人工知能のトレーニングコース

人工知能のトレーニングコース

現地のインストラクターによるライブAI(人工知能)トレーニングコースでは、実世界の問題を解決するためのAIソリューションの実装方法を実践的に実践しています。 AIトレーニングは、「オンサイトライブトレーニング」または「リモートライブトレーニング」として利用できます。現場での現場でのトレーニングは、 日本 NobleProgの企業研修センターで日本 。リモートライブトレーニングは、インタラクティブなリモートデスクトップを介して実行されます。 NobleProg - あなたのローカルトレーニングプロバイダ。

お客様の声

★★★★★
★★★★★

人工知能コース概要

CodeNameDurationOverview
aiintArtificial Intelligence Overview7 hoursこのコースは、マネージャ、ソリューションアーキテクト、イノベーションオフィサー、CTO、ソフトウェアアーキテクト、および適用された人工知能の概要とその開発の最も近い予測に興味のある人向けに作成されています。
encogintroEncog: Introduction to Machine Learning14 hoursEncog は、Java と .net のためのオープンソースのマシン学習フレームワークです。

このインストラクター主導のライブトレーニングでは、参加者は ENCOG を使用してさまざまなニューラルネットワークコンポーネントを作成する方法を学習します。現実世界のケーススタディについて説明し、これらの問題に対するマシン言語ベースのソリューションについて検討します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- 正規化プロセスを使用してニューラルネットワークのデータを準備する
- は、フィードフォワードネットワークと伝播トレーニングの方法論を実装する
- 分類および回帰タスクの実装
Encog & #39 GUI ベースのワークベンチ を用いたニューラルネットワークの - モデルとトレーニング
- は、現実世界のアプリケーションにニューラルネットワークのサポートを統合する

観客

- 開発者
- アナリスト
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
undnnUnderstanding Deep Neural Networks35 hoursこのコースでは、ニューラルネットワークと一般的に機械学習アルゴリズム、深い学習 (アルゴリズムとアプリケーション) で概念的な知識を与えることから始まります。

このトレーニングの

パート 1 (40%) は、ファンダメンタルズに焦点を当てていますが、右の技術を選択するのに役立ちます: TensorFlow、カフェ、テアノ、DeepDrive、Keras、等

このトレーニングの

パート 2 (20%) では、ディープラーニングモデルを簡単に作成できる python ライブラリテアノを紹介しています。

トレーニングの

パート 3 (40%) は、Google & #39 の第2世代の API、深い学習のためのオープンソースのソフトウェアライブラリに基づいて広範囲に Tensorflow ます。例とハンドソンはすべて TensorFlow で行われます。

観客

このコースは、深い学習プロジェクトのために TensorFlow を使用しようとするエンジニアを対象としてい

このコースを修了すると、代表者は次のようになります:

-

は、ディープニューラルネットワーク (DNN)、CNN と RNN

についてよく理解している
-

TensorFlow の構造と展開メカニズムを理解する

-

は、インストール/プロダクション環境/アーキテクチャのタスクと構成を実行することができます

-

は、コードの品質を評価し、デバッグを実行し、

を監視することができます
-

は、トレーニングモデルのような高度な生産を実装することができる, グラフを構築し、ロギング

すべてのトピックでは、件名の広大さのために35時間の期間と公共の教室で覆われるだろう。

完全なコースの期間は約70時間ではなく、35時間になります。
opennlpOpenNLP for Text Based Machine Learning14 hoursApache OpenNLP ライブラリは、自然言語テキストを処理するための機械学習ベースのツールキットです。言語の検出、トークナイゼーション、文のセグメンテーション、品詞のタグ付け、名前付きエンティティの抽出、チャンク、解析、おけるの解決など、最も一般的な NLP タスクをサポートしています。

このインストラクター主導のライブトレーニングでは、OpenNLP を使用してテキストベースのデータを処理するモデルを作成する方法について説明します。サンプルのトレーニングデータと同様にカスタマイズされたデータセットは、演習の演習の基礎として使用されます。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- OpenNLP
のインストールと設定 - は、既存のモデルをダウンロードするだけでなく、独自の
を作成する - は、サンプルデータの様々なセットのモデルを訓練する
既存の Java アプリケーションと OpenNLP を統合する -

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
mlbankingpython_Machine Learning for Banking (with Python)21 hours機械学習は、コンピュータが明示的にプログラムされることなく学習する能力を持っている人工知能のブランチです。Python は、その明確な構文と読みやすさのためのプログラミング言語です。それはよくテストされたライブラリと機械学習アプリケーションを開発するためのテクニックの優れたコレクションを提供しています。

このインストラクター主導のライブトレーニングでは、銀行業界における現実世界の問題を解決するための機械学習技術やツールの適用方法を学びます。

の参加者は、まず、独自の機械学習モデルを構築し、チームプロジェクトの数を完了するためにそれらを使用して、実践に彼らの知識を入れて、主な原則を学びます。

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
mlbankingrMachine Learning for Banking (with R)28 hoursこのインストラクター主導のライブトレーニングでは、銀行業界における現実世界の問題を解決するための機械学習技術やツールの適用方法を学びます。R はプログラミング言語として使用されます。

の参加者は、まず、自分のマシンの学習モデルを構築し、ライブプロジェクトの数を完了するためにそれらを使用して、実践に彼らの知識を入れて、主な原則を学びます。

観客

- 開発者
- データサイエンティスト
技術的な背景を持つ - の銀行の専門家
コース の

形式

- 部講義、パート討論、演習と重い実地練習
python_nlpNatural Language Processing with Deep Dive in Python and NLTK35 hoursは、トレーニングの終わりまでに代表者が十分に不可欠な python の概念が装備されていることが期待され、十分に NLP と ML ベースの操作のほとんどを実装する NLTK を使用することができる必要があります。トレーニングは、実行の知識だけでなく、その技術の論理的かつ運用上の知識を提供することを目的としています。
matlabdlMatlab for Deep Learning14 hoursこのインストラクター主導の、ライブトレーニングでは、参加者は、設計、構築、および画像認識のための畳み込みニューラルネットワークを視覚化するために Matlab を使用する方法を学びます。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は深い学習モデルを構築する
- データラベリング
の自動化 カフェと TensorFlow-Keras からのモデルと - の仕事 複数の gpu、クラウド、またはクラスタを使用してデータを
- する

観客

- 開発者
- エンジニア
- ドメインの専門家
コース の

形式

- 部講義、パート討論、演習と重い実地練習
matlabpredanalyticsMatlab for Predictive Analytics21 hours予測分析は、データ分析を使用して将来に関する予測を行うプロセスです。このプロセスでは、データマイニング、統計、および機械学習の手法と共にデータを使用して、将来のイベントを予測するための予測モデルを作成します。

このインストラクター主導のライブトレーニングでは、Matlab を使用して予測モデルを作成し、それらを大規模なサンプルデータセットに適用して、データに基づいて将来のイベントを予測する方法について説明します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- 予測モデルを作成して、履歴データとトランザクション
のパターンを分析します。 - 予測モデリングを使用してリスクとオポチュニティを特定する
- は重要な傾向を取り込む数学的モデルを構築する
- は、デバイスやビジネスシステムのデータを使用して、廃棄物の削減、時間の節約、コスト削減を

観客

- 開発者
- エンジニア
- ドメインの専門家
コース の

形式

- 部講義、パート討論、演習と重い実地練習
tensorflowservingTensorFlow Serving7 hoursTensorFlow サービングは機械学習 (ML) モデルを生産に提供するためのシステムです。

このインストラクター主導のライブトレーニングでは、TensorFlow サービスを構成して使用して、ML モデルを運用環境で展開および管理する方法について説明します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- 列車、輸出、様々な TensorFlow モデルを提供
- は、単一のアーキテクチャと一連の api を使用して、テストおよび配備アルゴリズムを
- は TensorFlow モデルを越えて他のタイプのモデルを提供するためにサービング TensorFlow を拡張する

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
mliosMachine Learning on iOS14 hoursこのインストラクター主導のライブトレーニングでは、ios モバイルアプリの作成と展開をステップとして、ios マシンラーニング (ML) テクノロジスタックの使用方法について説明します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- 画像処理、テキスト解析、音声認識が可能なモバイルアプリを作成する
- は、ios アプリへの統合のために事前に訓練された ml モデルにアクセス
- カスタム ml モデルを作成する
- ios アプリに Siri 音声サポートを追加
- 理解また、coreML、ビジョン、CoreGraphics、GamePlayKit
などのフレームワークを使用して、Python、- 、Keras、コーヒー、sci キットの学習、Tensorflow、アナコンダ、スパイダー libsvm

観客の

のような言語やツールを使用

- 開発者

形式のコース

- パートの講義、一部の議論、演習と重い実践的な実践
nlgPython for Natural Language Generation21 hours自然言語生成 (NLG) は、コンピュータによる自然言語のテキストまたは音声の生産を指します。

このインストラクター主導のライブトレーニングでは、Python を使用して、独自の NLG システムをゼロから構築することによって、高品質な自然言語のテキストを生成する方法について説明します。ケーススタディも検討され、関連する概念は、コンテンツを生成するためのライブラボプロジェクトに適用されます。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は、NLG を使用して、ジャーナリズム、不動産、気象、スポーツレポートなど、さまざまな業種のコンテンツを自動的に生成し
- ソースコンテンツの選択と整理、文章のプランニング、オリジナルコンテンツの自動生成のためのシステムの準備
- は NLG のパイプラインを理解し、各段階で適切な技術を適用する
- 自然言語生成 (NLG) システムのアーキテクチャを理解する
- 解析および順序付けに最適なアルゴリズムとモデルを実装する
- は、一般に利用可能なデータソースからデータをプルし、生成されたテキストの材料として使用するキュレーションデータベース
- は、コンピュータ生成、自動化されたコンテンツの作成とマニュアルと労力を書くプロセスを置き換える

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
pythontextmlPython: Machine Learning with Text21 hoursは、このインストラクター主導で、ライブトレーニング、参加者は、テキストベースのデータから値を抽出するために適切な機械学習と NLP (自然言語処理) 技術を使用する方法を学びます。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は、高品質で再利用可能なコード
でテキストベースのデータサイエンスの問題を解決します。 - は、問題を解決するために scikit (分類、クラスタリング、回帰、次元削減) のさまざまな側面を適用し
- テキストベースのデータ
を用いた効果的な機械学習モデルの構築 - データセットを作成し、非構造化テキストからフィーチャを抽出する
Matplotlib でデータを視覚化 -
- を構築し、洞察力を得るためにモデルを評価
- テキストエンコーディングエラーのトラブルシューティング

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
encogadvEncog: Advanced Machine Learning14 hoursEncog は、Java と .net のためのオープンソースのマシン学習フレームワークです。

このインストラクター主導の, ライブトレーニング, 参加者は、正確なニューラルネットワークの予測モデルを構築するための高度の機械学習技術を学びます.

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は、underfitting とオーバーフィット回避
を解決するために異なるニューラルネットワークの最適化技術を実装する - 理解し、ニューラルネットワークのアーキテクチャの数から選択してください
- は、監視対象のフィードフォワードおよびフィードバックネットワークを実装し

観客

- 開発者
- アナリスト
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
dlfornlpDeep Learning for NLP (Natural Language Processing)28 hoursNLP のための

深い学習は、マシンが複雑な言語処理に簡単に学ぶことができます。現在可能なタスクの中には、写真の言語の翻訳とキャプションの生成があります。DL (ディープラーニング) は ML (機械学習) のサブセットです。Python は、NLP のための深い学習のためのライブラリが含まれている一般的なプログラミング言語です。

このインストラクター主導の、ライブトレーニングでは、参加者は、画像のセットを 処理し、キャプションを生成するアプリケーションを作成するように NLP (自然言語処理) の Python ライブラリを使用することを学びます。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

Python ライブラリを使用した NLP のための - デザインと コード DL
- は、画像の大幅に膨大なコレクションを読み取り、キーワードを生成する Python コードを作成し
- は が検出されたキーワードからキャプションを生成する Python コードを作成し

観客

- プログラマー 言語学に興味を持って
NLP の理解を求める - プログラマ (自然言語処理)
コース の

形式

- 部講義、パート討論、演習と重い実地練習
radvmlAdvanced Machine Learning with R21 hoursこのインストラクター主導のライブトレーニングでは、実際のアプリケーションの作成をステップとして、R を使用して機械学習のための高度なテクニックを学習します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

ハイパーパラメータのチューニングと深い学習 として - の使用技術
- を理解し、教師なし学習技術を実装する
- は、大規模なアプリケーションで使用するための生産にモデルを置く

観客

- 開発者
- アナリスト
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
pythonadvmlPython for Advanced Machine Learning21 hoursこのインストラクター主導のライブトレーニングでは、画像、音楽、テキスト、財務データを含む一連のデモアプリケーションを構築する際に、Python で最も関連性の高い最先端の機械学習技術を学びます。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は複雑な問題を解くための機械学習アルゴリズムと技法を実装する
- は、画像、音楽、テキスト、および財務データを含むアプリケーションに深い学習と半教師付き学習を適用する
- は Python アルゴリズムを最大のポテンシャル
にプッシュする - は NumPy やテアノなどのライブラリーやパッケージを使用して

観客

- 開発者
- アナリスト
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
fijiFiji: Introduction to Scientific Image Processing21 hoursフィジーは、ImageJ (科学的な多次元画像のための画像処理プログラム) と科学的な画像解析のためのプラグインの数をバンドルするオープンソースの画像処理パッケージです。

このインストラクター主導のライブトレーニングでは、フィジーの分布とその基礎となる ImageJ プログラムを使用して画像解析アプリケーションを作成する方法を受講者が学習します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- はフィジー & #39 を使用しています; ImageJ
を拡張するための高度なプログラミング機能とソフトウェアコンポーネント - ステッチ大規模な3d 画像の重なりタイルから
- は、統合された更新システムを使用して、起動時にフィジーのインストールを自動的に更新し
- は、幅広いスクリプト言語から選択して、カスタムイメージ解析ソリューションを構築し
- はフィジー & #39 を使用しています; 大規模な bioimage データセットの ImgLib などの強力ライブラリ
- は、アプリケーションを配備し、同様のプロジェクトで他の科学者と共同作業を行い

観客

- 科学者
- 研究者
- 開発者
コース の

形式

- 部講義、パート討論、演習と重い実地練習
rasberrypiopencvRaspberry Pi + OpenCV: Build a Facial Recognition System21 hoursこのインストラクター主導のライブトレーニングでは、最初から顔認識システムを構築するために必要なソフトウェア、ハードウェア、およびステップバイステップのプロセスを紹介します。顔面認識は顔認識としても知られています。

この実習で使用するハードウェアには、ラズベリー Pi、カメラモジュール、サーボ (オプション) などがあります。参加者は、これらのコンポーネント自体を購入する責任があります。使用されるソフトウェアには、OpenCV、Linux、Python などが含まれています

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は、ラズベリー Pi に Linux、OpenCV、およびその他のソフトウェアユーティリティとライブラリをインストールします。
- をキャプチャし、顔の画像を検出する OpenCV を設定します。
- は、実際の環境で使用するためにラズベリー Pi システムをパッケージングするためのさまざまなオプションを理解しています。
- は、監視、身元確認など、さまざまな使用例に合わせてシステムを適応させます

観客

- 開発者
- ハードウェア/ソフトウェア技術者
全産業における - 技術者
- 愛好家
コース の

形式

- 部講義、パート討論、演習と重い実地練習

ノート

- その他のハードウェアおよびソフトウェアのオプションが含まれます: Arduino、OpenFace、窓、など。あなたがこれらのいずれかを使用したい場合は、手配するために私達に連絡してください。
openfaceOpenFace: Creating Facial Recognition Systems14 hoursOpenFace は、Python とトーチベースのオープンソース、Google & #39 に基づくリアルタイムの顔認識ソフトウェアです。

このインストラクター主導のライブトレーニングでは、OpenFace & #39 のコンポーネントを使用して、サンプルの顔認識アプリケーションを作成して展開する方法を受講者が学習します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は、dlib、OpenVC、トーチ、および nn4 を含む OpenFace & #39 のコンポーネントを使用して、顔検出、アライメント、および変換
を実装します。 - は、監視、身元確認、バーチャルリアリティ、ゲーム、リピート顧客の特定など、実世界のアプリケーションに OpenFace を適用します

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
embeddingprojectorEmbedding Projector: Visualizing Your Training Data14 hours埋め込みプロジェクターは、機械学習システムを訓練するために使用されるデータを視覚化するためのオープンソースの web アプリケーションです。Google によって作成された、それは TensorFlow の一部です。

このインストラクター主導のライブトレーニングでは、プロジェクターの埋め込みの概念を紹介し、デモプロジェクトのセットアップを通じて参加者をウォークします。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- 機械学習モデルによるデータの解釈方法を探る
- は、機械学習アルゴリズムがそれをどのように解釈するかを理解するために、データの3d と2d ビューをナビゲートし
- は、込みの背後にある概念と、画像、単語、数字の数学的ベクトルを表す役割を理解しています。
- 特定の埋め込みのプロパティを調べて、モデルの動作を理解する
- は、このような音楽愛好家のための曲の推薦システムを構築する現実世界のユースケースに埋め込みプロジェクトを適用する

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
t2tT2T: Creating Sequence to Sequence Models for Generalized Learning7 hoursTensor2Tensor (T2T) は、さまざまな種類のトレーニングデータ (画像認識、翻訳、解析、画像キャプション、音声認識など) を使用して、異なるタスクで AI モデルをトレーニングするためのモジュール式の拡張可能なライブラリです。これは、Google の脳チームによって維持されます。

このインストラクター主導のライブトレーニングでは、複数のタスクを解決するためのディープラーニングモデルを準備する方法について説明します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- tensor2tensor のインストール、データセットの選択、AI モデルのトレーニングと評価
- Tensor2Tensor
に含まれるツールとコンポーネントを使用して開発環境をカスタマイズする - は、単一のモデルを作成して使用し、複数のドメインから多数のタスクを同時に学習します
- は、モデルを使用して、大量のトレーニングデータを持つタスクから学習し、データが制限されているタスクにそのナレッジを適用します
- は、単一の GPU
を使用して満足のいく処理結果を得る

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
cognitivecomputingCognitive Computing: An Introduction for Business Managers7 hours認知コンピューティングは、マシンの学習、推論、自然言語処理、音声認識とビジョン (オブジェクト認識)、人間の – コンピュータの相互作用、ダイアログと物語の生成を包含するシステムを指し、いくつかの名前を指定します。認知計算システムは、多くの場合、インメモリ & #39 を処理するために一緒に動作する複数の技術で構成されています; ホット & #39; コンテキストデータだけでなく、大規模なセット & #39; コールド & #39; バッチ内の履歴データ。そのような技術の例として、カフカ、スパーク、Elasticsearch、カサンドラ、Hadoop などがあります。

このインストラクター主導の, ライブトレーニング, 参加者はどのように認知コンピューティングは、AI とビッグデータを補完する方法を学習し、どのように目的構築システムは、人間のような行動を実現するために使用することができますヒューマンマシンの相互作用のパフォーマンスを向上させるビジネス

このトレーニングの終わりまでに、参加者は理解する:

- 認知コンピューティングと人工知能 (AI)
の関係 - は、認知的コンピューティングの本質的に確率的な性質と、それをビジネス上の優位性として使用する方法を
- は、予期しない方法で動作する認知コンピューティングシステムを管理する方法を
- は、企業やソフトウェアシステムは、最も魅力的な認知コンピューティングソリューションを提供しています

観客

- ビジネスマネージャー
コース の

形式

- 講演、事例討論、演習
dsstneAmazon DSSTNE: Build a Recommendation System7 hoursAmazon DSSTNE は、推奨モデルをトレーニングおよび展開するためのオープンソースライブラリです。これにより、単一の GPU に対して大きすぎる重み行列を持つモデルを1つのホストでトレーニングすることができます。

このインストラクター主導のライブトレーニングでは、DSSTNE を使用して推奨アプリケーションを作成する方法について説明します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- 入力
として疎なデータセットを持つ勧告モデルを訓練する 複数の gpu に - スケールトレーニングと予測モデル
- は、モデル内の計算とストレージを広げる-パラレルファッション
- 生成アマゾンのようなパーソナライズされた製品の推奨事項
- は、大量のワークロードで拡張可能な本番対応アプリケーションをデプロイします

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
snorkelSnorkel: Rapidly Process Training Data7 hoursシュノーケルは、トレーニングデータを迅速に作成、モデリング、管理するためのシステムです。これは、大規模なラベルのトレーニングセットが利用できない、または入手しやすいドメインのための構造化または "暗い" データ抽出アプリケーションの開発を加速することに焦点を当てています。

このインストラクター主導のライブトレーニングでは、シュノーケルを使用したトレーニングデータのモデリングを通じて、テキスト、テーブル、図、画像などの非構造化データから値を抽出するためのテクニックについて学習します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は、プログラムによってトレーニングセットを作成し、大規模なトレーニングセットのラベリングを有効に
- は、最初のモデリング騒々しいトレーニングセット
で高品質のエンドモデルを訓練する - は、弱い監督技術を実装し、弱く監視された機械学習システムにデータプログラミングを適用するためにシュノーケルを使用して

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
PaddlePaddlePaddlePaddle21 hoursPaddlePaddle (パラレル分散ディープラーニング) は、Baidu によって開発されたスケーラブルなディープラーニングプラットフォームです。

このインストラクター主導のライブトレーニングでは、PaddlePaddle を使用して、製品およびサービスアプリケーションで深い学習を可能にする方法について説明します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- の設定と構成 PaddlePaddle
- は、画像認識とオブジェクト検出のための畳み込みニューラルネットワーク (CNN) を設定する
- は、感情解析のためのリカレントニューラルネットワーク (RNN) を設定する
- はユーザーが答えを見つけるのを助けるために推薦システムの深い学習をセットアップした
- は、クリックスルー率 (CTR) を予測し、大規模な画像セットを分類し、光学式文字認識 (OCR) を実行し、検索をランク付けし、コンピュータウイルスを検出し、勧告システムを実装します。

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
textsumText Summarization with Python14 hoursPython の機械学習において、テキスト要約機能は入力テキストを読み出し、 テキスト 要約を生成することができます。この機能 は、コマンドラインまたは Python API/ライブラリとして から 利用できます。1つの刺激的なアプリケーションは、エグゼクティブ・サマリーの速い作成です。 これは、レポートやプレゼンテーションを生成する前に テキストデータの大規模なボディ 確認 必要がある組織にとって特に便利です。

このインストラクター主導のライブトレーニングでは、参加者は Python を使用して、入力 テキストの要約を自動生成する簡単なアプリケーション 作成する を学習します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- テキストを要約するコマンドラインツールを使用します。
- デザイン と Python ライブラリを使用して、テキストの要約 コードを作成します。
- 3 つの Python 要約 ライブラリの評価: スミ0.7.0、pysummarization 1.0.4、readless 1.0.17

観客

- 開発者
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
bigdatabicriminalBig Data Business Intelligence for Criminal Intelligence Analysis35 hours技術の進歩と情報量の増加は、法執行機関の実施方法を変革しています。ビッグデータがもたらす課題は、ビッグデータと #39 の約束とほぼ同じくらい困難です。データを効率的に格納することは、これらの課題の1つです。それを効果的に分析することは別です。

は、このインストラクター主導の、ライブトレーニングでは、参加者は、ビッグデータ技術にアプローチするための考え方を学び、既存のプロセスや政策への影響を評価し、犯罪者を識別する目的のためにこれらの技術を実装する活動と犯罪を防止する。世界中の法執行機関からのケーススタディは、彼らの採用のアプローチ、課題と結果についての洞察を得るために検討されます。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

- は調査の間に物語をつなぎ合わせるために従来のデータ収集プロセスとビッグデータ技術を結合する
- は、データ解析のための産業用ビッグデータストレージおよび処理ソリューションを実装
- は、犯罪捜査にデータ駆動型のアプローチを有効にするための最も適切なツールとプロセスの採用のための提案を準備する

観客

技術的な背景を持つ - 法執行機関のスペシャリスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7 hoursは、テンソル処理ユニット (TPU) は、Google が数年間内部的に使用しているアーキテクチャであり、ちょうど今、一般大衆が使用できるようになっている。これには、適切なレベルの精度を返すために、合理化された行列乗算、16ビットではなく8ビット整数など、ニューラルネットワークで使用するための最適化がいくつか含まれています。

このインストラクター主導の, ライブトレーニング, 参加者は、独自の AI アプリケーションのパフォーマンスを最大化するために TPU のプロセッサの技術革新を活用する方法を学びます.

は、トレーニングの終了により、参加者ができるようになります:

- は大量のデータを
に様々な種類のニューラルネットワークを訓練する - は TPUs を使用して、最大2桁の次数で推論プロセスを高速化し
- は、画像検索、クラウドビジョンや写真などの集中的なアプリケーションを処理するために TPUs を利用して

観客

- 開発者
- 研究者
- エンジニア
- データサイエンティスト
コース の

形式

- 部講義、パート討論、演習と重い実地練習
AISoc_LBGAI in business and Society & The future of AI - AI/Robotics7 hoursこれは、プレゼンテーションと の q&a 形式での教室ベースのトレーニングセッションです
週末人工知能コース, 夜の人工知能トレーニング, 人工知能ブートキャンプ, 人工知能 インストラクターよる, 週末人工知能トレーニング, 夜の人工知能コース, 人工知能指導, 人工知能インストラクター, 人工知能レーナー, 人工知能レーナーコース, 人工知能クラス, 人工知能オンサイト, 人工知能プライベートコース, 人工知能1対1のトレーニング

コース割引のニュースレター

We respect the privacy of your email address. We will not pass on or sell your address to others.
You can always change your preferences or unsubscribe completely.

一部のお客様

is growing fast!

We are looking to expand our presence in Japan!

As a Business Development Manager you will:

  • expand business in Japan
  • 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!