront en mesure de: Créer une application mobile capable de traitement d'image, d'analyse de texte et de reconnaissance vocale Accès aux modèles ML pré-intégrés pour l'intégration dans les applications iOS Créer un modèle ML personnalisé Ajouter la prise en charge de Siri Voice aux applications iOS Comprendre et utiliser des frameworks tels que coreML, Vision, CoreGraphics et GamePlayKit Utilisez des langages et des outils tels que Python, Keras, Caffee, Tensorflow, scikit learn, libsvm, Anaconda et Spyder Public Développeurs Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
Dans cette formation en ligne, les participants apprendront à utiliser les techniques d'apprentissage automatique et de traitement automatique du langage naturel (NLP) pour extraire de la valeur à partir de données textuelles À la fin de cette formation, les participants seront en mesure de: Résoudre des problèmes de science des données basés sur du texte avec un code réutilisable de haute qualité Appliquer différents aspects de scikitlearn (classification, clustering, régression, réduction de dimension) pour résoudre des problèmes Construire des modèles d'apprentissage automatique efficaces en utilisant des données textuelles Créer un ensemble de données et extraire des entités à partir d'un texte non structuré Visualiser les données avec Matplotlib Construire et évaluer des modèles pour mieux comprendre Résoudre les erreurs d'encodage de texte Public Développeurs Data Scientists Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
Encog est un framework d'apprentissage machine opensource pour Java etNet Dans cette formation en ligne, les participants apprendront comment créer différents composants de réseau neuronal en utilisant ENCOG Les études de cas de Realworld seront discutées et des solutions basées sur le langage machine à ces problèmes seront explorées À la fin de cette formation, les participants seront en mesure de: Préparer les données pour les réseaux de neurones en utilisant le processus de normalisation Mettre en œuvre des réseaux d'anticipation et des méthodologies de formation à la propagation Implémenter des tâches de classification et de régression Modéliser et former des réseaux de neurones à l'aide de l'atelier basé sur l'interface graphique d'Encog Intégrez le support de réseau neuronal dans les applications realworld Public Développeurs Analystes Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
Encog est un framework d'apprentissage machine opensource pour Java etNet Dans cette formation en direct, les participants apprendront des techniques avancées d'apprentissage automatique pour construire des modèles prédictifs précis de réseaux neuronaux À la fin de cette formation, les participants seront en mesure de: Mettre en œuvre différentes techniques d'optimisation des réseaux neuronaux pour résoudre les problèmes de sous-équipement et de surapprentissage Comprendre et choisir parmi un certain nombre d'architectures de réseaux neuronaux Mettre en place des réseaux de feed-back et de feedback supervisés Public Développeurs Analystes Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
L'apprentissage par renforcement en profondeur fait référence à la capacité d'un "agent artificiel" à apprendre par essais et erreurs et par récompenses et punitions. Un agent artificiel vise à imiter la capacité d'un être humain à obtenir et à construire un savoir par lui-même, directement à partir de données brutes telles que la vision. Pour réaliser l'apprentissage par renforcement, un apprentissage en profondeur et des réseaux de neurones sont utilisés. L'apprentissage par renforcement est différent de l'apprentissage par machine et ne repose pas sur des approches d'apprentissage supervisées et non supervisées.
Au cours de cette formation en direct animée par un instructeur, les participants apprendront les bases de l’apprentissage en renforcement profond tout au long de la création d’un agent d’ Deep Learning .
À la fin de cette formation, les participants seront en mesure de:
- Comprendre les concepts clés de l'apprentissage par renforcement en profondeur et être capable de le distinguer de l' Machine Learning - Appliquer des algorithmes avancés d'apprentissage par renforcement pour résoudre des problèmes concrets - Construire un agent d' Deep Learning
Public
- Développeurs - Data Scientists
Format du cours
- Partie de conférence, partie de discussion, exercices et exercices intensifs
Dans cette formation en ligne, les participants apprendront les techniques d'apprentissage automatique les plus pertinentes et les plus avancées de Python, tout en construisant une série d'applications de démonstration impliquant des images, de la musique, du texte et des données financières À la fin de cette formation, les participants seront en mesure de: Implémenter des algorithmes d'apprentissage automatique et des techniques pour résoudre des problèmes complexes Appliquer l'apprentissage en profondeur et l'apprentissage semi-supervisé aux applications impliquant des données d'image, de musique, de texte et financières Pousser les algorithmes Python à leur potentiel maximal Utiliser des bibliothèques et des paquets tels que NumPy et Theano Public Développeurs Analystes Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
AutoML est un logiciel d'apprentissage automatique convivial qui automatise une grande partie du travail nécessaire pour sélectionner un algorithme d'apprentissage machine idéal, ses paramètres de paramètre et les méthodes de pré-traitement.
cette formation dirigée par un instructeur, en direct (sur site ou à distance) s'adresse aux personnes techniques ayant un arrière-plan dans l'apprentissage automatique qui souhaitent optimiser les modèles de machine learning utilisés pour la détection de modèles complexes en Big Data.
à la fin de cette formation, les participants pourront:
- installer et évaluer divers outils AutoML Open source. - train de haute qualité machine learning modèles. - résoudre efficacement différents types de problèmes d'apprentissage machine supervisés. - écrivez simplement le code nécessaire pour initier le processus automatisé de machine learning.
format du cours
- conférence interactive et discussion. - beaucoup d'exercices et de la pratique. implémentation de - Hands-on dans un environnement Live-Lab.
cours options de personnalisation
- pour demander une formation personnalisée pour ce cours, s'il vous plaît nous contacter pour organiser. - pour en savoir plus sur AutoML, s'il vous plaît visitez: https://www.automl.org/
La mécatronique (ou ingénierie mécatronique) est une combinaison de mécanique, d'électronique et d'informatique.
Cette formation en direct, animée par un instructeur (sur site ou à distance), est destinée aux ingénieurs qui souhaitent en savoir plus sur l'applicabilité de l'intelligence artificielle aux systèmes mécatroniques.
À la fin de cette formation, les participants seront en mesure de:
- Obtenez un aperçu de l'intelligence artificielle, de l'apprentissage automatique et de l'intelligence informatique. - Comprendre les concepts de réseaux de neurones et de différentes méthodes d'apprentissage. - Choisissez efficacement des approches d'intelligence artificielle pour des problèmes concrets. - Implémenter des applications d'intelligence artificielle en ingénierie mécatronique.
Format du cours
- Conférence interactive et discussion. - Beaucoup d'exercices et de pratique. - Mise en œuvre pratique dans un environnement de laboratoire réel.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.
keras est une API de réseaux neuronaux de haut niveau pour un développement et une expérimentation rapides. Il fonctionne au-dessus de TensorFlow, CNTK, ou Theano.
cette formation en direct (sur site ou à distance) dirigée par un instructeur s’adresse aux personnes techniques qui souhaitent appliquer un modèle d’apprentissage approfondi aux applications de reconnaissance d’images.
à la fin de cette formation, les participants pourront:
- installer et configurer keras. - rapidement prototype des modèles d’apprentissage profond. - implémenter un réseau convolutionnel. - implémenter un réseau récurrent. - exécuter un modèle d’apprentissage profond sur une CPU et GPU.
format du cours
- conférence interactive et discussion. - beaucoup d’exercices et de la pratique. implémentation de - Hands-on dans un environnement Live-Lab.
cours options de personnalisation
- pour demander une formation personnalisée pour ce cours, s’il vous plaît nous contacter pour organiser. - pour en savoir plus sur keras, s’il vous plaît visitez: https://keras.io/
Feature Engineering est le processus de sélection et de transformation des données pour améliorer la précision des algorithmes d'apprentissage automatique. Cela nécessite une connaissance approfondie des données fournies par un expert en la matière.
Cette formation en direct, animée par un instructeur (sur site ou à distance), est destinée aux personnes qui souhaitent appliquer des techniques d'ingénierie de fonctions afin de mieux traiter les données et d'obtenir de meilleurs modèles d'apprentissage automatique.
À la fin de cette formation, les participants seront en mesure de:
- Configurez un environnement de développement optimal, incluant tous les packages Python nécessaires. - Obtenez des informations importantes en analysant les caractéristiques d'un ensemble de données. - Optimisez les modèles d'apprentissage machine en adaptant les données brutes elles-mêmes. - Nettoyer et transformer les ensembles de données en vue de l'apprentissage automatique.
Format du cours
- Conférence interactive et discussion. - Beaucoup d'exercices et de pratique. - Mise en œuvre pratique dans un environnement de laboratoire réel.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.
.jpg "european organization for nuclear research (cern)")
_ireland.gif "environmental protection agency (epa) ireland")