Los cursos de capacitación de redes neuronales en vivo, en línea o en el sitio, dirigidos por un instructor, demuestran a través de debates interactivos y prácticas prácticas cómo construir redes neuronales utilizando una serie de herramientas y bibliotecas, en su mayoría de código abierto, así como también cómo utilizar el poder del hardware avanzado (GPU). ) y técnicas de optimización que involucran computación distribuida y big data. Nuestros cursos de redes neuronales se basan en lenguajes de programación populares como Python, Java, lenguaje R y potentes bibliotecas, como TensorFlow, Torch, Caffe, Theano y más. Nuestros cursos de redes neuronales cubren tanto la teoría como la implementación utilizando una serie de implementaciones de redes neuronales, como redes neuronales profundas (DNN), redes neuronales convolucionales (CNN) y redes neuronales recurrentes (RNN). El entrenamiento de redes neuronales está disponible como "entrenamiento en vivo en el sitio" o "entrenamiento remoto en vivo". El entrenamiento en vivo en línea (también conocido como "entrenamiento remoto en vivo") se lleva a cabo a través de un escritorio remoto interactivo. El entrenamiento en vivo en el sitio se puede llevar a cabo localmente en las instalaciones del cliente en Maryland o en los centros de entrenamiento corporativos de NobleProg en Maryland. NobleProg: su proveedor local de capacitación
Baltimore, MD – Regus at Legg Mason Tower
100 International Drive, 23rd Floor, Baltimore, United States, 21202
El lugar está situado en el piso 23 de la torre Class‑A Legg Mason Tower en Harbor East, junto al Inner Harbor de Baltimore, con buen acceso en coche por las I‑95 o I‑395, varios garajes cercanos y algo de estacionamiento en el sitio. Desde el Aeropuerto Thurgood Marshall Baltimore/Washington (BWI), a unas 10 millas al sur, los taxis o servicios compartidos suelen tardar entre 15 y 20 minutos por la I‑95 Norte. El transporte público es cómodo, con acceso a la Baltimore Light Rail en la estación Harbor East a solo 2 minutos caminando, además de autobuses MTA por Pratt Street, lo que facilita el acceso sin necesidad de vehículo.
Annapolis, MD – Regus at Annapolis Center
1997 Annapolis Exchange, Ste 300, Annapolis, United States, 21401
El lugar está ubicado en el Annapolis Center en Exchange Parkway, junto a la Ruta 50 y cerca de la US 301, con estacionamiento en el sitio y garajes cercanos. Desde el Aeropuerto Thurgood Marshall de Baltimore/Washington (BWI), a unas 25 millas al norte, el trayecto en taxi o rideshare toma entre 30 y 35 minutos hacia el sur por la MD‑70 y la Ruta 50. Para quienes utilicen transporte público, pueden tomar el CAT shuttle B30 o la Ruta 40 hasta Westfield Annapolis y luego transbordar a autobuses locales que paran cerca del Annapolis Center, seguido de un paseo corto hasta la entrada.
Baltimore, MD – Regus at Inner Harbor Center
400 East Pratt Street Downtown, 8th Floor, Baltimore, United States, 21202
El lugar está ubicado en el destacado Inner Harbor Center, con fácil acceso en coche por la I‑95 o la I‑395, y varios garajes públicos cercanos además de estacionamiento en el lugar. Desde el Aeropuerto Thurgood Marshall de Baltimore/Washington (BWI), a unas 10 millas al sur, un taxi o rideshare suele tardar entre 15 y 20 minutos por la I‑95 Norte. Las opciones de transporte público incluyen la línea ligera de Baltimore (Light Rail) en la estación Harbor East (a dos minutos a pie) y varias rutas de autobús del MTA por Pratt Street, lo que hace que el lugar sea accesible cómodamente sin vehículo.
Esta capacitación en vivo dirigida por un instructor en Maryland (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen explorar técnicas XAI de última generación para modelos de aprendizaje profundo, con un enfoque en la construcción de sistemas de IA interpretables.
Al final de esta formación, los participantes serán capaces de:
Comprenda los desafíos de la explicabilidad en el aprendizaje profundo.
Implementar técnicas avanzadas de XAI para redes neuronales.
Interprete las decisiones tomadas por los modelos de aprendizaje profundo.
Evalúe las compensaciones entre el rendimiento y la transparencia.
Este es un curso de 4 días que presenta la IA y su aplicación utilizando el lenguaje de programación Python. Existe la opción de tener un día adicional para realizar un proyecto de IA al finalizar este curso.
Esta capacitación en vivo dirigida por un instructor en Maryland (en línea o presencial) está dirigida a desarrolladores y científicos de datos que desean aprender los fundamentos de Deep Reinforcement Learning a medida que avanzan en la creación de un agente Deep Learning.
Al final de esta formación, los participantes serán capaces de:
Comprender los conceptos clave detrás de Deep Reinforcement Learning y ser capaz de distinguirlo de Machine Learning.
Aplique algoritmos avanzados Reinforcement Learning para resolver problemas del mundo real.
Este curso ha sido creado para gerentes, arquitectos de soluciones, oficiales de innovación, CTO, arquitectos de software y cualquier persona que esté interesada en una visión general de la inteligencia artificial aplicada y el pronóstico más cercano para su desarrollo.
Este curso cubre AI (enfatizando Aprendizaje Automático y Aprendizaje Profundo) en la Industria Automotriz. Ayuda a determinar qué tecnología puede (potencialmente) utilizarse en situaciones múltiples en un automóvil: desde la simple automatización, el reconocimiento de imágenes hasta la toma de decisiones autónoma.
Esta formación en vivo dirigida por un instructor en Maryland (en línea o presencial) está destinada a participantes de nivel principiante que desean aprender conceptos esenciales de probabilidad, estadística, programación y aprendizaje automático, y aplicarlos al desarrollo de IA.
Al finalizar esta formación, los participantes podrán:
Entender conceptos básicos de probabilidad y estadística, y aplicarlos a escenarios del mundo real.
Escribir y entender código de programación procedimental, funcional y orientado a objetos.
Implementar técnicas de aprendizaje automático como clasificación, agrupamiento y redes neuronales.
Desarrollar soluciones de IA utilizando motores de reglas y sistemas expertos para resolver problemas.
La Red Neuronal Artificial es un modelo de datos computacional utilizado en el desarrollo de Artificial Intelligence (AI) sistemas capaces de realizar tareas "inteligentes". Neural Networks se utilizan comúnmente en aplicaciones Machine Learning (ML), que a su vez son una implementación de la IA. Deep Learning es un subconjunto de ML.
Este es un curso de 4 días que presenta la IA y su aplicación. Existe la opción de tener un día adicional para realizar un proyecto de IA al finalizar este curso.
Esta formación en vivo dirigida por un instructor en Maryland (en línea o presencial) está destinada a científicos de datos y estadísticos de nivel intermedio que desean preparar datos, construir modelos y aplicar técnicas de aprendizaje automático efectivamente en sus dominios profesionales.
Al finalizar esta formación, los participantes podrán:
Comprender e implementar diversos algoritmos de Machine Learning.
Preparar datos y modelos para aplicaciones de aprendizaje automático.
Efectuar análisis post hoc y visualizar resultados de manera efectiva.
Aplicar técnicas de aprendizaje automático a escenarios reales específicos del sector.
Esta capacitación en vivo dirigida por un instructor en Maryland (en línea o presencial) está dirigida a investigadores y desarrolladores que desean usar Chainer para construir y entrenar redes neuronales en Python mientras hacen que el código sea fácil de depurar.
Al final de esta formación, los participantes serán capaces de:
Configure el entorno de desarrollo necesario para comenzar a desarrollar modelos de redes neuronales.
Defina e implemente modelos de redes neuronales utilizando un código fuente comprensible.
Ejecute ejemplos y modifique los algoritmos existentes para optimizar los modelos de entrenamiento de aprendizaje profundo mientras aprovecha los GPUs para un alto rendimiento.
Esta capacitación en vivo dirigida por un instructor en Maryland (en línea o presencial) proporciona una introducción al campo del reconocimiento de patrones y el aprendizaje automático. Aborda aplicaciones prácticas en estadística, informática, procesamiento de señales, visión artificial, minería de datos y bioinformática.
Al final de esta formación, los participantes serán capaces de:
Aplicar métodos estadísticos básicos al reconocimiento de patrones.
Utilice modelos clave como redes neuronales y métodos de kernel para el análisis de datos.
Implementar técnicas avanzadas para la resolución de problemas complejos.
Mejore la precisión de la predicción mediante la combinación de diferentes modelos.
Tipo: Formación teórica con aplicaciones acordadas de antemano con los alumnos sobre Lasaña o Keras según el grupo pedagógico
Método didáctico: presentación, intercambios y estudios de casos
La inteligencia artificial, después de haber irrumpido en muchos campos científicos, ha comenzado a revolucionar un gran número de sectores económicos (industria, medicina, comunicación, etc.). Sin embargo, su presentación en los principales medios de comunicación es a menudo una fantasía, muy alejada de lo que realmente son los campos de Machine Learning o Deep Learning. El objetivo de esta formación es proporcionar a los ingenieros que ya tienen un dominio de las herramientas informáticas (incluyendo una programación básica de software) una introducción a Deep Learning así como a sus diferentes áreas de especialización y por tanto a las principales arquitecturas de red existentes en la actualidad. Si se recuerdan los conceptos básicos de matemáticas durante el curso, se recomienda un nivel de matemáticas del tipo BAC+2 para mayor comodidad. Es absolutamente posible saltarse el eje matemático para mantener solo una visión de "sistema", pero este enfoque limitará en gran medida su comprensión del tema.
En 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
Esta formación en directo dirigida por un instructor en Maryland (online o presencial) está dirigida a ingenieros que deseen conocer la aplicabilidad de la inteligencia artificial a los sistemas mecatrónicos.
Al final de esta formación, los participantes serán capaces de:
Obtenga una visión general de la inteligencia artificial, el aprendizaje automático y la inteligencia computacional.
Comprender los conceptos de redes neuronales y los diferentes métodos de aprendizaje.
Elija enfoques de inteligencia artificial de manera efectiva para problemas de la vida real.
Implementar aplicaciones de IA en ingeniería mecatrónica.
Esta sesión de capacitación en el aula contendrá presentaciones y ejemplos basados en computadora y ejercicios de estudio de casos para realizar con bibliotecas de redes neuronales y profundas relevantes
En este entrenamiento guiado por un instructor en Maryland, los participantes aprenderán cómo aprovechar las innovaciones en procesadores TPU para maximizar el rendimiento de sus propias aplicaciones de IA.
Al final del entrenamiento, los participantes podrán:
Entrenar diversos tipos de redes neuronales con grandes cantidades de datos.
Utilizar TPUs para acelerar el proceso de inferencia hasta en dos órdenes de magnitud.
Utilizar TPUs para procesar aplicaciones intensivas como búsqueda de imágenes, visión en la nube y fotos.
Este curso comienza con el conocimiento conceptual en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).
La Parte 1 (40%) de esta capacitación se centra más en los fundamentos, pero lo 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 facilita la escritura de modelos de aprendizaje profundo.
La Parte 3 (40%) de la capacitación se basaría ampliamente en Tensorflow: API de segunda generación de la biblioteca de software de código abierto de Go ogle para Deep Learning . Los ejemplos y handson se realizarían en TensorFlow .
Audiencia
Este curso está destinado a ingenieros que buscan utilizar TensorFlow para sus proyectos de Deep Learning
Después de completar este curso, los delegados:
tener un buen conocimiento de las redes neuronales profundas (DNN), CNN y RNN
Comprender la estructura y los mecanismos de implementación de TensorFlow
ser capaz de llevar a cabo tareas de instalación / entorno de producción / arquitectura y configuración
ser capaz de evaluar la calidad del código, realizar depuración, monitoreo
ser capaz de implementar producción avanzada como modelos de capacitación, creación de gráficos y registro
Leer más...
Última Actualización:
Testimonios (5)
Hunter es fabuloso, muy atractivo, extremadamente conocedor y agradable. Muy bien hecho.
Rick Johnson - Laramie County Community College
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
El entrenador era un profesional en el campo del tema y relacionó excelentemente la teoría con la aplicación.
Fahad Malalla - Tatweer Petroleum
Curso - Applied AI from Scratch in Python
Traducción Automática
I liked the new insights in deep machine learning.
Josip Arneric
Curso - Neural Network in R
Traducción Automática
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.
Gudrun Bickelq
Curso - Introduction to the use of neural networks
Traducción Automática
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Cursos de Fin de Semana de Red Neuronal Artificial en Maryland, Capacitación por la Tarde de Red Neuronal Artificial en Maryland, Red Neuronal Artificial con instructor en Maryland, Red Neuronal Artificial en sitio en Maryland, Clases Particulares de Red Neuronal Artificial en Maryland, Red Neuronal Artificial coaching en Maryland, Capacitación de Fin de Semana de Red Neuronal Artificial en Maryland, Cursos Privados de Red Neuronal Artificial en Maryland, Cursos por la Tarde de Red Neuronal Artificial en Maryland, Instructor de Red Neuronal Artificial en Maryland, Capacitador de Red Neuronal Artificial en Maryland, Cursos de Formación de Red Neuronal Artificial en Maryland, Red Neuronal Artificial boot camp en Maryland, Clases de Red Neuronal Artificial en MarylandCursos de Fin de Semana de Neural Networks en Maryland, Capacitación por la Tarde de Neural Networks en Maryland, Neural Networks con instructor en Maryland, Clases de Neural Networks en Maryland, Instructor de Neural Networks en Maryland, Cursos Privados de Neural Networks en Maryland, Neural Networks en sitio en Maryland, Capacitador de Neural Networks en Maryland, Neural Networks boot camp en Maryland, Cursos por la Tarde de Neural Networks en Maryland, Capacitación de Fin de Semana de Neural Networks en Maryland, Clases Particulares de Neural Networks en Maryland, Cursos de Formación de Neural Networks en Maryland, Neural Networks coaching en Maryland
_0.jpg)
