Berlin

NobleProg Berlin, Brückenstraße 4, Berlin, Deutschland, 10179

Überblick 

Unsere Schulungsräumlichkeiten befinden sich in der Brückenstraße 4 in Berlin. Im vierten Stock eines gepflegten, Berliner Neubaus gelegen, bieten unsere Räumlichkeiten genug Platz für erfolgreiche Schulungen im Herzen Berlins , fussläufig zum U- und S-Bahnhof Jannowitzbrücke.

 

Anfahrt 

Die NobleProg-Schulungsräumlichkeiten liegen mitten im Berliner Stadtbezirk Mitte, nur eine U-Bahnstationen vom Alexanderplatz, einem der Zentren dieser lebhaften Großstadt, entfernt. Mit den Öffentlichen Verkehrsmitteln erreichen Sie uns entweder mit der U-Bahnlinie U8 bis zum Bahnhof Jannowitzbrücke, gefolgt von ca 100 Metern Fußweg. Alternativ können Sie, abhängig von Ihrem Ausgangsort auch mit der S-Bahn bis zum Bahnhof Jannowitzbrücke fahren.

 

Parkplätze 

Im Bereich entlang der Brückenstraße und den nahegelegenen Seitenstraßen können PKW abgestellt werden, auch wenn man gegebenenfalls einen Moment lang suchen muss. Die Parkplätze sind nicht gebührenpflichtig.

 

Lokale Infrastruktur 

Rund um die Brückenstraße finden sich zahlreiche kleine Restaurants und Läden, in denen man gut und günstig Essen gehen kann. Ortsnah befinden sich auch einige Hotels, sofern Sie für die Schulung eine Unterkunft benötigen.

Potsdam

NobleProg Potsdam, Dianastraße 46, Potsdam, Deutschland, 14482

Überblick

Unsere Schulungsräumlichkeiten befinden sich in der Dianastrasse 46 in Potsdam-Babelsberg. Direkt gegenüber befinden sich die Filstudios Babelsberg. Von hier aus können Sie die ehemalige preussische Hauptstadt erkunden. 

Anreise

Die NobleProg-Schulungsräumlichkeiten liegen verkehrsgünstig nahe des Bahnhofs Medienstadt Babelsberg und auch die Autobahn A115 ist gut erreichbar. Von Berlin aus braucht man per Zug oder per Auto ca. 40 Minuten nach Babelsberg

Parkplätze

Rund um unsere Schulungsräume gibt es in den umliegenden Straßen Parkmöglichkeiten.

Lokale Infrastruktur 

Potsdam bietet zahlreiche Hotels und Restaurants und ist dank ausgebautem Nahverkehrssystem gut bereisbar.

Unterkategorien (11)

Stable Diffusion

Stable Diffusion
TensorFlow

TensorFlow
Caffe

Caffe
Keras

Keras
OpenVINO

OpenVINO
Horovod

Horovod
Chainer

Chainer
Neural Networks

Neural Networks
TensorFlow Lite

TensorFlow Lite
AlphaFold

AlphaFold
CNTK

CNTK

Erkunden Sie unsere Kurse

Computer Vision with Google Colab and TensorFlow

 21 Stunden
Diese von einem Trainer geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die ihr Verständnis von Computer Vision vertiefen und die Möglichkeiten von TensorFlow zur Entwicklung anspruchsvoller Vision-Modelle mit Google Colab erkunden möchten. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Faltungsneuronale Netze (CNNs) mit TensorFlow erstellen und trainieren.
  • Nutzung von Google Colab für skalierbare und effiziente Cloud-basierte Modellentwicklung.
  • Bildvorverarbeitungstechniken für Computer Vision Aufgaben zu implementieren.
  • Einsatz von Computer-Vision-Modellen für reale Anwendungen.
  • Verwenden Sie Transfer-Lernen, um die Leistung von CNN-Modellen zu verbessern.
  • Visualisieren und interpretieren Sie die Ergebnisse von Bildklassifizierungsmodellen.
Read more...

Deep Learning with TensorFlow in Google Colab

 14 Stunden
Diese von einem Trainer geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an fortgeschrittene Datenwissenschaftler und Entwickler, die Deep-Learning-Techniken mit der Google Colab-Umgebung verstehen und anwenden möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Google Colab für Deep-Learning-Projekte einzurichten und zu navigieren.
  • Die Grundlagen neuronaler Netze zu verstehen.
  • Deep-Learning-Modelle mit TensorFlow zu implementieren.
  • Deep-Learning-Modelle zu trainieren und zu bewerten.
  • Erweiterte Funktionen von TensorFlow für Deep Learning zu nutzen.
Read more...

Edge AI with TensorFlow Lite

 14 Stunden
Diese von einem Trainer geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an fortgeschrittene Entwickler, Datenwissenschaftler und KI-Experten, die TensorFlow Lite für Edge-KI-Anwendungen nutzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die Grundlagen von TensorFlow Lite und seine Rolle in Edge AI zu verstehen.
  • KI-Modelle mit TensorFlow Lite entwickeln und optimieren.
  • Einsatz von TensorFlow Lite-Modellen auf verschiedenen Edge-Geräten.
  • Werkzeuge und Techniken zur Modellkonvertierung und -optimierung nutzen.
  • Implementierung praktischer Edge AI-Anwendungen mit TensorFlow Lite.
Read more...

Deep Learning for NLU: Beyond NLP Models

 21 Stunden
Diese Live-Schulung in Berlin (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die sich auf modernste Deep-Learning-Techniken für NLU spezialisieren möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die Hauptunterschiede zwischen NLU- und NLP-Modellen zu verstehen.
  • fortgeschrittene Deep-Learning-Techniken auf NLU-Aufgaben anzuwenden.
  • Deep-Architekturen wie Transformatoren und Aufmerksamkeitsmechanismen zu erforschen.
  • Zukünftige Trends in NLU für den Aufbau anspruchsvoller KI-Systeme zu nutzen.
Read more...

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

 21 Stunden
Diese von einem Dozenten geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an fortgeschrittene Datenwissenschaftler, Ingenieure für maschinelles Lernen, Deep-Learning-Forscher und Computer-Vision-Experten, die ihre Kenntnisse und Fähigkeiten im Bereich Deep Learning für die Text-zu-Bild-Erzeugung erweitern möchten. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Fortgeschrittene Deep-Learning-Architekturen und -Techniken für die Text-Bild-Erzeugung zu verstehen.
  • Komplexe Modelle und Optimierungen für eine hochwertige Bildsynthese zu implementieren.
  • Leistung und Skalierbarkeit für große Datensätze und komplexe Modelle zu optimieren.
  • Abstimmung von Hyperparametern für bessere Modellleistung und Generalisierung.
  • Integration von Stable Diffusion mit anderen Deep-Learning-Frameworks und -Tools
Read more...

AI-Driven Drug Discovery and Development

 21 Stunden
Diese von einem Ausbilder geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die KI-Techniken nutzen möchten, um die Prozesse der Arzneimittelforschung und -entwicklung zu revolutionieren. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die Rolle der KI in der Arzneimittelforschung und -entwicklung zu verstehen.
  • Techniken des maschinellen Lernens anwenden, um molekulare Eigenschaften und Interaktionen vorherzusagen.
  • Deep-Learning-Modelle für virtuelles Screening und Lead-Optimierung zu nutzen.
  • KI-gesteuerte Ansätze in den Prozess der klinischen Prüfung zu integrieren.
Read more...

AlphaFold

 7 Stunden
Diese von einem Ausbilder geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Biologen, die verstehen möchten, wie AlphaFold funktioniert, und die AlphaFold-Modelle als Leitfaden für ihre experimentellen Studien verwenden möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die Grundprinzipien von AlphaFold verstehen.
  • Lernen, wie AlphaFold funktioniert.
  • lernen, wie sie AlphaFold-Vorhersagen und -Ergebnisse interpretieren können.
Read more...

DeepSpeed for Deep Learning

 21 Stunden
Diese von einem Trainer geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Anfänger bis fortgeschrittene Datenwissenschaftler und Ingenieure für maschinelles Lernen, die die Leistung ihrer Deep-Learning-Modelle verbessern möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die Prinzipien des verteilten Deep Learning zu verstehen.
  • DeepSpeed installieren und konfigurieren.
  • Deep-Learning-Modelle auf verteilter Hardware mit DeepSpeed skalieren.
  • DeepSpeed-Funktionen zur Optimierung und Speichereffizienz zu implementieren und damit zu experimentieren.
Read more...

Introduction to Large Language Models (LLMs)

 14 Stunden
Diese Live-Schulung in Berlin (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die Large Language Models für verschiedene natürlichsprachliche Aufgaben einsetzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Eine Entwicklungsumgebung einzurichten, die ein gängiges LLM enthält.
  • Ein grundlegendes LLM zu erstellen und es auf einem benutzerdefinierten Datensatz fein abzustimmen.
  • LLMs für verschiedene natürlichsprachliche Aufgaben wie Textzusammenfassung, Beantwortung von Fragen, Textgenerierung und mehr zu verwenden.
  • LLMs mit Tools wie TensorBoard, PyTorch Lightning und Hugging Face Datasets debuggen und evaluieren.
Read more...

Introduction to Stable Diffusion for Text-to-Image Generation

 21 Stunden
Diese von einem Dozenten geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler, Ingenieure für maschinelles Lernen und Forscher im Bereich Computer Vision, die Stable Diffusion nutzen möchten, um hochwertige Bilder für eine Vielzahl von Anwendungsfällen zu erzeugen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die Prinzipien von Stable Diffusion und seine Funktionsweise für die Bilderzeugung zu verstehen.
  • Erstellen und Trainieren von Stable Diffusion-Modellen für Bilderzeugungsaufgaben.
  • Anwendung von Stable Diffusion auf verschiedene Bilderzeugungsszenarien, wie Inpainting, Outpainting und Bild-zu-Bild-Übersetzung.
  • Optimieren der Leistung und Stabilität von Stable Diffusion-Modellen.
Read more...

Advanced Machine Learning with Python

 21 Stunden
In dieser Live-Schulung in Berlin lernen die Teilnehmer die wichtigsten und modernsten Techniken des maschinellen Lernens in Python, während sie eine Reihe von Demo-Anwendungen mit Bild-, Musik-, Text- und Finanzdaten erstellen. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Algorithmen und Techniken des maschinellen Lernens für die Lösung komplexer Probleme zu implementieren.
  • Deep Learning und Semi-Supervised Learning auf Anwendungen für Bild-, Musik-, Text- und Finanzdaten anzuwenden.
  • Algorithmen Python auf ihr maximales Potenzial zu bringen.
  • Bibliotheken und Pakete wie NumPy und Theano zu verwenden.
Read more...

Applied AI from Scratch in Python

 28 Stunden
Dies ist ein 4-tägiger Kurs zur Einführung in die KI und ihre Anwendung unter Verwendung der Programmiersprache Python. Es besteht die Möglichkeit, nach Abschluss des Kurses einen zusätzlichen Tag für die Durchführung eines KI-Projekts zu nutzen.
Read more...

Deep Reinforcement Learning with Python

 21 Stunden
Dieses von einem Trainer geleitete Live-Training (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die die Grundlagen von Deep Reinforcement Learning erlernen möchten, während sie Schritt für Schritt einen Deep Learning Agent erstellen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die Schlüsselkonzepte hinter Deep Reinforcement Learning verstehen und von Machine Learning unterscheiden können.
  • Ausgereifte Reinforcement Learning-Algorithmen zur Lösung realer Probleme anwenden.
  • Einen Deep Learning Agent erstellen.
Read more...

Deep Learning for Telecom (with Python)

 28 Stunden
In dieser von einem Trainer geleiteten Live-Schulung in Berlin lernen die Teilnehmer, wie sie Deep-Learning-Modelle für die Telekommunikation mithilfe von Python implementieren können, indem sie Schritt für Schritt ein Deep-Learning-Kreditrisikomodell erstellen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die grundlegenden Konzepte des Deep Learning zu verstehen.
  • die Anwendungen und Einsatzmöglichkeiten von Deep Learning in der Telekommunikation kennen.
  • Verwendung von Python, Keras und TensorFlow zur Erstellung von Deep-Learning-Modellen für die Telekommunikation.
  • Ihr eigenes Deep-Learning-Modell zur Vorhersage der Kundenabwanderung mit Python erstellen.
Read more...

Ein Überblick über künstliche Intelligenz

 7 Stunden
Dieser Kurs richtet sich an Manager, Lösungsarchitekten, Innovationsbeauftragte, CTOs, Softwarearchitekten und alle, die sich für einen Überblick über angewandte künstliche Intelligenz und die nächsten Prognosen für ihre Entwicklung interessieren.
Read more...

Artificial Intelligence (AI) in Automotive

 14 Stunden
Dieser Kurs umfasst AI (emphasizing Machine Learning und Deep Learning) in Automotive Industrie. Es hilft zu bestimmen, welche Technologie (potenziell) in mehreren Situationen in einem Auto verwendet werden kann: von einfacher Automatisierung, Bilderkennung bis hin zu autonomen Entscheidungsfindung.
Read more...

From Zero to AI

 35 Stunden
This instructor-led, live training in Berlin (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development. By the end of this training, participants will be able to:
  • Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
  • Write and understand procedural, functional, and object-oriented programming code.
  • Implement machine learning techniques such as classification, clustering, and neural networks.
  • Develop AI solutions using rules engines and expert systems for problem-solving.
Read more...

Artificial Neural Networks, Machine Learning, Deep Thinking

 21 Stunden
Ein künstliches neuronales Netz ist ein Datenmodell, das bei der Entwicklung von Artificial Intelligence (AI) Systemen verwendet wird, die in der Lage sind, "intelligente" Aufgaben auszuführen. Künstliche Neuronale Netze Neural Networks werden häufig in Machine Learning (ML)-Anwendungen verwendet, die ihrerseits eine Implementierung von KI sind. Deep Learning ist eine Teilmenge von ML.
Read more...

Applied AI from Scratch

 28 Stunden
Dies ist ein 4-tägiger Kurs, der in KI und ihre Anwendung einführt. Es besteht die Möglichkeit, nach Abschluss des Kurses einen zusätzlichen Tag für die Durchführung eines KI-Projekts zu nutzen.
Read more...

Angewandtes Maschinelles Lernen

 14 Stunden
This instructor-led, live training in Berlin (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains. By the end of this training, participants will be able to:
  • Understand and implement various Machine Learning algorithms.
  • Prepare data and models for machine learning applications.
  • Conduct post hoc analyses and visualize results effectively.
  • Apply machine learning techniques to real-world, sector-specific scenarios.
Read more...

Deep Learning for Vision with Caffe

 21 Stunden
Caffe ist ein umfassendes Lernframework, das Ausdruck, Geschwindigkeit und Modularität berücksichtigt. In diesem Kurs wird die Anwendung von Caffe als Deep-Learning-Framework für die Bilderkennung am Beispiel von MNIST erläutert Publikum Dieser Kurs eignet sich für Deep Learning Forscher und Ingenieure, die Caffe als Framework nutzen Caffe . Nach Abschluss dieses Kurses haben die Teilnehmer folgende Möglichkeiten:
  • die Struktur und die Bereitstellungsmechanismen von Caffe verstehen
  • Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchführen
  • Codequalität beurteilen, Debugging und Überwachung durchführen
  • Implementieren Sie fortschrittliche Produktionsmethoden wie Schulungsmodelle, Implementieren von Ebenen und Protokollierung
Read more...

Deep Learning Neural Networks with Chainer

 14 Stunden
Diese von einem Dozenten geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Forscher und Entwickler, die mit Chainer neuronale Netze in Python aufbauen und trainieren wollen und dabei den Code leicht debuggen können. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • die notwendige Entwicklungsumgebung einzurichten, um mit der Entwicklung neuronaler Netzmodelle zu beginnen.
  • Neuronale Netzmodelle unter Verwendung eines verständlichen Quellcodes zu definieren und zu implementieren.
  • Beispiele auszuführen und bestehende Algorithmen zu modifizieren, um Deep-Learning-Trainingsmodelle zu optimieren und dabei GPUs für hohe Leistung zu nutzen.
Read more...

Using Computer Network ToolKit (CNTK)

 28 Stunden
Computer Network ToolKit (CNTK) ist Microsoft's Open Source, Multi-machine, Multi-GPU, Highly efficent RNN training machine learning framework for speech, text, and images. Zielgruppe Dieser Kurs richtet sich an Ingenieure und Architekten, die CNTK in ihren Projekten einsetzen wollen.
Read more...

Introduction to Deep Learning

 21 Stunden
Dieser Kurs bietet einen allgemeinen Überblick über Deep Learning, ohne zu sehr in die Tiefe zu gehen, um spezifische Methoden zu verstehen. Er ist für Personen geeignet, die mit Deep Learning beginnen möchten, um ihre Vorhersagegenauigkeit zu verbessern.
Read more...

DeepMind Lab

 14 Stunden
Diese von einem Ausbilder geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Forscher und Entwickler, die die DeepMind Lab-Plattform installieren, einrichten, anpassen und nutzen möchten, um allgemeine Systeme für künstliche Intelligenz und maschinelles Lernen zu entwickeln. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • DeepMind Lab anzupassen, um eine Umgebung zu erstellen und zu betreiben, die den Lern- und Trainingsanforderungen entspricht.
  • die 3D-Simulationsumgebung von DeepMind Lab zu nutzen, um Lernagenten in der Ich-Perspektive zu trainieren.
  • Erleichterung der Agentenbewertung zur Entwicklung von Intelligenz in einer spielähnlichen 3D-Welt.
Read more...

Advanced Deep Learning

 28 Stunden
Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, bei dem Computer die Fähigkeit haben, zu lernen, ohne ausdrücklich programmiert zu werden. Deep Learning ist ein Teilbereich des maschinellen Lernens, der Methoden verwendet, die auf dem Lernen von Datendarstellungen und -strukturen wie neuronalen Netzen basieren.
Read more...

Deep Learning for Business

 14 Stunden
Diese von einem Trainer geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Business-Analysten, Datenwissenschaftler und Entwickler, die Deep-Learning-Modelle erstellen und implementieren möchten, um das Umsatzwachstum zu beschleunigen und Probleme in der Geschäftswelt zu lösen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Die Kernkonzepte des maschinellen Lernens und des Deep Learning zu verstehen.
  • Einblicke in die Zukunft der Wirtschaft und Industrie mit ML und DL erhalten.
  • Geschäftsstrategien und Lösungen mit Deep Learning zu definieren.
  • Lernen, wie man Data Science und Deep Learning für die Lösung von Geschäftsproblemen einsetzt.
  • Erstellen von Deep-Learning-Modellen mit Python, Pandas, TensorFlow, CNTK, Torch, Keras, etc.
Read more...

Deep Learning for Banking (with Python)

 28 Stunden
Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, bei dem Computer die Fähigkeit haben, zu lernen, ohne ausdrücklich programmiert zu werden. Deep Learning ist ein Teilbereich des maschinellen Lernens, der Methoden verwendet, die auf dem Lernen von Datendarstellungen und -strukturen wie neuronalen Netzen basieren. Python ist eine Programmiersprache auf hohem Niveau, die für ihre klare Syntax und die Lesbarkeit des Codes bekannt ist. In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie man Deep-Learning-Modelle für das Bankwesen mit Python implementiert, indem sie Schritt für Schritt ein Deep-Learning-Kreditrisikomodell erstellen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • die grundlegenden Konzepte des Deep Learning zu verstehen
  • die Anwendungen und Einsatzmöglichkeiten von Deep Learning im Bankwesen kennenlernen
  • Verwendung von Python, Keras und TensorFlow zur Erstellung von Deep-Learning-Modellen für das Bankwesen
  • Ihr eigenes Deep-Learning-Kreditrisikomodell unter Verwendung von Python zu erstellen
Zielgruppe
  • Entwickler
  • Datenwissenschaftler
Format des Kurses
  • Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen
Read more...

Deep Learning for NLP (Natural Language Processing)

 28 Stunden
In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer die Verwendung von Python Bibliotheken für NLP, während sie eine Anwendung erstellen, die eine Reihe von Bildern verarbeitet und Bildunterschriften generiert.  Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Entwerfen und  codieren Sie DL für NLP unter Verwendung von Python Bibliotheken.
  • Erstellen von Python Code, der eine umfangreiche Sammlung von Bildern liest und Schlüsselwörter generiert.
  • Erstelle PythonCode, der aus den erkannten Schlüsselwörtern Bildunterschriften generiert.
Read more...

Deep Learning for Vision

 21 Stunden
Publikum Dieser Kurs ist für Deep Learning Forscher und Ingenieure geeignet, die verfügbare Tools (meist Open Source) zur Analyse von Computerbildern verwenden möchten Dieser Kurs enthält Arbeitsbeispiele.
Read more...

Accelerating Deep Learning with FPGA and OpenVINO

 35 Stunden
Diese von einem Trainer geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Datenwissenschaftler, die Echtzeitanwendungen für maschinelles Lernen beschleunigen und in großem Umfang einsetzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Das Toolkit OpenVINO zu installieren.
  • Eine Computer-Vision-Anwendung mit einem FPGA zu beschleunigen.
  • Verschiedene CNN-Schichten auf dem FPGA auszuführen.
  • die Anwendung über mehrere Knoten in einem Kubernetes-Cluster zu skalieren.
Read more...

Fraud Detection with Python and TensorFlow

 14 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler, die TensorFlow für die Analyse potenzieller Betrugsdaten nutzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Ein Betrugserkennungsmodell in Python und TensorFlow erstellen.
  • Lineare Regressionen und lineare Regressionsmodelle zur Vorhersage von Betrug erstellen.
  • Eine End-to-End-KI-Anwendung zur Analyse von Betrugsdaten entwickeln.
Read more...

Distributed Deep Learning with Horovod

 7 Stunden
Diese von einem Trainer geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Entwickler oder Datenwissenschaftler, die Horovod verwenden möchten, um verteilte Deep-Learning-Trainings durchzuführen und sie so zu skalieren, dass sie über mehrere GPUs parallel laufen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • die notwendige Entwicklungsumgebung einzurichten, um Deep-Learning-Trainings auszuführen.
  • Horovod zu installieren und zu konfigurieren, um Modelle mit TensorFlow, Keras, PyTorch und Apache MXNet zu trainieren.
  • Deep-Learning-Training mit Horovod zu skalieren, um es auf mehreren GPUs laufen zu lassen.
Read more...

Introduction Deep Learning & Réseaux de neurones pour l’ingénieur

 21 Stunden
Typ: Theoretische Ausbildung mit Anwendungen, die im Vorfeld mit den Schülern auf Lasagne oder Keras je nach pädagogischer Gruppe beschlossen wurden. Pädagogische Methode: Präsentation, Austausch und Fallstudien. Die künstliche Intelligenz hat nach der Umwälzung zahlreicher wissenschaftlicher Bereiche begonnen, eine große Anzahl von Wirtschaftssektoren (Industrie, Medizin, Kommunikation usw.) zu revolutionieren. Dennoch ist ihre Darstellung in den großen Medien oft ein Phantasieprodukt, das weit von dem entfernt ist, was die Bereiche Machine Learning oder Deep Learning tatsächlich sind. Ziel dieses Kurses ist es, Ingenieuren, die sich bereits mit Informatikwerkzeugen (einschließlich Softwareprogrammierung) auskennen, eine Einführung in die Deep Learning und ihre verschiedenen Fachgebiete und damit in die wichtigsten Netzwerkarchitekturen zu geben, die es heute gibt. Während die mathematischen Grundlagen während des Kurses wiederholt werden, wird für die Bequemlichkeit ein Mathematikniveau vom Typ BAC+2 empfohlen. Es ist absolut möglich, die mathematische Achse auszulassen, um nur eine "System"-Sicht zu behalten, aber dieser Ansatz wird Ihr Verständnis des Themas enorm einschränken.
Read more...

Deep Learning with Keras

 21 Stunden
Diese von einem Ausbilder geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an technische Personen, die Deep-Learning-Modelle auf Bilderkennungsanwendungen anwenden möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Installieren und konfigurieren Keras.
  • Schnell Prototypen von Deep-Learning-Modellen zu erstellen.
  • Ein Faltungsnetzwerk zu implementieren.
  • Ein rekurrentes Netzwerk zu implementieren.
  • Ein Deep-Learning-Modell sowohl auf einer CPU als auch auf GPU auszuführen.
Read more...

Matlab for Deep Learning

 14 Stunden
In diesem von Lehrern geleiteten Live-Training lernen die Teilnehmer, wie sie Matlab zum Entwerfen, Erstellen und Visualisieren eines neuronalen Faltungsnetzwerks für die Bilderkennung verwenden. Am Ende dieser Schulung können die Teilnehmer:
  • Bauen Sie ein Deep-Learning-Modell auf
  • Datenbeschriftung automatisieren
  • Arbeiten Sie mit Modellen von Caffe und TensorFlow - Keras
  • Trainieren Sie Daten mit mehreren GPU , der Cloud oder Clustern
Publikum
  • Entwickler
  • Ingenieure
  • Domain-Experten
Format des Kurses
  • Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
Read more...

Machine Learning and Deep Learning

 21 Stunden
Diese von einem Ausbilder geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Anfänger und Fortgeschrittene, die ihr Verständnis für Algorithmen des maschinellen Lernens, Deep-Learning-Techniken und KI-gesteuerte Entscheidungsfindung vertiefen möchten. Der Kurs vermittelt praktische Erfahrungen mit Konzepten des maschinellen Lernens, Deep-Learning-Modellen und praktischen Implementierungen mit R.Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Die Grundlagen des maschinellen Lernens und des Deep Learning zu verstehen.
  • Verschiedene Algorithmen des maschinellen Lernens für Regression, Klassifizierung, Clustering und Anomalieerkennung anwenden.
  • Deep-Learning-Architekturen wie künstliche neuronale Netze (ANNs) zu verwenden.
  • Implementierung von überwachten und nicht überwachten Lernmodellen.
  • Bewertung der Modellleistung und Optimierung von Hyperparametern.
  • Verwendung von R für Datenanalyse, Visualisierung und Anwendungen des maschinellen Lernens.
Read more...

Neural computing – Data science

 14 Stunden
Diese Schulung im Klassenzimmer umfasst Präsentationen und computerbasierte Beispiele sowie Fallstudienübungen, die mit relevanten Bibliotheken für neuronale und tiefe Netzwerke durchgeführt werden können
Read more...

Python and Deep Learning with OpenCV 4

 14 Stunden
Diese von einem Trainer geleitete Live-Schulung in Berlin (online oder vor Ort) richtet sich an Softwareingenieure, die in Python mit OpenCV 4 für Deep Learning programmieren möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Bilder und Videos mit OpenCV 4 betrachten, laden und klassifizieren.
  • Deep Learning in OpenCV 4 mit TensorFlow und Keras zu implementieren.
  • Deep-Learning-Modelle auszuführen und aussagekräftige Berichte aus Bildern und Videos zu erstellen.
Read more...

OpenFace: Creating Facial Recognition Systems

 14 Stunden
OpenFace ist eine auf Python und Torch basierende Open-Source-Echtzeit-Gesichtserkennungssoftware, die auf der FaceNet-Forschung von Google beruht. In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie sie die Komponenten von OpenFace verwenden, um eine Beispielanwendung für die Gesichtserkennung zu erstellen und einzusetzen. Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:
  • mit den OpenFace-Komponenten, einschließlich dlib, OpenVC, Torch und nn4, zu arbeiten, um Gesichtserkennung, -ausrichtung und -transformation zu implementieren
  • OpenFace auf reale Anwendungen wie Überwachung, Identitätsüberprüfung, virtuelle Realität, Spiele, Identifizierung von Stammkunden usw. anzuwenden.
Zielgruppe
  • Entwickler
  • Datenwissenschaftler
Format des Kurses
  • Teilweise Vorlesung, teilweise Diskussion, Übungen und intensive praktische Anwendung
Read more...

OpenNMT: Setting Up a Neural Machine Translation System

 7 Stunden
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie OpenNMT eingerichtet und verwendet OpenNMT , um die Übersetzung verschiedener Beispieldatensätze durchzuführen. Der Kurs beginnt mit einem Überblick über neuronale Netze, wie sie für die maschinelle Übersetzung gelten. Die Teilnehmer führen während des gesamten Kurses Live-Übungen durch, um ihr Verständnis der erlernten Konzepte zu demonstrieren und Feedback vom Kursleiter zu erhalten. Am Ende dieser Schulung verfügen die Teilnehmer über das Wissen und die Praxis, um eine Live- OpenNMT Lösung zu implementieren. Quell- und Zielsprachenbeispiele werden nach den Anforderungen des Publikums vorbestellt. Format des Kurses
  • Teilvorlesung, Teildiskussion, viel Praxis
Read more...

Advanced Machine Learning with R

 21 Stunden
In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer fortgeschrittene Techniken für Machine Learning mit R kennen, während sie Schritt für Schritt eine reale Anwendung erstellen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Verstehen und Implementieren von Techniken des unüberwachten Lernens
  • Clustering und Klassifizierung anwenden, um Vorhersagen auf der Grundlage realer Daten zu treffen.
  • Daten visualisieren, um schnell Erkenntnisse zu gewinnen, Entscheidungen zu treffen und Analysen weiter zu verfeinern
  • Verbessern Sie die Leistung eines Modells für maschinelles Lernen mit Hilfe von Hyper-Parameter-Tuning.
  • Ein Modell zur Verwendung in einer größeren Anwendung in Betrieb nehmen.
  • Fortgeschrittene Techniken des maschinellen Lernens anwenden, um Fragen zu beantworten, die soziale Netzwerkdaten, Big Data und mehr betreffen.
Read more...

Deep Learning with TensorFlow 2

 21 Stunden
Dieses von einem Trainer geleitete Live-Training (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Tensorflow 2.x verwenden möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netze usw. zu erstellen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installation und Konfiguration von TensorFlow 2.x.
  • Die Vorteile von TensorFlow 2.x gegenüber früheren Versionen verstehen.
  • Die Erstellung von Deep Learning-Modellen.
  • Implementieren Sie einen fortgeschrittenen Bildklassifikator.
  • Einsatz eines Deep-Learning-Modells in der Cloud, auf mobilen und IoT-Geräten.
Read more...

Tensorflow Lite for Microcontrollers

 21 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die Machine-Learning-Modelle auf sehr kleinen eingebetteten Geräten schreiben, laden und ausführen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installieren TensorFlow Lite.
  • Laden Sie Modelle für maschinelles Lernen auf ein eingebettetes Gerät, um es in die Lage zu versetzen, Sprache zu erkennen, Bilder zu klassifizieren usw.
  • Hardwaregeräte mit KI ausstatten, ohne auf eine Netzwerkverbindung angewiesen zu sein.
Read more...

TensorFlow Serving

 7 Stunden
In dieser von einem Trainer geleiteten Live-Schulung (online oder vor Ort) lernen die Teilnehmer, wie man TensorFlow Serving konfiguriert und verwendet, um ML-Modelle in einer Produktionsumgebung einzusetzen und zu verwalten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Trainieren, exportieren und bedienen Sie verschiedene TensorFlow-Modelle.
  • Testen und Bereitstellen von Algorithmen mit einer einzigen Architektur und einem Satz von APIs.
  • Erweitern Sie TensorFlow Serving um andere Modelltypen als TensorFlow-Modelle zu bedienen.
Read more...

Deep Learning with TensorFlow

 21 Stunden
TensorFlow ist eine 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Das System wurde entwickelt, um die Forschung im Bereich maschinelles Lernen zu vereinfachen und den Übergang vom Forschungsprototyp zum Produktionssystem schnell und einfach zu gestalten. Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow Nach Abschluss dieses Kurses werden die Teilnehmer:
  • Struktur und Einsatzmechanismen von TensorFlow verstehen
  • in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
  • in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
  • in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren
Read more...

TensorFlow for Image Recognition

 28 Stunden
In diesem Kurs wird anhand konkreter Beispiele die Anwendung von Tensor Flow zur Bilderkennung erläutert Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow zur Bilderkennung einsetzen TensorFlow Nach Abschluss dieses Kurses haben die Teilnehmer folgende Möglichkeiten:
  • Struktur und Einsatzmechanismen von TensorFlow verstehen
  • Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchführen
  • Codequalität beurteilen, Debugging und Überwachung durchführen
  • Implementieren Sie fortschrittliche Produktionsmethoden wie Trainingsmodelle, Erstellen von Diagrammen und Protokollieren
Read more...

TensorFlow Extended (TFX)

 21 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler, die von der Schulung eines einzelnen ML-Modells zum Einsatz vieler ML-Modelle in der Produktion übergehen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installation und Konfiguration von TFX und unterstützenden Tools von Drittanbietern.
  • TFX zum Erstellen und Verwalten einer vollständigen ML-Produktionspipeline verwenden.
  • Mit TFX-Komponenten arbeiten, um die Modellierung, das Training, die Inferenz und die Verwaltung von Implementierungen durchzuführen.
  • Bereitstellen von Funktionen für maschinelles Lernen für Webanwendungen, mobile Anwendungen, IoT-Geräte und mehr.
Read more...

TPU Programming: Building Neural Network Applications on Tensor Processing Units

 7 Stunden
In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie sie die Vorteile der Innovationen bei TPU-Prozessoren nutzen können, um die Leistung ihrer eigenen KI-Anwendungen zu maximieren. Am Ende der Schulung werden die Teilnehmer in der Lage sein:
  • Trainieren Sie verschiedene Arten von neuronalen Netzen auf großen Datenmengen.
  • Nutzen Sie TPUs, um den Inferenzprozess um bis zu zwei Größenordnungen zu beschleunigen.
  • Nutzen Sie TPUs zur Verarbeitung intensiver Anwendungen wie Bildsuche, Cloud Vision und Fotos.
Read more...

Natural Language Processing (NLP) with TensorFlow

 35 Stunden
TensorFlow™ ist eine Open-Source-Software-Bibliothek für numerische Berechnungen mit Datenfluss-Grafen. SyntaxNet ist ein Neural-Network Natural Language Processing Framework für TensorFlow. Word2Vec wird verwendet, um Vektor-Repräsentationen von Wörtern zu lernen, die "Wörter-Inbeddings" genannt werden. Word2vec ist ein besonders berechnet-effizientes Vorhersage-Modell für das Lernen von Wörterinbindungen aus Rohtext. Es kommt in zwei Geschmacksmodellen, dem Kontinuous Bag-of-Words Modell (CBOW) und dem Skip-Gram Modell (Kapitel 3.1 und 3.2 in Mikolov et al.) SyntaxNet und Word2Vec ermöglichen Benutzern die Erzeugung von Learned Embedding-Modellen aus Natural Language-Eintrag. Publikum Dieser Kurs richtet sich an Entwickler und Ingenieure, die mit SyntaxNet und Word2Vec Modellen in ihren TensorFlow Grafen arbeiten wollen. Nach Abschluss dieses Kurses werden die Delegierten:
  • Verständnis TensorFlow’s Struktur und Ausführungsmechanismen
  • in der Lage, Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchzuführen
  • in der Lage, die Codequalität zu bewerten, Debugging durchzuführen, Überwachung
  • in der Lage, fortgeschrittene Produktion wie Trainingsmodelle, Einbruchsbedingungen, Baugraphen und Logging zu implementieren
Read more...

Understanding Deep Neural Networks

 35 Stunden
Dieser Kurs beginnt mit dem Erlernen von konzeptionellen Kenntnissen in neuronalen Netzen und allgemein in maschinellem Lernalgorithmus und Tiefenlernen (Algorithmen und Anwendungen). Teil 1 (40%) dieses Trainings konzentriert sich mehr auf Grundlagen, hilft Ihnen jedoch bei der Auswahl der richtigen Technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras usw. In Teil 2 (20%) dieses Trainings wird Theano vorgestellt - eine Python-Bibliothek, die das Schreiben von Deep-Learning-Modellen erleichtert. Part-3 (40%) die Ausbildung intensiv auf Basis von Tensorflow würde - 2nd Generation API von Go Ogle Open - Source - Software - Bibliothek für Deep Learning . Die Beispiele und Handys würden alle in TensorFlow . Publikum Dieser Kurs richtet sich an Ingenieure, die TensorFlow für ihre Deep Learning Projekte einsetzen TensorFlow Nach Abschluss dieses Kurses werden die Teilnehmer:
  • ein gutes Verständnis für tiefe neuronale Netze (DNN), CNN und RNN haben
  • Struktur und Einsatzmechanismen von TensorFlow verstehen
  • in der Lage sein, Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen auszuführen
  • in der Lage sein, die Codequalität zu bewerten, Fehler zu beheben und zu überwachen
  • in der Lage sein, fortgeschrittene Produktionsmethoden wie Trainingsmodelle, das Erstellen von Graphen und das Protokollieren zu implementieren
Read more...

Last Updated:

Erfahrungsberichte (14)

Hunter ist fabelhaft, sehr einnehmend, äußerst sachkundig und sympathisch. Sehr gut gemacht.

Rick Johnson - Laramie County Community College

Kurs - Artificial Intelligence (AI) Overview

Maschinelle Übersetzung

Die Klarheit, mit der es präsentiert wurde

John McLemore - Motorola Solutions

Kurs - Deep Learning for Telecom (with Python)

Maschinelle Übersetzung

Der Trainer erklärte den Stoff gut und war die ganze Zeit über engagiert. Er hielt inne, um Fragen zu stellen, und ließ uns in einigen praktischen Sitzungen selbst zu Lösungen kommen. Er passte den Kurs außerdem gut auf unsere Bedürfnisse an.

Robert Baker

Kurs - Deep Learning with TensorFlow 2.0

Maschinelle Übersetzung

Tomasz kennt die Informationen wirklich gut und der Kurs hatte eine gute Geschwindigkeit.

Raju Krishnamurthy - Google

Kurs - TensorFlow Extended (TFX)

Maschinelle Übersetzung

Organisation, gemäß dem vorgeschlagenen Agenda, das umfassende Wissen des Trainers zu diesem Thema

Ali Kattan - TWPI

Kurs - Natural Language Processing with TensorFlow

Maschinelle Übersetzung

Der Trainer war ein Fachmann im Themengebiet und verband Theorie mit Anwendung ausgezeichnet.

Fahad Malalla - Tatweer Petroleum

Kurs - Applied AI from Scratch in Python

Maschinelle Übersetzung

In-depth coverage of machine learning topics, particularly neural networks. Demystified a lot of the topic.

Sacha Nandlall

Kurs - Python for Advanced Machine Learning

Maschinelle Übersetzung

Very updated approach or CPI (tensor flow, era, learn) to do machine learning.

Paul Lee

Kurs - TensorFlow for Image Recognition

Maschinelle Übersetzung

I liked the new insights in deep machine learning.

Josip Arneric

Kurs - Neural Network in R

Maschinelle Übersetzung

We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.

Sebastiaan Holman

Kurs - Machine Learning and Deep Learning

Maschinelle Übersetzung

The global overview of deep learning.

Bruno Charbonnier

Kurs - Advanced Deep Learning

Maschinelle Übersetzung

The topic is very interesting.

Wojciech Baranowski

Kurs - Introduction to Deep Learning

Maschinelle Übersetzung

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

Kurs - Introduction to the use of neural networks

Maschinelle Übersetzung

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

Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking

Maschinelle Übersetzung

Kommende Kurse

Using Computer Network ToolKit (CNTK)

2025-05-06 09:30
28 Stunden
Potsdam
7904 EUR (Online)
8704 EUR (Schulungsraum)

Applied AI from Scratch

2025-05-20 09:30
28 Stunden
Berlin
6944 EUR (Online)
7744 EUR (Schulungsraum)

Accelerating Deep Learning with FPGA and OpenVINO

2025-06-09 09:30
35 Stunden
Potsdam
8680 EUR (Online)
9680 EUR (Schulungsraum)

Deep Learning for Vision with Caffe

2025-06-17 09:30
21 Stunden
Berlin
5928 EUR (Online)
6528 EUR (Schulungsraum)

Introduction to Large Language Models (LLMs)

2025-07-01 09:30
14 Stunden
Potsdam
3472 EUR (Online)
3872 EUR (Schulungsraum)

Advanced Machine Learning with R

2025-07-15 09:30
21 Stunden
Berlin
5928 EUR (Online)
6528 EUR (Schulungsraum)

Andere Regionen in Deutschland

Andere Länder

Diese Kurse sind auch in anderen Ländern verfügbar

Beratung

Deep Learning Beratung
Deep Learning (DL) Schulung Berlin, Deep Learning boot camp Berlin, DL (Deep Learning) Fernschulung Berlin, Deep Learning (DL) Wochenende Schulung Berlin, DL (Deep Learning) Abends Schulung Berlin, Deep Learning (DL) Kurs Berlin, Deep Learning Training Berlin, DL (Deep Learning) Seminare Berlin, Deep Learning (DL) Seminar Berlin