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
l'une des pratiques
JONATHAN MARIANO, si
Formation: Artificial Intelligence (AI) for Managers
Machine Translated
Les connaissances de l'instructeur et sa façon de traiter le sujet
Zaira N. - JONATHAN MARIANO, si
Formation: Artificial Intelligence (AI) for Managers
Machine Translated
innovant parce qu'il s'agit de quelque chose que nous vivons déjà.
jesus isaias - JONATHAN MARIANO, si
Formation: Artificial Intelligence (AI) for Managers
Machine Translated
Sous-catégories Machine Learning (ML)
Plans de cours Machine Learning (ML)
Nom du Cours
Durée
Aperçu
Nom du Cours
Durée
Aperçu
21 heures
L'IA générative est un type d'IA capable de créer un contenu original tel que du texte, des images, de la musique et du code. Les grands modèles de langage (LLM) sont de puissants réseaux neuronaux capables de traiter et de générer du langage naturel ;
Cette formation en direct (en ligne ou sur site) est destinée aux développeurs de niveau intermédiaire qui souhaitent apprendre à utiliser l'IA générative avec les LLM pour diverses tâches et domaines.
A l'issue de cette formation, les participants seront capables de :
-
Expliquer ce qu'est l'IA générative et comment elle fonctionne.
Décrire l'architecture du transformateur qui alimente les LLM.
Utiliser les lois empiriques de mise à l'échelle pour optimiser les LLM pour différentes tâches et contraintes.
Appliquer des outils et des méthodes de pointe pour former, affiner et déployer les LLM.
Discuter des opportunités et des risques de l'IA générative pour la société et les entreprises.
-
Exposé et discussion interactifs.
Beaucoup d'exercices et de pratique.
Mise en œuvre pratique dans un environnement de laboratoire réel.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.
21 heures
LightGBM est un cadre distribué gratuit et open-source d'amélioration du gradient pour l'apprentissage automatique, développé à l'origine par Microsoft. Il est basé sur des algorithmes d'arbres de décision et utilisé pour le classement, la classification et d'autres tâches d'apprentissage automatique ;
Cette formation en direct (en ligne ou sur site) est destinée aux développeurs et data scientists de niveau débutant ou intermédiaire qui souhaitent apprendre les bases de LightGBM et explorer des techniques avancées.
A l'issue de cette formation, les participants seront capables de :
-
Installer et configurer LightGBM.
Comprendre la théorie derrière les algorithmes de boosting de gradient et d'arbre de décision.
Utiliser LightGBM pour des tâches d'apprentissage automatique basiques et avancées.
Mettre en œuvre des techniques avancées telles que l'ingénierie des caractéristiques, l'ajustement des hyperparamètres et l'interprétation des modèles.
Intégrer LightGBM avec d'autres frameworks d'apprentissage automatique.
Résoudre les problèmes courants dans LightGBM.
-
Exposé et discussion interactifs.
Beaucoup d'exercices et de pratique.
Mise en œuvre pratique dans un environnement de laboratoire réel.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.
21 heures
Stable Diffusion est un puissant modèle d'apprentissage profond capable de générer des images détaillées à partir de descriptions textuelles. .. ;
Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux data scientists de niveau intermédiaire à avancé, aux ingénieurs en apprentissage automatique, aux chercheurs en apprentissage profond et aux experts en vision par ordinateur qui souhaitent élargir leurs connaissances et leurs compétences en apprentissage profond pour la génération de texte à partir d'images.
A l'issue de cette formation, les participants seront capables de :
-
Comprendre les architectures et les techniques avancées d'apprentissage profond pour la génération de texte à partir d'images.
Mettre en œuvre des modèles complexes et des optimisations pour la synthèse d'images de haute qualité.
Optimiser les performances et l'évolutivité pour les grands ensembles de données et les modèles complexes.
Ajuster les hyperparamètres pour une meilleure performance et généralisation du modèle.
Intégrer Stable Diffusion avec d'autres cadres et outils d'apprentissage profond.
-
Exposé et discussion interactifs.
Beaucoup d'exercices et de pratique.
Mise en œuvre pratique dans un environnement de laboratoire réel.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser
14 heures
Les transformateurs génératifs pré-entraînés (GPT) sont des modèles de pointe dans le traitement du langage naturel qui ont révolutionné diverses applications, y compris la génération de langage, la complétion de texte et la traduction automatique. Ce cours propose une exploration approfondie des modèles GPT, en mettant l'accent sur le GPT-3 et les dernières avancées du GPT-4. Les participants auront un aperçu de l'architecture, des techniques de formation et des applications des modèles GPT.
Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux scientifiques des données, aux ingénieurs en apprentissage automatique, aux chercheurs en NLP et aux passionnés d'IA qui souhaitent comprendre le fonctionnement interne des modèles GPT, explorer les capacités des modèles GPT-3 et GPT-4 et apprendre à tirer parti de ces modèles pour leurs tâches NLP.
A l'issue de cette formation, les participants seront capables de :
-
Comprendre les concepts et principes clés qui sous-tendent les transformateurs génératifs pré-entraînés.
Comprendre l'architecture et le processus de formation des modèles GPT.
Utiliser le GPT-3 pour des tâches telles que la génération, l'achèvement et la traduction de textes.
Explorer les dernières avancées en matière de GPT-4 et ses applications potentielles.
Appliquer les modèles GPT à leurs propres projets et tâches NLP.
-
Exposé et discussion interactifs.
Beaucoup d'exercices et de pratique.
Mise en œuvre pratique dans un environnement de laboratoire réel.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.
7 heures
Vertex AI est un environnement Google Cloud permettant d'effectuer des tâches d'apprentissage automatique, de l'expérimentation au déploiement, en passant par la gestion et la surveillance des modèles. Il s'agit d'une infrastructure évolutive qui fournit des capacités de gestion des utilisateurs et des contrôles de sécurité sur les projets d'apprentissage automatique.Cette formation en direct animée par un instructeur (sur site ou à distance) s'adresse aux ingénieurs en logiciel de niveau débutant à intermédiaire ou à toute personne souhaitant apprendre à utiliser Vertex AI pour effectuer et compléter des activités d'apprentissage automatique.Au terme de cette formation, les participants seront capables de :
- Comprenez comment Vertex AI fonctionne et utilisez-le comme plateforme d'apprentissage automatique. En savoir plus sur l'apprentissage automatique et les concepts de la PNL. Savoir former et déployer des modèles d'apprentissage automatique à l'aide de Vertex AI.
- Conférence interactive et discussion. Beaucoup d'exercices et de pratique. Mise en œuvre pratique dans un environnement de laboratoire réel.
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
21 heures
DeepSpeed est une bibliothèque d'optimisation d'apprentissage en profondeur qui facilite la mise à l'échelle des modèles d'apprentissage en profondeur sur du matériel distribué. Développé par Microsoft, DeepSpeed s'intègre à PyTorch pour fournir une meilleure mise à l'échelle, une formation plus rapide et une meilleure utilisation des ressources.Cette formation en direct, animée par un instructeur (sur site ou à distance), est destinée aux scientifiques des données et aux ingénieurs en apprentissage automatique de niveau débutant à intermédiaire qui souhaitent améliorer les performances de leurs modèles d'apprentissage en profondeur.Au terme de cette formation, les participants seront capables de :
- Comprendre les principes de l'apprentissage profond distribué. Installez et configurez DeepSpeed. Mettez à l'échelle des modèles d'apprentissage en profondeur sur du matériel distribué à l'aide de DeepSpeed. Implémentez et expérimentez les fonctionnalités DeepSpeed pour l'optimisation et l'efficacité de la mémoire.
- Conférence interactive et discussion. Beaucoup d'exercices et de pratique. Mise en œuvre pratique dans un environnement de laboratoire réel.
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
14 heures
Les grands modèles linguistiques (LLM) sont des modèles de réseaux neuronaux profonds capables de générer des textes en langue naturelle sur la base d'une entrée ou d'un contexte donné. Ils sont entraînés sur de grandes quantités de données textuelles provenant de divers domaines et sources, et ils peuvent capturer les modèles syntaxiques et sémantiques du langage naturel. Les LLM ont obtenu des résultats impressionnants dans diverses tâches liées au langage naturel, telles que le résumé de texte, la réponse aux questions, la génération de texte, etc.
Cette formation en direct (en ligne ou sur site) est destinée aux développeurs de niveau débutant à intermédiaire qui souhaitent utiliser des modèles de langage à grande échelle pour diverses tâches liées au langage naturel.
A l'issue de cette formation, les participants seront capables de :
-
Mettre en place un environnement de développement qui inclut un LLM populaire.
Créer un LLM de base et l'affiner sur un ensemble de données personnalisé.
Utiliser les LLM pour différentes tâches de langage naturel telles que le résumé de texte, la réponse aux questions, la génération de texte, etc.
Déboguer et évaluer les LLM à l'aide d'outils tels que TensorBoard, PyTorch Lightning et Hugging Face Datasets.
-
Exposé et discussion interactifs.
Beaucoup d'exercices et de pratique.
Mise en œuvre pratique dans un environnement de laboratoire réel.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.
7 heures
AlphaFold est un système Artificial Intelligence (AI) qui effectue la prévision des structures protéines. Il est développé par Alphabet’s/Google’s DeepMind comme un système d'apprentissage profond qui peut prédire avec précision les modèles 3D des structures protéines.
Cette formation guidée par les instructeurs, en direct (online ou sur site) est destinée aux biologistes qui souhaitent comprendre comment AlphaFold fonctionne et utilise AlphaFold les modèles en tant que guides dans leurs études expérimentales.
À la fin de cette formation, les participants seront en mesure de :
-
Comprendre les principes fondamentaux de AlphaFold.
Apprenez comment cela fonctionne AlphaFold.
Apprenez à interpréter AlphaFold les prévisions et les résultats.
-
Lecture et discussion interactives.
Beaucoup d’exercices et de pratiques.
La mise en œuvre dans un environnement de laboratoire en direct.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
21 heures
Stable Diffusion est un puissant modèle d'apprentissage profond capable de générer des images détaillées à partir de descriptions textuelles. .. ;
Cette formation en direct (en ligne ou sur site) s'adresse aux data scientists, aux ingénieurs en apprentissage automatique et aux chercheurs en vision par ordinateur qui souhaitent tirer parti de Stable Diffusion pour générer des images de haute qualité pour une variété de cas d'utilisation.
A l'issue de cette formation, les participants seront capables de :
-
Comprendre les principes de Stable Diffusion et son fonctionnement pour la génération d'images.
Construire et entraîner des modèles Stable Diffusion pour les tâches de génération d'images.
Appliquer Stable Diffusion à divers scénarios de génération d'images, tels que l'inpainting, l'outpainting et la traduction d'image à image.
Optimiser les performances et la stabilité des modèles Stable Diffusion.
-
Exposé et discussion interactifs.
Beaucoup d'exercices et de pratique.
Mise en œuvre pratique dans un environnement de laboratoire réel.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser
14 heures
RapidMiner est une plateforme d'analyse avancée qui fournit un environnement intégré pour la préparation des données, l'apprentissage automatique, l'apprentissage profond, l'exploration de texte et l'analyse prédictive.
Cette formation en ligne ou sur site, animée par un instructeur, s'adresse aux analystes de données de niveau intermédiaire qui souhaitent apprendre à utiliser RapidMiner pour estimer et projeter des valeurs et utiliser des outils analytiques pour la prévision de séries temporelles.
A l'issue de cette formation, les participants seront capables de :
-
Apprendre à appliquer la méthodologie CRISP-DM, sélectionner les algorithmes d'apprentissage automatique appropriés et améliorer la construction et la performance des modèles.
Utiliser RapidMiner pour estimer et projeter des valeurs, et utiliser des outils analytiques pour la prévision de séries temporelles.
-
Exposé et discussion interactifs.
Beaucoup d'exercices et de pratique.
Mise en œuvre pratique dans un environnement de laboratoire réel.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.
14 heures
Waikato Environment for Knowledge Analysis (Weka) est un logiciel de visualisation de mining de données à source ouverte. Il fournit une collection d'algorithmes d'apprentissage automatique pour la préparation des données, la classification, le cluster et d'autres activités de minage de données.
Cette formation guidée par des instructeurs, en direct (online ou sur site) est destinée à des analystes de données et des scientifiques de données qui souhaitent utiliser Weka pour effectuer des tâches de minage de données.
À la fin de cette formation, les participants seront en mesure de :
-
Installer et configurer Weka
Comprendre Weka l’environnement et le système de travail.
Exécuter des tâches de minage de données en utilisant Weka.
-
Lecture et discussion interactives.
Beaucoup d’exercices et de pratiques.
La mise en œuvre dans un environnement de laboratoire en direct.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
14 heures
L'objectif de ce cours est de fournir une compétence de base dans l'application Machine Learning des méthodes en pratique. Grâce à l'utilisation du langage de programmation Python et ses différentes bibliothèques, et sur la base d'une multitude d'exemples pratiques, ce cours enseigne comment utiliser les blocs de construction les plus importants Machine Learning, comment prendre des décisions de modélisation des données, interpréter les résultats des algorithmes et valider les résultats.
Notre objectif est de vous donner les compétences pour comprendre et utiliser les outils les plus fondamentaux de la boîte d'outils Machine Learning avec confiance et éviter les tombes communes des applications Data Science.
21 heures
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 .
28 heures
le but de ce cours est de fournir une compétence générale dans l’application des méthodes de machine learning dans la pratique. Grâce à l’utilisation du langage de programmation Python et de ses différentes bibliothèques, et basé sur une multitude d’exemples pratiques, ce cours enseigne comment utiliser les principaux éléments constitutifs de machine learning, comment faire des décisions de modélisation de données, interpréter les les sorties des algorithmes et valider les résultats.
notre objectif est de vous donner les compétences pour comprendre et utiliser les outils les plus fondamentaux de la boîte à outils machine learning en toute confiance et d’éviter les pièges communs des applications Data sciences.
28 heures
C'est un cours de 4 jours introduisant l'IA et son application en utilisant le langage de programmation Python. Il y a une option d'avoir un jour supplémentaire pour mener un projet d'IA à la fin de ce cours.
21 heures
Deep Reinforcement Learning fait référence à la capacité d'un "agent artificiel" à apprendre par essais et erreurs et récompenses et punitions. Un agent artificiel vise à imiter la capacité d'un humain à obtenir et à construire des connaissances par lui-même, directement à partir d'intrants bruts tels que la vision. Pour réaliser l'apprentissage par renforcement, l'apprentissage en profondeur et les réseaux de neurones sont utilisés. L'apprentissage par renforcement est différent de l'apprentissage automatique et ne repose pas sur des approches d'apprentissage supervisé et non supervisé.Cette formation en direct, animée par un instructeur (sur site ou à distance), est destinée aux développeurs et aux scientifiques des données qui souhaitent apprendre les bases de Deep Reinforcement Learning au fur et à mesure de la création d'un agent Deep Learning.Au terme de cette formation, les participants seront capables de :
- Comprendre les concepts clés derrière Deep Reinforcement Learning et être capable de le distinguer de Machine Learning. Appliquez des algorithmes avancés Reinforcement Learning pour résoudre des problèmes du monde réel. Créez un agent Deep Learning.
- Conférence interactive et discussion. Beaucoup d'exercices et de pratique. Mise en œuvre pratique dans un environnement de laboratoire réel.
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
28 heures
L’apprentissage en machine 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 domaine de l’apprentissage en machine qui utilise des méthodes basées sur les représentations de données d’apprentissage et les structures telles que les réseaux neuronaux.
Python est un langage de programmation de haut niveau connu pour sa syntaxe claire et sa lecture de code.
Dans cette formation guidée par l'instructeur, les participants apprendront comment mettre en œuvre des modèles d'apprentissage profond pour les télécoms en utilisant Python alors qu'ils passent par la création d'un modèle de risque de crédit d'apprentissage profond.
À la fin de cette formation, les participants seront en mesure de :
-
Comprendre les concepts fondamentaux de l’apprentissage profond.
Apprendre les applications et les utilisations de l'apprentissage profond dans la télécommunication.
Utilisez Python, Keras, et TensorFlow pour créer des modèles d'apprentissage profond pour les télécoms.
Construisez votre propre modèle d'apprentissage profond du client en utilisant Python.
-
Lecture et discussion interactives.
Beaucoup d’exercices et de pratiques.
La mise en œuvre dans un environnement de laboratoire en direct.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
14 heures
Embedding Projector est une application Web opensource permettant de visualiser les données utilisées pour former les systèmes d'apprentissage automatique Créé par Google, il fait partie de TensorFlow Cette formation en direct instruit présente les concepts derrière Embedding Projector et guide les participants à travers la configuration d'un projet de démonstration À la fin de cette formation, les participants seront en mesure de: Explorer comment les données sont interprétées par des modèles d'apprentissage automatique Naviguer à travers les vues 3D et 2D des données pour comprendre comment un algorithme d'apprentissage automatique l'interprète Comprendre les concepts derrière Embeddings et leur rôle dans la représentation des vecteurs mathématiques pour les images, les mots et les chiffres Explorer les propriétés d'un embedding spécifique pour comprendre le comportement d'un modèle Appliquer le projet d'intégration à des cas d'utilisation du monde réel tels que la construction d'un système de recommandation de chanson pour les mélomanes Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
7 heures
Ce cours a été conçu pour les managers, les architectes de solutions, les responsables de l'innovation, les directeurs techniques, les architectes logiciels et toute personne intéressée par une vue d'ensemble de l'intelligence artificielle appliquée et par les prévisions les plus proches concernant son développement.
14 heures
À quoi ressembleront les villes à l'avenir? Comment utiliser Artificial Intelligence (AI) pour améliorer la planification urbaine? Comment l'IA peut-elle être utilisée pour rendre les villes plus efficaces, plus vivables, plus sûres et plus écologiques? Dans cette formation en direct, animée par un instructeur (sur site ou à distance), nous examinons les différentes technologies qui composent l’IA, ainsi que les ensembles de compétences et le cadre mental nécessaires pour les utiliser pour la planification urbaine. Nous couvrons également les outils et les approches permettant de collecter et d’organiser des données pertinentes pour une utilisation en intelligence artificielle, notamment l’exploration de données. Public
- Urbanistes
- Architectes
- Développeurs
- Fonctionnaires des transports
- Partie conférence, partie discussion et série d'exercices interactifs.
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.
14 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
- Partie lecture, partie discussion, exercices pratiques
35 heures
Ce cours est créé pour les personnes qui n'ont aucune expérience en probabilités et statistiques .
14 heures
L'algèbre linéaire est une branche des mathématiques qui traite des vecteurs, des matrices et des transformations linéaires. La connaissance de l'algèbre linéaire aide les ingénieurs et les développeurs à améliorer leurs capacités d'apprentissage machine. Comprendre les concepts de l'algèbre linéaire leur permet de mieux comprendre les principes qui sous-tendent les techniques d'apprentissage automatique et ainsi résoudre les problèmes plus rapidement. Au cours de cette formation en direct animée par un instructeur, les participants apprendront les bases de l'algèbre linéaire au cours de la résolution d'un problème d'apprentissage automatique à l'aide de méthodes d'algèbre linéaire. À la fin de cette formation, les participants seront en mesure de:
- Comprendre les concepts fondamentaux de l'algèbre linéaire
- Apprendre les compétences en algèbre linéaire nécessaires à l'apprentissage automatique
- Utilisez des structures et des concepts d'algèbre linéaire lorsque vous travaillez avec des données, des images, des algorithmes, etc.
- Résoudre un problème d'apprentissage machine en utilisant l'algèbre linéaire
- Développeurs
- Ingénieurs
- Partie de conférence, partie de discussion, exercices et exercices intensifs
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.
21 heures
Azure Machine Learning (AML) est un environnement pay-as-you-go, basé sur le cloud pour la formation, le déploiement, l'automatisation, la gestion et le suivi des modèles ML.
Cette formation guidée par l'instructeur, en direct (online ou sur site) est destinée aux ingénieurs qui souhaitent utiliser Azure la plate-forme de drag-and-drop de ML pour déployer Machine Learning les charges de travail sans avoir à acheter du logiciel et du matériel et sans avoir à s'inquiéter de la maintenance et du déploiement.
À la fin de cette formation, les participants seront en mesure de :
-
Écrivez des modèles d'apprentissage automatique très précis en utilisant les outils Python, R ou code zéro.
Leverage Azure's des ensembles de données disponibles et des algorithmes pour former et suivre les modèles d'apprentissage machine et d'apprentissage profond.
Utilisez l’espace de travail interactif Azure pour développer en collaboration les modèles ML.
Choisissez parmi différents cadres ML soutenus Azure tels que PyTorch, TensorFlow, et scikit-learn.
-
Lecture et discussion interactives.
Beaucoup d’exercices et de pratiques.
La mise en œuvre dans un environnement de laboratoire en direct.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
21 heures
Le réseau de neurones artificiels est un modèle de données informatique utilisé dans le développement de systèmes d' Artificial Intelligence (AI) capables d'effectuer des tâches "intelligentes". Neural Networks sont couramment utilisés dans les applications Machine Learning (ML), qui sont elles-mêmes une implémentation de l'IA. Deep Learning est un sous-ensemble de ML.
28 heures
This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course.
14 heures
Ce cours de formation est destiné aux personnes souhaitant appliquer le Machine Learning à des applications pratiques. Public Ce cours est destiné aux scientifiques et aux statisticiens qui connaissent bien les statistiques et savent programmer R (ou Python ou une autre langue choisie). Ce cours met l'accent sur les aspects pratiques de la préparation, de l'exécution, de l'analyse et de la visualisation de modèles / données. Le but est de donner des applications pratiques à Machine Learning aux participants souhaitant appliquer les méthodes au travail. Des exemples sectoriels sont utilisés pour rendre la formation pertinente pour le public cible.
21 heures
Amazon Web Services (AWS) SageMaker est un service d'apprentissage en machine dans le cloud qui permet aux développeurs de construire, de former et de déployer rapidement des modèles d'apprentissage en machine à n'importe quelle échelle.
Cette formation guidée par des instructeurs, en direct (online ou sur site) est destinée à des scientifiques de données et des développeurs qui souhaitent créer et former des modèles d'apprentissage automatique pour la mise en œuvre dans des environnements d'hébergement prêts à la production.
À la fin de cette formation, les participants seront en mesure de :
-
Utilisez des exemples de notebooks pour préparer et télécharger les données pour la formation.
Apprendre les modèles d’apprentissage automatique en utilisant des données de formation.
Déployez des modèles formés vers un endpoint pour créer des prévisions.
-
Lecture et discussion interactives.
Beaucoup d’exercices et de pratiques.
La mise en œuvre dans un environnement de laboratoire en direct.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
14 heures
Azure Machine Learning est une plate-forme basée sur le cloud pour la construction, la formation et le déploiement de modèles d'apprentissage automatique. Azure Machine Learning permet aux utilisateurs de créer des solutions d'apprentissage automatique sans une seule ligne de code.
Cette formation guidée par l'instructeur, en direct (online ou sur site) est destinée aux scientifiques de données qui souhaitent utiliser Azure Machine Learning pour construire des modèles d'apprentissage machine à terme pour l'analyse prédictive.
À la fin de cette formation, les participants seront en mesure de :
-
Construire des modèles d'apprentissage automatique avec une expérience de programmation zéro.
Créez des algorithmes prédictifs avec Azure Machine Learning.
Déployer des algorithmes d'apprentissage machine prêts à la production.
-
Lecture et discussion interactives.
Beaucoup d’exercices et de pratiques.
La mise en œuvre dans un environnement de laboratoire en direct.
-
Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
21 heures
Ce cours sera une combinaison de théorie et de travaux pratiques avec des exemples spécifiques utilisés tout au long de l'événement.
Dernière mise à jour :
Weekend Machine Learning (ML) cours, Soir ML (Machine Learning) formation, Machine Learning (ML) stage d’entraînement, Machine Learning (ML) formateur à distance, Machine Learning (ML) formateur en ligne, Machine Learning (ML) formateur Online, Machine Learning (ML) cours en ligne, ML (Machine Learning) cours à distance, ML (Machine Learning) professeur à distance, ML (Machine Learning) visioconférence, Machine Learning stage d’entraînement intensif, Machine Learning (ML) formation accélérée, Machine Learning (ML) formation intensive, Formation inter Machine Learning (ML), Formation intra ML (Machine Learning), Formation intra Enteprise Machine Learning, Formation inter Entreprise Machine Learning (ML), Weekend ML (Machine Learning) formation, Soir Machine Learning cours, Machine Learning (ML) coaching, Machine Learning entraînement, ML (Machine Learning) préparation, Machine Learning instructeur, ML (Machine Learning) professeur, ML (Machine Learning) formateur, Machine Learning (ML) stage de formation, Machine Learning (ML) cours, Machine Learning (ML) sur place, ML (Machine Learning) formations privées, Machine Learning (ML) formation privée, Machine Learning (ML) cours particulier, Machine Learning (ML) cours particuliers
