Curso de Red Neuronal Artificial

Curso de Red Neuronal Artificial

Capacitación en Red Neuronal Artificial -un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Los cursos locales de capacitación en redes neuronales demuestran a través de debates interactivos y practican cómo construir redes neuronales utilizando una serie de kits de herramientas y bibliotecas, principalmente de código abierto, y cómo utilizar la potencia del hardware avanzado (GPU) y las técnicas de optimización que involucran computación distribuida y Big Data Nuestros cursos de la red neuronal se basan en lenguajes de programación populares como Python, Java, lenguaje R y potentes bibliotecas, que incluyen TensorFlow, Torch, Caffe, Theano y más Nuestros cursos sobre redes neuronales cubren tanto la teoría como la implementación mediante varias implementaciones de redes neuronales, como redes neuronales profundas (DNN), redes neuronales convolucionales (CNN) y redes neuronales recurrentes (RNN). La capacitación en Red Neuronal está disponible en dos modalidades: "presencial en vivo" y "remota en vivo"; la primera 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 segunda se lleva a cabo a través de un escritorio remoto interactivo.

NobleProg -- Su Proveedor Local de Capacitación

Testimonios

★★★★★
★★★★★

Programa del curso Red Neuronal Artificial

CódigoNombreDuraciónInformación General
aiintArtificial Intelligence Overview7 horasEste curso ha sido creado para gerentes, arquitectos de soluciones, oficiales de innovación, CTO, arquitectos de software y cualquier persona interesada en una visión general de la inteligencia artificial aplicada y el pronóstico más cercano para su desarrollo.
neuralnetIntroduction to the use of neural networks7 horasLa capacitación está dirigida a personas que desean aprender los conceptos básicos de las redes neuronales y sus aplicaciones.
rneuralnetNeural Network in R14 horasEste curso es una introducción a la aplicación de redes neuronales en problemas del mundo real utilizando el software Rproject .
appliedmlApplied Machine Learning14 horasEste curso de capacitación es para las personas que deseen aplicar el Aprendizaje automático en aplicaciones prácticas.

Audiencia

Este curso es para científicos de datos y estadísticos que tienen cierta familiaridad con las estadísticas y saben cómo programar R (o Python u otro idioma elegido). El énfasis de este curso está en los aspectos prácticos de la preparación de datos / modelos, ejecución, análisis post hoc y visualización.

El objetivo es proporcionar aplicaciones prácticas para Machine Learning a los participantes interesados ​​en aplicar los métodos en el trabajo.

Se usan ejemplos específicos del sector para que la capacitación sea relevante para el público.
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 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.
bspkannmldtArtificial Neural Networks, Machine Learning and Deep Thinking21 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 .
aiintrozeroFrom Zero to AI35 horasEste curso está creado para personas que no tienen experiencia previa en probabilidad y estadística .
aiautoArtificial Intelligence in Automotive14 horasEste curso cubre IA (enfatizando Aprendizaje automático y Aprendizaje profundo) en la industria automotriz Ayuda a determinar qué tecnología se puede (potencialmente) usar en múltiples situaciones en un automóvil: desde la automatización simple, el reconocimiento de imágenes hasta la toma de decisiones autónoma .
NeuralnettfNeural Networks Fundamentals using TensorFlow as Example28 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 .
datamodelingPattern Recognition35 horasEste curso proporciona una introducción en el campo del reconocimiento de patrones y el aprendizaje automático Se trata de aplicaciones prácticas en estadística, informática, procesamiento de señales, visión artificial, minería de datos y bioinformática El curso es interactivo e incluye muchos ejercicios manuales, comentarios de los instructores y pruebas de los conocimientos y habilidades adquiridos Audiencia Analistas de datos Estudiantes de doctorado, investigadores y profesionales .
Nue_LBGNeural computing – Data science14 horasEsta sesión de capacitación basada en el aula contendrá presentaciones y ejemplos basados ​​en computadora y ejercicios de estudio de caso para emprender con bibliotecas de redes neurales y profundas relevantes .
OpenNNOpenNN: Implementing Neural Networks14 horasOpenNN es una biblioteca de clase de código abierto escrita en C ++ que implementa redes neuronales para su uso en el 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 manuales .
FairsecFairsec: Setting Up a CNN-Based Machine Translation System7 horasFairseq is an open-source sequence-to-sequence learning toolkit created by Facebok for use in Neural Machine Translation (NMT).

In this training participants will learn how to use Fairseq to carry out translation of sample content. By the end of this training, participants will have the knowledge and practice needed to implement a live Fairseq based machine translation solution. Source and target language content samples can be prepared according to audience's requirements.

Audience

- Localization specialists with a technical background
- Global content managers
- Localization engineers
- Software developers in charge of implementing global content solutions

Format of the course

- Part lecture, part discussion, heavy hands-on practice
FairseqFairseq: Setting up a CNN-based machine translation system7 horasFairseq is an open-source sequence-to-sequence learning toolkit created by Facebok for use in Neural Machine Translation (NMT).

In this training participants will learn how to use Fairseq to carry out translation of sample content.

By the end of this training, participants will have the knowledge and practice needed to implement a live Fairseq based machine translation solution.

Audience

- Localization specialists with a technical background
- Global content managers
- Localization engineers
- Software developers in charge of implementing global content solutions

Format of the course
Part lecture, part discussion, heavy hands-on practice

Note

- If you wish to use specific source and target language content, please contact us to arrange.
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7 horasLa Unidad de Procesamiento de Tensor (TPU) es la arquitectura que Google ha utilizado internamente durante varios años y ahora está disponible para el público en general Incluye varias optimizaciones específicamente para su uso en redes neuronales, incluida la multiplicación simplificada de matrices, y enteros de 8 bits en lugar de 16 bits para devolver niveles apropiados de precisión En este entrenamiento en vivo instruido, los participantes aprenderán cómo aprovechar las innovaciones en los procesadores de TPU para maximizar el rendimiento de sus propias aplicaciones de IA Al final de la capacitación, los participantes podrán: Entrenar varios tipos de redes neuronales en grandes cantidades de datos Use TPU para acelerar el proceso de inferencia hasta en dos órdenes de magnitud Utilice TPU para procesar aplicaciones intensivas, como búsqueda de imágenes, visión en la nube y fotos Audiencia Desarrolladores Investigadores Ingenieros Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 horasMicrosoft Cognitive Toolkit 2x (anteriormente CNTK) es un kit de herramientas de código abierto de fuente abierta que entrena algoritmos de aprendizaje profundo para aprender como el cerebro humano Según Microsoft, CNTK puede ser 510 veces más rápido que TensorFlow en redes recurrentes, y de 2 a 3 veces más rápido que TensorFlow para tareas relacionadas con imágenes En este entrenamiento en vivo con instructor, los participantes aprenderán a 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 avance, redes convolucionales (CNN) y redes recurrentes (RNN / 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, parte de discusión, ejercicios y práctica manual Nota Si desea personalizar cualquier parte de esta capacitación, incluido el lenguaje de programación que prefiera, contáctenos para organizarlo .
PaddlePaddlePaddlePaddle21 horasPaddlePaddle (PArallel Distributed Deep LEarning) es una plataforma de aprendizaje profundo escalable desarrollada por Baidu En este entrenamiento en vivo instruido, 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 Configurar 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, parte de discusión, ejercicios y práctica manual .
snorkelSnorkel: Rapidly Process Training Data7 horasSnorkel es un sistema para crear, modelar y gestionar rápidamente datos de entrenamiento Se centra en acelerar el desarrollo de aplicaciones de extracción de datos estructuradas u "oscuras" para dominios en los que grandes conjuntos de formación etiquetados no están disponibles o son fáciles de obtener En este entrenamiento en vivo instruido, los participantes aprenderán técnicas para extraer valor de datos no estructurados como texto, tablas, figuras e imágenes a través del modelado de datos de entrenamiento con Snorkel Al final de esta capacitación, los participantes podrán: Crear programáticamente conjuntos de entrenamiento para permitir el etiquetado de conjuntos de entrenamiento masivos Entrene a modelos finales de alta calidad modelando primero conjuntos de entrenamiento ruidosos Use Snorkel para implementar técnicas de supervisión débiles y aplicar la programación de datos a sistemas de aprendizaje automático débilmente supervisados Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
encogadvEncog: Advanced Machine Learning14 horasEncog es un marco de aprendizaje de máquina de código abierto para Java yNet En este entrenamiento en vivo instruido, los participantes aprenderán técnicas avanzadas de aprendizaje automático para construir modelos predictivos precisos de redes neuronales Al final de esta capacitación, los participantes podrán: Implementar diferentes técnicas de optimización de redes neuronales para resolver el ajuste insuficiente y el sobreajuste Comprender y elegir entre varias arquitecturas de redes neuronales Implementar redes supervisadas de retroalimentación y retroalimentación Audiencia Desarrolladores Analistas Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
encogintroEncog: Introduction to Machine Learning14 horasEncog es un marco de aprendizaje de máquina de código abierto para Java yNet En este entrenamiento en vivo instruido, los participantes aprenderán cómo crear varios componentes de redes neuronales usando ENCOG Se discutirán los casos de estudio de Realworld y se explorarán soluciones basadas en el lenguaje de máquina para estos problemas Al final de esta capacitación, los participantes podrán: Preparar datos para redes neuronales usando el proceso de normalización Implementar redes de feed feed y metodologías de capacitación en propagación Implementar tareas de clasificación y regresión Modelar y entrenar redes neuronales usando el banco de trabajo basado en GUI de Encog Integrar el soporte de red neuronal en aplicaciones del mundo real Audiencia Desarrolladores Analistas Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
matlabdlMatlab for Deep Learning14 horasEn este entrenamiento en vivo con 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 TensorFlowKeras Entrene datos usando múltiples GPU, la nube o clusters Audiencia Desarrolladores Ingenieros Expertos de dominio Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
undnnUnderstanding Deep Neural Networks35 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) Parte1 (40%) de esta capacitación se centra más en los fundamentos, pero le ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc Parte2 (20%) de este entrenamiento presenta la biblioteca Theano a python que hace que escribir modelos de aprendizaje profundo sea fácil Parte 3 (40%) de la capacitación se basaría ampliamente 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 .
drlpythonDeep Reinforcement Learning with Python21 horasEl aprendizaje de refuerzo profundo se refiere a la capacidad de un "agente artificial" para aprender por trialanderror 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 realizar el aprendizaje de refuerzo, se utilizan el aprendizaje profundo y las redes neuronales El aprendizaje de refuerzo es diferente del aprendizaje automático y no depende de enfoques de aprendizaje supervisados ​​y no supervisados En este entrenamiento en vivo instruido, los participantes aprenderán los fundamentos del Aprendizaje de Refuerzo Profundo mientras avanzan en la creación de un Agente de Aprendizaje Profundo Al final de esta capacitación, los participantes podrán: Comprender los conceptos clave detrás de Deep Refforcement Learning y ser capaz de distinguirlo del Machine Learning Aplicar algoritmos avanzados de Aprendizaje de Refuerzos para resolver problemas del mundo real Crear un agente de aprendizaje profundo Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .

Próximos Cursos Red Neuronal Artificial

CursoFechaPrecio del Curso [A distancia / Presencial]
Comprender las Redes Neuronales Profundas - Ciudad de Mexico - Colonia Del ValleLun, 2018-09-03 09:30139900MXN / 169900MXN
Fairsec: Setting up a CNN-based machine translation system - Ciudad de Mexico - Mariano EscobedoMié, 2018-09-05 09:3029500MXN / 51500MXN
Visión general de Inteligencia Artificial - Guadalajara - Puerta del HierroJue, 2018-09-06 09:3037900MXN / 60500MXN
Reconocimiento de Patrones - Puebla - Triangulo Las AnimasLun, 2018-09-10 09:30165000MXN / 185750MXN
Curso de PaddlePaddle - Querétaro - Milenio IIIMar, 2018-10-02 09:30N/A / 108600MXN
Cursos de Fin de Semana de Red Neuronal Artificial, Capacitación por la Tarde de Red Neuronal Artificial, Red Neuronal Artificial boot camp, Clases de Red Neuronal Artificial, Capacitación de Fin de Semana de Red Neuronal Artificial, Cursos por la Tarde de Red Neuronal Artificial, Red Neuronal Artificial coaching, Instructor de Red Neuronal Artificial, Capacitador de Red Neuronal Artificial, Red Neuronal Artificial con instructor, Cursos de Formación de Red Neuronal Artificial, Red Neuronal Artificial en sitio, Cursos Privados de Red Neuronal Artificial, Clases Particulares de Red Neuronal Artificial, Capacitación empresarial de Red Neuronal Artificial, Talleres para empresas de Red Neuronal Artificial, Cursos en linea de Red Neuronal Artificial, Programas de capacitación de Red Neuronal Artificial, Clases de Red Neuronal Artificial

Promociones

Curso Ubicación Fecha Precio del Curso [A distancia / Presencial]
Haskell Avanzado Ciudad de Mexico - Colonia Del Valle Jue, 2018-08-23 09:30 52110MXN / 76110MXN
Haskell Avanzado Puebla - Triangulo Las Animas Mar, 2018-09-11 09:30 52110MXN / 72410MXN
Fundamentos de Haskell Monterrey - Dataflux Mié, 2018-09-19 09:30 52110MXN / 74510MXN
Gestión de Reglas de Negocios (BRMS) con Drools Puebla - Triangulo Las Animas Mié, 2018-10-31 09:30 34110MXN / 54260MXN
Introducción MoDAF/NAF Puebla - Triangulo Las Animas Jue, 2018-12-13 09:30 26550MXN / 46700MXN

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