Cursos de Aprendizagem Profunda (Deep learning)

Cursos de Aprendizagem Profunda (Deep learning)

Cursos de Aprendizado de máquina profundo (Deep machine learning), aprendizado estruturado profundo (deep structured learning), hierarchical learning, DL. Cursos de treinamento ao vivo em sala de aula (Deep Learning - DL) locais demonstram, através da prática prática, os fundamentos e aplicações do Aprendizado Profundo e abrangem temas como aprendizado de máquina profunda, aprendizado estruturado profundo e aprendizado hierárquico O treinamento Deep Learning está disponível em vários formatos, incluindo treinamento ao vivo no local e treinamento online ao vivo e interativo. O treinamento ao vivo no local pode ser realizado nas instalações do cliente no Brasil ou nos centros de treinamento locais NobleProg no Brasil. O treinamento ao vivo remoto é realizado por meio de uma área de trabalho remota e interativa.



NobleProg -- Seu Provedor de Treinamento Local

Declaração de Clientes

★★★★★
★★★★★

Subcategorias Aprendizagem Profunda (Deep learning)

Programa de curso Aprendizagem Profunda (Deep learning)

Title
Duration
Overview
Title
Duration
Overview
14 hours
Overview
Este curso aborda a IA (enfatizando Aprendizado de Máquina e Aprendizado Profundo) na Indústria Automotiva Isso ajuda a determinar qual tecnologia pode ser (potencialmente) usada em várias situações em um carro: da automação simples, reconhecimento de imagem até a tomada de decisão autônoma .
21 hours
Overview
Neste treinamento ao vivo com instrutores, os participantes aprenderão técnicas avançadas para o Aprendizado de Máquina com o R ao passarem pela criação de um aplicativo do mundo real No final deste treinamento, os participantes serão capazes de: Use técnicas como ajuste de hyperparameter e aprendizagem profunda Compreender e implementar técnicas de aprendizagem não supervisionadas Coloque um modelo em produção para uso em um aplicativo maior Público Desenvolvedores Analistas Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
21 hours
Overview
Este curso cobre AI (enfatizando Aprendizado de Máquina e Aprendizado Profundo) .
28 hours
Overview
Este curso lhe dará conhecimento em redes neurais e, geralmente, em algoritmo de aprendizado de máquina, aprendizado profundo (algoritmos e aplicativos) Este treinamento é mais focado nos fundamentos, mas o ajudará a escolher a tecnologia certa: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc Os exemplos são feitos em TensorFlow .
14 hours
Overview
Esta sessão de treinamento baseada em sala de aula conterá apresentações e exemplos baseados em computador e exercícios de estudo de caso para realizar com bibliotecas de redes neurais e profundas relevantes .
14 hours
Overview
O OpenFace é um software de reconhecimento facial em tempo real baseado em Python e Torch, baseado na pesquisa FaceNet do Google Neste treinamento presencial instruído, os participantes aprenderão como usar os componentes do OpenFace para criar e implantar um aplicativo de reconhecimento facial de amostra No final deste treinamento, os participantes serão capazes de: Trabalhe com os componentes do OpenFace, incluindo dlib, OpenVC, Torch e nn4, para implementar detecção, alinhamento e transformação de faces Aplique o OpenFace a aplicações do mundo real, como vigilância, verificação de identidade, realidade virtual, jogos e identificação de clientes repetidos, etc Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
7 hours
Overview
neste treinamento ao vivo ministrado por instrutor, os participantes aprenderão como configurar e usar o OpenNMT para realizar a tradução de vários conjuntos de dados de amostra. O curso começa com uma visão geral das redes neurais conforme elas se aplicam à tradução automática. Os participantes realizarão exercícios ao vivo durante todo o curso para demonstrar sua compreensão dos conceitos aprendidos e obter feedback do instrutor.

no final deste treinamento, os participantes terão o conhecimento e a prática necessários para implementar uma solução OpenNMT ao vivo.

fonte e amostras de idioma de destino serão pré-organizadas por requisitos de audiência & #39; s.

formato do curso

- Part palestra, discussão parte, prática pesada hands-on
14 hours
Overview
OpenNN é uma biblioteca de classes de código aberto escrita em C ++ que implementa redes neurais, para uso em aprendizado de máquina.

Neste curso, examinamos os princípios das redes neurais e usamos o OpenNN para implementar um aplicativo de amostra.

Público
Desenvolvedores de software e programadores que desejam criar aplicativos Deep Learning.

Formato do curso
Palestra e discussão juntamente com exercícios práticos.
21 hours
Overview
PaddlePaddle (PArallel Distributed Deep LEarning) é uma plataforma de aprendizagem profunda escalável desenvolvida pela Baidu Neste treinamento ao vivo com instrutores, os participantes aprenderão como usar o PaddlePaddle para permitir o aprendizado profundo em seus aplicativos de produtos e serviços No final deste treinamento, os participantes serão capazes de: Configurar e configurar o PaddlePaddle Configurar uma rede neural por convolução (CNN) para reconhecimento de imagem e detecção de objetos Configurar uma Rede Neural Recorrente (RNN) para análise de sentimento Configure o aprendizado profundo em sistemas de recomendação para ajudar os usuários a encontrar respostas Prever taxas de cliques (CTR), classificar conjuntos de imagens em larga escala, realizar reconhecimento óptico de caracteres (OCR), classificar pesquisas, detectar vírus de computador e implementar um sistema de recomendação Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
21 hours
Overview
Neste treinamento presencial instruído, os participantes aprenderão as técnicas de aprendizado de máquina mais relevantes e inovadoras do Python, pois eles criam uma série de aplicativos de demonstração que envolvem dados de imagem, música, texto e dados financeiros No final deste treinamento, os participantes serão capazes de: Implementar algoritmos e técnicas de aprendizado de máquina para resolver problemas complexos Aplicar aprendizado profundo e aprendizado semissupervisionado a aplicativos que envolvam dados de imagem, música, texto e dados financeiros Empurre os algoritmos do Python para o seu potencial máximo Use bibliotecas e pacotes como NumPy e Theano Público Desenvolvedores Analistas Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
21 hours
Overview
A SINGA é uma plataforma geral de aprendizagem profunda distribuída para treinamento de grandes modelos de aprendizagem profunda em grandes conjuntos de dados Ele é projetado com um modelo de programação intuitivo baseado na abstração da camada Uma variedade de modelos populares de aprendizagem profunda são suportados, a saber, modelos feedforward incluindo redes neurais convolucionais (CNN), modelos de energia como a máquina Boltzmann restrita (RBM) e redes neurais recorrentes (RNN) Muitas camadas incorporadas são fornecidas para usuários A arquitetura SINGA é suficientemente flexível para executar estruturas de treinamento síncronas, assíncronas e híbridas O SINGA também suporta diferentes esquemas de particionamento de redes neurais para paralelizar o treinamento de grandes modelos, a saber, particionamento em dimensão de lote, dimensão de recurso ou particionamento híbrido Público Este curso é direcionado a pesquisadores, engenheiros e desenvolvedores que buscam utilizar o Apache SINGA como uma estrutura de aprendizado profundo Depois de concluir este curso, os delegados irão: compreender a estrutura e os mecanismos de implantação da SINGA ser capaz de realizar tarefas de instalação / ambiente de produção / arquitetura e configuração ser capaz de avaliar a qualidade do código, executar a depuração, monitoramento ser capaz de implementar a produção avançada, como modelos de treinamento, incorporação de termos, construção de gráficos e registros .
14 hours
Overview
Neste treinamento presencial instruído, os participantes aprenderão como usar o Matlab para projetar, construir e visualizar uma rede neural convolucional para reconhecimento de imagem No final deste treinamento, os participantes serão capazes de: Construa um modelo de aprendizado profundo Automatizar a rotulagem de dados Trabalhar com modelos de Caffe e TensorFlowKeras Treinar dados usando várias GPUs, a nuvem ou clusters Público Desenvolvedores Engenheiros Especialistas de domínio Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
7 hours
Overview
O Tensor2Tensor (T2T) é uma biblioteca modular e extensível para treinar modelos de IA em diferentes tarefas, usando diferentes tipos de dados de treinamento, por exemplo: reconhecimento de imagem, tradução, análise, legendagem de imagens e reconhecimento de fala É mantido pela equipe do Google Brain Neste treinamento presencial instruído, os participantes aprenderão a preparar um modelo deeplearning para resolver várias tarefas No final deste treinamento, os participantes serão capazes de: Instale tensor2tensor, selecione um conjunto de dados e treine e avalie um modelo de AI Personalize um ambiente de desenvolvimento usando as ferramentas e componentes incluídos no Tensor2Tensor Crie e use um modelo único para conhecer simultaneamente várias tarefas de vários domínios Use o modelo para aprender com tarefas com uma grande quantidade de dados de treinamento e aplique esse conhecimento a tarefas em que os dados são limitados Obtenha resultados de processamento satisfatórios usando uma única GPU Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
7 hours
Overview
O TensorFlow Serving é um sistema para servir modelos de aprendizado de máquina (ML) à produção Neste treinamento presencial instruído, os participantes aprenderão como configurar e usar o TensorFlow Serving para implantar e gerenciar modelos ML em um ambiente de produção No final deste treinamento, os participantes serão capazes de: Treinar, exportar e servir vários modelos TensorFlow Teste e implemente algoritmos usando uma única arquitetura e um conjunto de APIs Estenda o TensorFlow Serving para atender outros tipos de modelos além dos modelos do TensorFlow Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
21 hours
Overview
O TensorFlow é um API de segunda geração da biblioteca de software de código aberto do Google para o Deep Learning.
O sistema é desenhado para facilitar a pesquisa em machine learning e para tornar facil e rapido a transição do prototipo de pesquisa ao sistema de produção.

Público:
Este curso é dirigido a todos aqueles engeheiros que buscam utilizar o TensorFlow para seus projetos de Deep Learning, já sejam pessoais ou laborais.
Depois de completar o Curso, os participantes poderão:

- Entender a estrutura do TensorFlow e os seus mecanismos.
- poderão fazer a instalação do ambiente de produççao no programa
- Poderão entender e monitorar a qualidade do código esrito.
- Imlementar modelos avançados de treinamento, raficos e logging.
28 hours
Overview
Este curso explora, com exemplos específicos, a aplicação do Tensor Flow para fins de reconhecimento de imagem Público Este curso destina-se a engenheiros que desejam utilizar o TensorFlow para fins de Reconhecimento de Imagem Depois de concluir este curso, os delegados poderão: entender a estrutura e os mecanismos de implantação do TensorFlow executar tarefas de instalação / ambiente de produção / arquitetura e configuração avaliar a qualidade do código, executar a depuração, monitoramento implementar a produção avançada, como modelos de treinamento, construção de gráficos e registro .
21 hours
Overview
O Torch é uma biblioteca de aprendizado de máquina de código aberto e uma estrutura de computação científica baseada na linguagem de programação Lua Ele fornece um ambiente de desenvolvimento para numerics, machine learning e computer vision, com ênfase particular em deep learning e redes convolucionais É um dos frameworks mais rápidos e flexíveis para Machine e Deep Learning e é usado por empresas como Facebook, Google, Twitter, NVIDIA, AMD, Intel e muitas outras Neste curso, cobrimos os princípios do Torch, seus recursos exclusivos e como ele pode ser aplicado em aplicativos do mundo real Passamos por numerosos exercícios de handson durante todo o tempo, demonstrando e praticando os conceitos aprendidos No final do curso, os participantes terão uma compreensão completa dos recursos e capacidades subjacentes da Tocha, bem como seu papel e contribuição dentro do espaço da IA, em comparação com outras estruturas e bibliotecas Os participantes também terão recebido a prática necessária para implementar o Torch em seus próprios projetos Público Desenvolvedores de software e programadores que desejam habilitar o Machine and Deep Learning em seus aplicativos Formato do curso Visão Geral da Máquina e Aprendizagem Profunda Incluindo exercícios de codificação e integração Faça perguntas de teste ao longo do caminho para verificar a compreensão .
7 hours
Overview
A Unidade de Processamento Tensor (TPU) é a arquitetura que o Google usa internamente há vários anos, e só agora está se tornando disponível para uso pelo público em geral Ele inclui várias otimizações especificamente para uso em redes neurais, incluindo multiplicação de matriz simplificada e inteiros de 8 bits em vez de 16 bits para retornar níveis de precisão apropriados Neste treinamento presencial instruído, os participantes aprenderão como aproveitar as inovações dos processadores TPU para maximizar o desempenho de seus próprios aplicativos de inteligência artificial No final do treinamento, os participantes serão capazes de: Treinar vários tipos de redes neurais em grandes quantidades de dados Use TPUs para acelerar o processo de inferência em até duas ordens de magnitude Utilize TPUs para processar aplicativos intensivos, como pesquisa de imagens, visão em nuvem e fotos Público Desenvolvedores Pesquisadores Engenheiros Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
35 hours
Overview
TensorFlow ™ é uma biblioteca de software de código aberto para computação numérica usando gráficos de fluxo de dados SyntaxNet é uma estrutura de processamento de linguagem natural neuralnetwork para o TensorFlow O Word2Vec é usado para aprender representações vetoriais de palavras, chamadas de "incorporação de palavras" O Word2vec é um modelo preditivo particularmente eficiente em termos de computação para o aprendizado de incorporação de palavras a partir de texto bruto Ele vem em dois sabores, o modelo contínuo BagofWords (CBOW) e o modelo SkipGram (Capítulo 31 e 32 em Mikolov et al) Usado em conjunto, o SyntaxNet e o Word2Vec permitem que os usuários gerem modelos de Embutimento Aprendizado a partir da entrada da Linguagem Natural Público Este curso destina-se a desenvolvedores e engenheiros que pretendem trabalhar com os modelos SyntaxNet e Word2Vec em seus gráficos TensorFlow Depois de concluir este curso, os delegados irão: entender a estrutura e os mecanismos de implantação do TensorFlow ser capaz de realizar tarefas de instalação / ambiente de produção / arquitetura e configuração ser capaz de avaliar a qualidade do código, executar a depuração, monitoramento ser capaz de implementar a produção avançada, como modelos de treinamento, incorporação de termos, construção de gráficos e registros .
35 hours
Overview
Este curso começa com o fornecimento de conhecimento conceitual em redes neurais e, geralmente, em algoritmos de aprendizado de máquina, aprendizado profundo (algoritmos e aplicativos) Parte 1 (40%) deste treinamento é mais foco nos fundamentos, mas irá ajudá-lo a escolher a tecnologia certa: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc Parte 2 (20%) deste treinamento introduz Theano uma biblioteca python que facilita escrever modelos de aprendizagem profunda A parte 3 (40%) do treinamento seria amplamente baseada na API do Tensorflow 2nd Generation da biblioteca de software de código aberto do Google para Deep Learning Os exemplos e handson seriam todos feitos em TensorFlow Público Este curso é destinado a engenheiros que desejam usar o TensorFlow em seus projetos Deep Learning Depois de concluir este curso, os delegados irão: ter um bom entendimento sobre redes neurais profundas (DNN), CNN e RNN entender a estrutura e os mecanismos de implantação do TensorFlow ser capaz de realizar tarefas de instalação / ambiente de produção / arquitetura e configuração ser capaz de avaliar a qualidade do código, executar a depuração, monitoramento ser capaz de implementar a produção avançada, como modelos de treinamento, construção de gráficos e registro Nem todos os tópicos seriam abordados em uma sala de aula pública com 35 horas de duração devido à vastidão do assunto A duração do curso completo será de cerca de 70 horas e não de 35 horas .
21 hours
Overview
O Microsoft Cognitive Toolkit 2x (anteriormente CNTK) é um kit de ferramentas de versão comercial de código aberto que treina algoritmos de aprendizado profundo para aprender como o cérebro humano Segundo a Microsoft, o CNTK pode ser 510x mais rápido que o TensorFlow em redes recorrentes, e 2 a 3 vezes mais rápido que o TensorFlow para tarefas relacionadas a imagens Neste treinamento presencial instruído, os participantes aprenderão a usar o Microsoft Cognitive Toolkit para criar, treinar e avaliar algoritmos de aprendizado profundo para uso em aplicativos de IA de grau comercial envolvendo vários tipos de dados, como dados, fala, texto e imagens No final deste treinamento, os participantes serão capazes de: Acesse o CNTK como uma biblioteca dentro de um programa em Python, C # ou C ++ Use o CNTK como uma ferramenta de aprendizado de máquina autônoma por meio de sua própria linguagem de descrição de modelo (BrainScript) Use a funcionalidade de avaliação do modelo CNTK de um programa Java Combinar DNNs feedforward, redes convolucionais (CNNs) e redes recorrentes (RNNs / LSTMs) Capacidade de computação de escala em CPUs, GPUs e várias máquinas Acessar conjuntos de dados enormes usando linguagens de programação e algoritmos existentes Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada Nota Se você deseja personalizar qualquer parte deste treinamento, incluindo a linguagem de programação escolhida, entre em contato conosco para agendar .
21 hours
Overview
Tipo: Formação teórica com candidaturas decididas a montante com os alunos em Lasanha ou Keras de acordo com o grupo pedagógico Método de ensino: apresentação, trocas e estudos de caso A inteligência artificial, depois de ter interrompido muitos campos científicos, começou a revolucionar um grande número de setores econômicos (indústria, medicina, comunicação, etc) No entanto, sua apresentação nos principais meios de comunicação é muitas vezes fantasiosa, muito distante daquelas que são realmente as áreas de Machine Learning ou Deep Learning O objetivo deste treinamento é fornecer aos engenheiros que já possuem um domínio de ferramentas de computador (incluindo uma base de programação de software) uma introdução ao Deep Learning e suas diversas áreas de especialização e, portanto, às principais arquiteturas de rede existentes hoje Se as bases matemáticas forem lembradas durante o curso, um nível de matemática do tipo BAC + 2 é recomendado para maior conforto É absolutamente possível pular o eixo matemático para manter apenas uma visão de "sistema", mas essa abordagem limitará enormemente sua compreensão do assunto .
21 hours
Overview
Rede Neural Artificial é um modelo computacional de dados utilizado no desenvolvimento de sistemas de Inteligência Artificial (IA) capazes de realizar tarefas "inteligentes". Redes neurais são comumente usadas em aplicações de Aprendizado de Máquina (ML), que são elas mesmas uma implementação de IA. Deep Learning é um subconjunto do ML.
28 hours
Overview
O aprendizado de máquina é um ramo da Inteligência Artificial em que os computadores têm a capacidade de aprender sem serem programados explicitamente A aprendizagem profunda é um subcampo de aprendizado de máquina que utiliza métodos baseados em representações e estruturas de dados de aprendizado, como redes neurais R é uma linguagem de programação popular no setor financeiro Ele é usado em aplicativos financeiros que variam de programas de negociação principais a sistemas de gerenciamento de risco Neste treinamento presencial instruído, os participantes aprenderão como implementar modelos de aprendizado profundo para finanças usando o R, à medida que avançam na criação de um modelo de previsão de preço de ações de aprendizagem profunda No final deste treinamento, os participantes serão capazes de: Entenda os conceitos fundamentais da aprendizagem profunda Aprenda os aplicativos e usos da aprendizagem profunda em finanças Use R para criar modelos de aprendizado profundo para finanças Construa seu próprio modelo de previsão de preço de ações de aprendizagem profunda usando R Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
28 hours
Overview
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.
21 hours
Overview
Rede Neural Artificial é um modelo computacional de dados utilizado no desenvolvimento de sistemas de Inteligência Artificial (IA) capazes de realizar tarefas "inteligentes". Redes neurais são comumente usadas em aplicações de Aprendizado de Máquina (ML), que são elas mesmas uma implementação de IA. Deep Learning é um subconjunto do ML.
21 hours
Overview
Caffe é uma estrutura de aprendizagem profunda feita com expressão, velocidade e modularidade em mente Este curso explora a aplicação do Caffe como uma estrutura de aprendizagem profunda para o reconhecimento de imagens usando o MNIST como exemplo Público Este curso é adequado para pesquisadores e engenheiros do Deep Learning interessados ​​em utilizar o Caffe como um framework Depois de concluir este curso, os delegados poderão: entender a estrutura e os mecanismos de implantação do Caffe executar tarefas de instalação / ambiente de produção / arquitetura e configuração avaliar a qualidade do código, executar a depuração, monitoramento implementar produção avançada, como modelos de treinamento, implementação de camadas e registro .
21 hours
Overview
Este curso é uma visão geral do Deep Learning sem aprofundar em nenhum método específico. É adequado para pessoas que querem começar a usar o Aprendizado Profundo para melhorar sua precisão de previsão.
21 hours
Overview
O Deeplearning4j é a primeira biblioteca deeplearning distribuída, de código aberto e comercial, escrita para Java e Scala Integrado com o Hadoop e o Spark, o DL4J foi projetado para ser usado em ambientes de negócios em GPUs e CPUs distribuídas Público Este curso é dirigido a engenheiros e desenvolvedores que buscam utilizar o Deeplearning4j em seus projetos Após este curso, os delegados poderão: .
21 hours
Overview
Deeplearning4j é um software OpenSource DeepLearning para Java e Scala no Hadoop e Spark Público Este curso é destinado a engenheiros e desenvolvedores que desejam utilizar o DeepLearning4J em seus projetos de reconhecimento de imagem .

Próximos Cursos de Aprendizagem Profunda (Deep learning)

Cursos de fim de semana de Aprendizagem Profunda (Deep learning), Treinamento tardiurno de Aprendizagem Profunda (Deep learning), Treinamento em grupo de Aprendizagem Profunda (Deep learning), Aprendizagem Profunda (Deep learning) guiado por instrutor, Treinamento de Aprendizagem Profunda (Deep learning) de fim de semana, Cursos de Aprendizagem Profunda (Deep learning) tardiurnos, coaching de Aprendizagem Profunda (Deep learning), Instrutor de Aprendizagem Profunda (Deep learning), Treinador de Aprendizagem Profunda (Deep learning), Cursos de treinamento de Aprendizagem Profunda (Deep learning), Aulas de Aprendizagem Profunda (Deep learning), Aprendizagem Profunda (Deep learning) no local do cliente, Cursos privados de Aprendizagem Profunda (Deep learning), Treinamento individual de Aprendizagem Profunda (Deep learning)

Descontos em Cursos

Boletim Informativo de Descontos

Nós respeitamos a privacidade dos seus dados. Nós não vamos repassar ou vender o seu email para outras empresas.
Você sempre poderá editar as suas preferências ou cancelar a sua inscriçāo.

Nossos Clientes

is growing fast!

We are looking to expand our presence in Brazil!

As a Business Development Manager you will:

  • expand business in Brazil
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!