Curso de Aprendizaje profundo

Curso de Aprendizaje profundo

Capacitación en conjunto de algoritmos en aprendizaje automático (en inglés, machine learning). Los cursos locales de aprendizaje profundo de Aprendizaje Profundo (DL, por sus siglas en inglés) demuestran a través de la práctica práctica los fundamentos y aplicaciones del Aprendizaje Profundo y abarcan temas como el aprendizaje automático profundo, el aprendizaje estructurado profundo y el aprendizaje jerárquico La capacitación de Deep Learning está disponible como "capacitación en vivo en el sitio" o "capacitación remota en vivo" El entrenamiento en vivo in situ se puede llevar a cabo localmente en las instalaciones del cliente en México o en los centros de capacitación corporativa de NobleProg en México La capacitación remota en vivo se lleva a cabo a través de un escritorio remoto interactivo NobleProg Su proveedor local de capacitación.

Testimonios

★★★★★
★★★★★

Aprendizaje profundo Subcategorías

Programa del curso Aprendizaje profundo

CódigoNombreDuraciónInformación General
annmldtRedes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo21 horasArtificial Neural Network es un modelo de datos computacionales utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes". Las redes neuronales se usan comúnmente en aplicaciones de aprendizaje automático (Machine Learning, ML), que a su vez son una implementación de AI. Aprendizaje profundo es un subconjunto de ML.
dsstneAmazon DSSTNE: Construya un Sistema de Recomendación7 horasAmazon DSSTNE es una biblioteca de código abierto para el entrenamiento y la implementación de modelos de recomendación. Permite modelos con matrices de peso que son demasiado grandes para que una sola GPU se entrene en un solo host.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar DSSTNE para crear una aplicación de recomendación.

Al final de esta capacitación, los participantes podrán:

- Entrene un modelo de recomendación con conjuntos de datos dispersos como entrada
- Escala de entrenamiento y modelos de predicción en múltiples GPU
- Extienda el cómputo y el almacenamiento de forma paralela a los modelos
- Genere recomendaciones de productos personalizados similares a Amazon.
- Implemente una aplicación lista para producción que pueda escalar a cargas de trabajo pesadas

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
dlforfinancewithpythonAprendizaje Profundo para las Finanzas (con Python)28 horasEl aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados ​​en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. Python es un lenguaje de programación de alto nivel famoso por su clara sintaxis y legibilidad de código.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para las finanzas usando Python mientras avanzan en la creación de un modelo de predicción del precio de las acciones de aprendizaje profundo.

Al final de esta capacitación, los participantes podrán:

- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en finanzas
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para finanzas
- Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo usando Python

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
dlforbankingwithrAprendizaje Profundo para la Banca (con R)28 horasEl aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados ​​en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. R es un lenguaje de programación popular en la industria financiera. Se utiliza en aplicaciones financieras que van desde los principales programas comerciales hasta los sistemas de gestión de riesgos.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para la banca usando R a medida que avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo.

Al final de esta capacitación, los participantes podrán:

- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en la banca
- Use R para crear modelos de aprendizaje profundo para la banca
- Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando R

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
dlforbankingwithpythonAprendizaje Profundo para la Banca (con Python)28 horasEl aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados ​​en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. Python es un lenguaje de programación de alto nivel famoso por su clara sintaxis y legibilidad de código.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para la banca usando Python mientras avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo.

Al final de esta capacitación, los participantes podrán:

- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en la banca
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para la banca
- Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando Python

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
dlfinancewithrAprendizaje Profundo para las Finanzas (con R)28 horasEl aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados ​​en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. R es un lenguaje de programación popular en la industria financiera. Se utiliza en aplicaciones financieras que van desde los principales programas comerciales hasta los sistemas de gestión de riesgos.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para finanzas usando R a medida que avanzan en la creación de un modelo de predicción del precio de las acciones de aprendizaje profundo.

Al final de esta capacitación, los participantes podrán:

- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en finanzas
- Use R para crear modelos de aprendizaje profundo para finanzas
- Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo utilizando R

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
dlfornlpAprendizaje profundo para NLP (procesamiento de lenguaje natural)28 horasDeep Learning para NLP permite que una máquina aprenda procesamiento de lenguaje simple a complejo. Entre las tareas actualmente posibles se encuentran la traducción de idiomas y la generación de subtítulos para fotos. DL (Deep Learning) es un subconjunto de ML (Machine Learning). Python es un lenguaje de programación popular que contiene bibliotecas para Deep Learning para NLP.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar las bibliotecas de Python para el procesamiento de lenguaje natural (NLP) mientras crean una aplicación que procesa un conjunto de imágenes y genera leyendas.

Al final de esta capacitación, los participantes podrán:

- Diseño y código DL para NLP utilizando bibliotecas Python
- Crear código de Python que lea una gran colección de imágenes y genere palabras clave
- Crear código Python que genere subtítulos de las palabras clave detectadas

Audiencia

- Programadores con interés en la lingüística
- Programadores que buscan una comprensión de NLP (procesamiento de lenguaje natural)

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
undnnComprender las Redes Neuronales Profundas35 horasEste curso comienza con la entrega de conocimientos conceptuales en redes neuronales y, en general, en el algoritmo de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).

Parte-1 (40%) de esta capacitación se centra más en los fundamentos, pero te ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.

La Parte 2 (20%) de esta capacitación presenta Theano, una biblioteca de Python que hace que escribir modelos de aprendizaje profundo sea fácil.

Parte-3 (40%) de la capacitación estaría ampliamente basada en Tensorflow - 2nd Generation API de la biblioteca de software de código abierto de Google para Deep Learning. Los ejemplos y handson se harían todos en TensorFlow.

Audiencia

Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para sus proyectos de aprendizaje profundo.

Después de completar este curso, los delegados:

- tener una buena comprensión de las redes neuronales profundas (DNN), CNN y RNN
- comprender la estructura y los mecanismos de despliegue de TensorFlow
- ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura
- ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo
- ser capaz de implementar producción avanzada como modelos de entrenamiento, construcción de gráficos y registro

No todos los temas se cubrirán en un salón de clases público con 35 horas de duración debido a la inmensidad del tema.

La duración del curso completo será de alrededor de 70 horas y no de 35 horas.
mlbankingpython_Aprendizaje Automático para la Banca (con Python)21 horasEn esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo aplicar técnicas y herramientas de aprendizaje automático para resolver problemas del mundo real en la industria bancaria. Python se usará como el lenguaje de programación.

Los participantes primero aprenden los principios clave, luego ponen su conocimiento en práctica al construir sus propios modelos de aprendizaje automático y usarlos para completar una serie de proyectos en equipo.

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
matlabdlMatlab para el Aprendizaje Profundo14 horasEn esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Matlab para diseñar, construir y visualizar una red neuronal convolucional para el reconocimiento de imágenes.

Al final de esta capacitación, los participantes podrán:

- Construya un modelo de aprendizaje profundo
- Automatizar el etiquetado de datos
- Trabaja con modelos de Caffe y TensorFlow-Keras
- Entrene datos usando múltiples GPU, la nube o clusters

Audiencia

- Desarrolladores
- Ingenieros
- Expertos de dominio

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
radvmlAprendizaje Automático Avanzado con R21 horasEn esta capacitación en vivo dirigida por un instructor, los participantes aprenderán técnicas avanzadas para el aprendizaje automático con R a medida que avanzan en la creación de una aplicación en el mundo real.

Al final de esta capacitación, los participantes podrán:

- Utiliza técnicas como el ajuste de hiperparámetros y el aprendizaje profundo
- Comprender e implementar técnicas de aprendizaje no supervisadas
- Ponga un modelo en producción para usar en una aplicación más grande

Audiencia

- Desarrolladores
- Analistas
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
pythonadvmlPython para el Aprendizaje Automático Avanzado21 horasEn esta capacitación en vivo dirigida por un instructor, los participantes aprenderán las técnicas de aprendizaje automático más relevantes y de vanguardia en Python a medida que crean una serie de aplicaciones de demostración que incluyen imágenes, música, texto y datos financieros.

Al final de esta capacitación, los participantes podrán:

- Implementar algoritmos y técnicas de aprendizaje automático para resolver problemas complejos
- Aplicar el aprendizaje profundo y el aprendizaje semi-supervisado a aplicaciones que involucren imagen, música, texto e información financiera
- Empujar los algoritmos de Python a su máximo potencial
- Usa bibliotecas y paquetes como NumPy y Theano

Audiencia

- Desarrolladores
- Analistas
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
openfaceOpenFace: Creación de Sistemas de Reconocimiento Facial14 horasOpenFace es un software de reconocimiento facial en tiempo real basado en Python y Torch basado en la investigación FaceNet de Google.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar los componentes de OpenFace para crear y desplegar una aplicación de reconocimiento facial de muestra.

Al final de esta capacitación, los participantes podrán:

Trabaje con los componentes de OpenFace, incluidos dlib, OpenVC, Torch y nn4 para implementar la detección de rostros, la alineación y la transformación.
Aplique OpenFace a aplicaciones del mundo real tales como vigilancia, verificación de identidad, realidad virtual, juegos e identificación de clientes habituales, etc.

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
t2tT2T: Creación de Modelos de Secuencia a Secuencia para el Aprendizaje Generalizado7 horasTensor2Tensor (T2T) es una biblioteca modular y extensible para el entrenamiento de modelos de AI en diferentes tareas, utilizando diferentes tipos de datos de entrenamiento, por ejemplo: reconocimiento de imágenes, traducción, análisis sintáctico, subtítulos de imágenes y reconocimiento de voz. Lo mantiene el equipo de Google Brain.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo preparar un modelo de aprendizaje profundo para resolver tareas múltiples.

Al final de esta capacitación, los participantes podrán:

- Instalar tensor2tensor, seleccionar un conjunto de datos y entrenar y evaluar un modelo de IA
- Personalice un entorno de desarrollo utilizando las herramientas y los componentes incluidos en Tensor2Tensor
- Cree y use un único modelo para aprender de forma simultánea varias tareas de varios dominios
- Utilice el modelo para aprender de tareas con una gran cantidad de datos de entrenamiento y aplicar ese conocimiento a tareas donde los datos son limitados
- Obtenga resultados de procesamiento satisfactorios con una sola GPU

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
PaddlePaddleCurso de PaddlePaddle21 horasPaddlePaddle (PArallel Distributed Deep LEarning) es una plataforma de aprendizaje profundo escalable desarrollada por Baidu.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar PaddlePaddle para permitir el aprendizaje profundo en sus aplicaciones de productos y servicios.

Al final de esta capacitación, los participantes podrán:

- Configurar y configurar PaddlePaddle
- Configure una red neuronal convolucional (CNN) para el reconocimiento de imágenes y la detección de objetos
- Configurar una Red Neuronal Recurrente (RNN) para el análisis de sentimientos
- Establecer un aprendizaje profundo sobre los sistemas de recomendación para ayudar a los usuarios a encontrar respuestas
- Predecir porcentajes de clics (CTR), clasificar conjuntos de imágenes a gran escala, realizar reconocimiento óptico de caracteres (OCR), buscar rangos, detectar virus informáticos e implementar un sistema de recomendaciones.

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
deeplearning1Introducción al Aprendizaje Profundo21 horasEste curso es una visión general de Deep Learning sin profundizar en ningún método específico. Es adecuado para las personas que quieren empezar a usar el aprendizaje profundo para mejorar su precisión de la predicción.
MicrosoftCognitiveToolkitCurso de Microsoft Cognitive Toolkit 2.x21 horasMicrosoft Cognitive Toolkit 2.x (anteriormente CNTK) es un juego de herramientas de código abierto de grado comercial que entrena algoritmos de aprendizaje profundo para aprender como el cerebro humano. Según Microsoft, CNTK puede ser 5-10 veces más rápido que TensorFlow en redes recurrentes, y de 2 a 3 veces más rápido que TensorFlow para tareas relacionadas con imágenes.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar Microsoft Cognitive Toolkit para crear, entrenar y evaluar algoritmos de aprendizaje profundo para su uso en aplicaciones de AI comerciales que involucren múltiples tipos de datos tales como datos, voz, texto e imágenes.

Al final de esta capacitación, los participantes podrán:

- Acceda a CNTK como una biblioteca desde un programa de Python, C # o C ++
- Use CNTK como una herramienta independiente de aprendizaje automático a través de su propio lenguaje de descripción de modelo (BrainScript)
- Utilice la funcionalidad de evaluación del modelo CNTK de un programa Java
- Combinar DNN de feed-forward, redes convolucionales (CNN) y redes recurrentes (RNNs / LSTM)
- Escala de capacidad de cálculo en CPU, GPU y múltiples máquinas
- Acceda a conjuntos de datos masivos utilizando los lenguajes de programación y algoritmos existentes

Audiencia

- Desarrolladores
- Científicos de datos

Formato del curso

- Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Nota

- Si desea personalizar cualquier parte de esta capacitación, incluido el lenguaje de programación que prefiera, contáctenos para organizarlo.
facebooknmtFacebook NMT: Setting up a neural machine translation system7 horasFairseq es un conjunto de herramientas de aprendizaje de secuencia a secuencia de código abierto creado por Facebok para su uso en la traducción automática neuronal (NMT).

En esta capacitación, los participantes aprenderán a usar Fairseq para llevar a cabo la traducción del contenido de muestra.

Al final de esta capacitación, los participantes tendrán el conocimiento y la práctica necesarios para implementar una solución de traducción automática basada en Fairseq.

Audiencia

- Especialistas en localización con experiencia técnica
- Gerentes de contenido global
- Ingenieros de localización
- Desarrolladores de software a cargo de implementar soluciones de contenido global

Formato del curso

- Conferencia parcial, discusión parcial, práctica práctica intensa

Nota

- Si desea utilizar contenido específico en el idioma de origen y de destino, contáctenos para organizarlo.
intrdplrngrsneuingIntroducción a Aprendizaje Profundo y Redes Neuronales Ingeniería21 horasLa inteligencia artificial, después de haber molestó a muchos campos científicos, comenzó a revolucionar una amplia gama de sectores económicos (industria, la medicina, comunicaciones, etc.). Sin embargo, su presentación en los principales medios de comunicación a menudo es una fantasía, muy lejos de lo que realmente son las áreas de aprendizaje automático y Deep aprendizaje. El objetivo de esta formación es proporcionar a los ingenieros con conocimientos de computación (incluyendo la programación de software basado en) una introducción al aprendizaje profundo y sus diferentes áreas de especialización y por lo tanto las principales arquitecturas de red existentes Hoy. Si los fundamentos matemáticos se recuerdan durante el curso, se recomienda un tipo de nivel de alcoholemia matemática + 2 para una mayor comodidad. Es posible en absoluto ignorar el eje matemático para mantener sólo una visión "sistema", pero este enfoque limita en gran medida su comprensión del tema.
opennmtOpenNMT: Implementing a Neural Machine Translation solution7 horasOpenNMT es un sistema de traducción de máquina neural completo, de código abierto (MIT) que utiliza el juego de herramientas matemático de la Antorcha.

En esta capacitación, los participantes aprenderán cómo configurar y utilizar OpenNMT para llevar a cabo la traducción de varios conjuntos de datos de muestra. El curso comienza con una visión general de las redes neuronales que se aplican a la traducción automática. Los participantes realizarán ejercicios en vivo para demostrar su comprensión de los conceptos aprendidos y obtener retroalimentación del instructor. Al final de este entrenamiento, los participantes tendrán los conocimientos y la práctica necesarios para implementar una solución OpenNMT en vivo.

Las muestras de idioma fuente y de destino pueden pre-arreglarse según los requisitos del cliente.

Audiencia
Ingenieros de traducción y localización

Formato del curso

Parte conferencia, discusión de parte, práctica práctica pesada
mlentreConceptos de aprendizaje automático para emprendedores y gerentes21 horasEste curso de capacitación es para las personas que deseen aplicar Machine Learning en aplicaciones prácticas para su equipo La capacitación no se sumergirá en tecnicismos y girará en torno a conceptos básicos y aplicaciones comerciales / operativas de la misma Público objetivo Inversores y empresarios de IA Gerentes e ingenieros cuya empresa se está aventurando en el espacio de IA Analistas e inversores comerciales .
OpenNNOpenNN: Implementación de Redes Neuronales14 horasOpenNN es una biblioteca de clases de código abierto escrita en C ++ que implementa redes neuronales para su uso en aprendizaje automático.

En este curso repasaremos los principios de las redes neuronales y utilizaremos OpenNN para implementar una aplicación de muestra.

Audiencia

Desarrolladores de software y programadores que deseen crear aplicaciones de Deep Learning.

Formato del curso

Conferencia y discusión junto con ejercicios prácticos.
TorchTorch: Introducción a Máquina y Aprendizaje Profundo21 horasTorch es una biblioteca de aprendizaje de máquina de código abierto y un marco informático científico basado en el lenguaje de programación Lua. Proporciona un entorno de desarrollo para numéricos, aprendizaje automático y visión por computadora, con un énfasis particular en aprendizaje profundo y redes convolucionales. Es uno de los marcos más rápidos y flexibles para Machine and Deep Learning y lo utilizan compañías como Facebook, Google, Twitter, NVIDIA, AMD, Intel y muchas otras.

En este curso, cubrimos los principios de Torch, sus características únicas y cómo se puede aplicar en aplicaciones del mundo real. Pasamos por numerosos ejercicios prácticos en todas partes, demostrando y practicando los conceptos aprendidos.

Al final del curso, los participantes comprenderán a fondo las características y capacidades subyacentes de Torch, así como su rol y contribución dentro del espacio de IA en comparación con otros marcos y bibliotecas. Los participantes también habrán recibido la práctica necesaria para implementar Torch en sus propios proyectos.

Audiencia

Desarrolladores de software y programadores que deseen habilitar Machine and Deep Learning dentro de sus aplicaciones

Formato del curso

Descripción general de Machine and Deep Learning
Ejercicios de integración y codificación en clase
Preguntas de prueba salpicadas en el camino para verificar la comprensión
mldtAprendizaje Automático y Aprendizaje Profundo21 horasEste curso cubre IA (enfatizando Aprendizaje automático y Aprendizaje profundo)
NeuralnettfFundamentos de Redes Neuronales Usando TensorFlow como Ejemplo28 horasEste curso le proporcionará conocimientos en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).

Este entrenamiento se enfoca más en los fundamentos, pero lo ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Los ejemplos están hechos en TensorFlow.
dlvAprendizaje Profundo para Vision21 horasAudiencia

Este curso es adecuado para los investigadores e ingenieros de Deep Learning interesados en utilizar las herramientas disponibles (en su mayoría de código abierto) para analizar imágenes de computadora

Este curso proporciona ejemplos prácticos.
caffeAprendizaje Profundo para la Visión con Caffe21 horasCaffe es un marco de aprendizaje profundo hecho con expresión, velocidad y modularidad en mente.

Este curso explora la aplicación de Caffe como un marco de aprendizaje profundo para el reconocimiento de imágenes utilizando el MNIST como ejemplo

Audiencia

Este curso es adecuado para los investigadores e ingenieros de Deep Learning interesados en utilizar Caffe como marco.

Después de completar este curso, los delegados podrán:

- entender la estructura de Caffe y los mecanismos de despliegue
- llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- evaluar la calidad del código, realizar depuración, monitoreo
- implementar la producción avanzada como modelos de entrenamiento, implementación de capas y registro
dladvAprendizaje Profundo (Deep Learning) Avanzado28 horasEl aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados ​​en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales .
bspkannmldtRedes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático 21 horasArtificial Neural Network es un modelo de datos computacionales utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes". Las redes neuronales se usan comúnmente en aplicaciones de aprendizaje automático (Machine Learning, ML), que a su vez son una implementación de AI. Aprendizaje profundo es un subconjunto de ML.
drlpythonAprendizaje de refuerzo profundo con Python21 horasEl aprendizaje de refuerzo profundo se refiere a la capacidad de un "agente artificial" para aprender por prueba y error y recompensas y castigos. Un agente artificial tiene como objetivo emular la capacidad de un ser humano de obtener y construir conocimiento por sí mismo, directamente a partir de insumos crudos como la visión. Para lograr un aprendizaje reforzado, se utilizan redes neuronales y de aprendizaje profundo. El aprendizaje de refuerzo es diferente del aprendizaje automático y no depende de enfoques de aprendizaje supervisados ​​y no supervisados.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos de Deep Refforcement Learning a medida que avanzan en la creación de un Deep Learning Agent.

Al final de esta capacitación, los participantes podrán:

- Comprender los conceptos clave detrás del aprendizaje profundo y el aprendizaje del aprendizaje automático
- Aplicar algoritmos avanzados de refuerzo de aprendizaje para resolver problemas del mundo real
- Crear un agente de aprendizaje profundo

Audiencia

- Desarrolladores
- Científicos de datos

Formato de la carrera

- Parte de lectura, parte de discusión, ejercicios y práctica práctica

Próximos Cursos Aprendizaje profundo

CursoFechaPrecio del Curso [A distancia / Presencial]
Introduction to Deep Learning - Guadalajara - Puerta del HierroMié, 2018-11-07 09:3099,900MXN / 127,700MXN
Amazon DSSTNE: Build a Recommendation System - Monterrey - Oficinas en el ParqueMié, 2018-11-07 09:3029,500MXN / 51,800MXN
TensorFlow Serving - Puebla - Triangulo Las AnimasLun, 2018-11-12 09:3029,500MXN / 49,650MXN
Mastering Apache SINGA - Ciudad de Mexico - Mariano EscobedoLun, 2018-12-03 09:30N/A / 111,000MXN
Understanding Deep Neural Networks - Querétaro - Milenio IIILun, 2018-12-17 09:30139,900MXN / 165,900MXN
Cursos de Fin de Semana de Aprendizaje profundo, Capacitación por la Tarde de Aprendizaje profundo, Aprendizaje profundo boot camp, Clases de Aprendizaje profundo, Capacitación de Fin de Semana de Aprendizaje profundo, Cursos por la Tarde de Aprendizaje profundo, Aprendizaje profundo coaching, Instructor de Aprendizaje profundo, Capacitador de Aprendizaje profundo, Aprendizaje profundo con instructor, Cursos de Formación de Aprendizaje profundo, Aprendizaje profundo en sitio, Cursos Privados de Aprendizaje profundo, Clases Particulares de Aprendizaje profundo, Capacitación empresarial de Aprendizaje profundo, Talleres para empresas de Aprendizaje profundo, Cursos en linea de Aprendizaje profundo, Programas de capacitación de Aprendizaje profundo, Clases de Aprendizaje profundo

Promociones

Curso Ubicación Fecha Precio del Curso [A distancia / Presencial]
Business Rule Management (BRMS) with Drools Puebla - Triangulo Las Animas Mié, 2018-10-31 09:30 34,110MXN / 54,260MXN
MoDAF/NAF Introduction Puebla - Triangulo Las Animas Jue, 2018-12-13 09:30 26,550MXN / 46,700MXN
Introduction to Recommendation Systems Ciudad de Mexico - Colonia Del Valle Jue, 2018-12-27 09:30 34,110MXN / 56,110MXN
Matlab for Prescriptive Analytics Guadalajara - Country Club Financial Lun, 2019-01-21 09:30 52,110MXN / 74,510MXN
Introduction to Data Visualization with Tidyverse and R Ciudad de Mexico - Colonia Del Valle Jue, 2019-03-14 09:30 26,550MXN / 48,550MXN

Descuentos en los Cursos

Respetamos la privacidad de su dirección de correo electrónico. No transmitiremos ni venderemos su dirección a otras personas.
En cualquier momento puede cambiar sus preferencias o cancelar su suscripción por completo.

Algunos de nuestros clientes

is growing fast!

We are looking to expand our presence in your region!

As a Business Development Manager you will:

  • expand business in the region
  • 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.

contact us right away!