Cursuri de pregatire Deep Learning Neural Networks with Chainer

In this instructor-led, live training, we go over the principles of neural networks and use OpenNN to implement a sample application.

Format of the course

• Lecture and discussion coupled with hands-on exercises.

Acest curs a fost creat pentru manageri, arhitecți de soluții, ofițeri de inovare, CTO, arhitecți de software și pentru oricine este interesat de o prezentare generală a inteligenței artificiale aplicate și de cele mai apropiate previziuni privind dezvoltarea acesteia.

Instruirea se adresează persoanelor care doresc să învețe elementele de bază ale rețelelor neuronale și aplicațiile lor.

Acest curs este o introducere în aplicarea rețelelor neuronale în problemele din lumea reală folosind software-ul R-project.

Acest curs de formare este pentru persoanele care ar dori să aplice Machine Learning în aplicații practice.

Public

Acest curs este destinat cercetătorilor de date și statisticienilor care au o anumită familiaritate cu statisticile și știu cum să programeze R (sau Python sau altă limbă aleasă). Accentul pe acest curs se referă la aspectele practice ale pregătirii datelor / modelului, execuției, analizei post-hoc și vizualizării.

Scopul este de a oferi aplicații practice Machine Learning participanților interesați de aplicarea metodelor la locul de muncă.

Exemple specifice sectorului sunt folosite pentru a face formarea relevantă pentru public.

Rețeaua neurală artificială este un model de date computational utilizat în dezvoltarea sistemelor de Artificial Intelligence (AI) capabile să realizeze sarcini "inteligente". Neural Networks sunt utilizate în mod obișnuit în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML.

Rețeaua neurală artificială este un model de date computational utilizat în dezvoltarea sistemelor de Artificial Intelligence (AI) capabile să realizeze sarcini "inteligente". Neural Networks sunt utilizate în mod obișnuit în aplicațiile Machine Learning (ML), care sunt ele însele o implementare a AI. Deep Learning este un subset al ML.

Acest curs acoperă AI (emphasizing Machine Learning și Deep Learning) în Automotive Industria. Ajută la determinarea tehnologiei care poate fi (potential) utilizată în mai multe situații într-un autovehicul: de la automatizare simplă, recunoaștere a imaginii la luarea de decizii autonome.

This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications).

This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.

Acest curs live, condus de instructor, oferă o introducere în domeniul recunoașterii modelelor și învățării automate. Acesta atinge aplicații practice în statistici, informatică, procesare de semnal, viziune computerizată, extragere de date și bioinformatică.

Cursul este interactiv și include o mulțime de exerciții practice, feedback-ul instructorului și testarea cunoștințelor și abilităților dobândite.

Tip: Pregătire teoretică cu aplicații decise în amonte cu elevii de la Lasagne sau Keras funcție de grupul pedagogic

Metoda de predare: prezentare, schimburi și studii de caz

Inteligența artificială, după ce a perturbat multe domenii științifice, a început să revoluționeze un număr mare de sectoare economice (industrie, medicină, comunicare etc.). Cu toate acestea, prezentarea sa în marile mass-media este adesea fantezie, foarte departe de ceea ce sunt cu adevărat domeniile de Machine Learning sau Deep Learning . Scopul acestei instruiri este de a oferi inginerilor care au deja o stăpânire a instrumentelor informatice (inclusiv o bază de programare software) o introducere în Deep Learning și diferitele sale domenii de specializare și, prin urmare, în principalele arhitecturi de rețea existente. astăzi. Dacă bazele matematice sunt amintite în timpul cursului, se recomandă un nivel de matematică de tip BAC + 2 pentru mai mult confort. Este absolut posibil să sări peste axa matematică pentru a păstra doar o viziune „sistem”, dar această abordare îți va limita enorm înțelegerea subiectului.

În cadrul acestui curs de instruire live, condus de un instructor în Moldova, participanții vor învăța cum să profite de inovațiile din procesoarele TPU pentru a maximiza performanța propriilor aplicații AI.

La sfârșitul cursului, participanții vor fi capabili să:

• Învățați diferite tipuri de rețele neuronale pe cantități mari de date.
• Utilizați TPU pentru a accelera procesul de inferență cu până la două ordine de mărime.
.
• Utilizați TPU pentru a procesa aplicații intensive, cum ar fi căutarea de imagini, cloud vision și fotografii.
.

PaddlePaddle (PArallel Distributed Deep LEarning) is a scalable deep learning platform developed by Baidu.

In this instructor-led, live training, participants will learn how to use PaddlePaddle to enable deep learning in their product and service applications.

By the end of this training, participants will be able to:

• Set up and configure PaddlePaddle
• Set up a Convolutional Neural Network (CNN) for image recognition and object detection
• Set up a Recurrent Neural Network (RNN) for sentiment analysis
• Set up deep learning on recommendation systems to help users find answers
• Predict click-through rates (CTR), classify large-scale image sets, perform optical character recognition(OCR), rank searches, detect computer viruses, and implement a recommendation system.

Audience

• Developers
• Data scientists

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

În cadrul acestui training, instruit în direct, participanții vor învăța cum să folosească Matlab pentru a proiecta, construi și vizualiza o rețea neuronală convolutivă pentru recunoașterea imaginii.

Până la sfârșitul acestui antrenament, participanții vor putea:

• Construiți un model de învățare profundă
• Automatizarea etichetării datelor
• Lucrați cu modele de la Caffe și TensorFlow - Keras
• Antrenează date folosind mai multe GPU uri, cloud sau clustere

Public

• Dezvoltatori
• Ingineri
• Experți în domeniu

Formatul cursului

• Partea de prelegere, o discuție parțială, exerciții și practici practice