Курсы Deep Learning

  1. Каталог курсов
  2. Категория курса
  3. Категория курса
  4. Курсы Deep Learning
Курсы Deep Learning

Местные учебные курсы с глубоким обучением (DL), организованные преподавателями, демонстрируют посредством практических практик основы и применения Deep Learning и охватывают такие темы, как глубокое машинное обучение, глубокое структурированное обучение и иерархическое обучение Обучение глубокому обучению доступно как «живое обучение на месте» или «дистанционное живое обучение» На месте живое обучение может проводиться локально в помещениях клиента в Казахстан или в корпоративных учебных центрах NobleProg Казахстан , Дистанционное обучение в реальном времени осуществляется с помощью интерактивного удаленного рабочего стола NobleProg Ваш местный провайдер обучения.

Machine Translated

Отзывы

★★★★★
★★★★★

Deep Learning Подкатегории

Курсы TensorFlowTensorFlow
Курсы CaffeCaffe
Курсы Deeplearning4jDeeplearning4j
Курсы TorchTorch
Курсы Apache SINGAApache SINGA
Курсы KerasKeras
Курсы Apache MXNetApache MXNet
Курсы OpenVINOOpenVINO
Курсы HorovodHorovod
Курсы ChainerChainer
Курсы TensorFlow LiteTensorFlow Lite
Курсы AlphaFoldAlphaFold

Deep Learning Содержание курса

Название курса
Длительность
Обзор
Название курса
Длительность
Обзор

AlphaFold

7 часов
AlphaFold является системой Artificial Intelligence (AI), которая выполняет прогноз протеиновых структур. Он разработан Alphabet’s/Google’s DeepMind как глубокая система обучения, которая может точно предсказать 3D-модели протеиновых структур. Это инструктор-управляемое, живое обучение (онлайн или онлайн) направлено на биологов, которые хотят понять, как AlphaFold работают и используют AlphaFold модели в качестве руководства в своих экспериментальных исследованиях. К концу обучения участники смогут:
    Понимайте основные принципы AlphaFold. Узнайте, как это работает AlphaFold. Научитесь интерпретировать AlphaFold прогнозы и результаты.
Формат курса
    Интерактивная лекция и дискуссия. Много упражнений и практики. Реализация в живой лабораторной среде.
Курс персонализации опций
    Для получения персонализированного обучения на этот курс, пожалуйста, свяжитесь с нами для организации.

Advanced Machine Learning with Python

21 часов
В этом обученном, живом обучении участники будут изучать наиболее актуальные и передовые методы машинного обучения в Python, поскольку они создают серию демонстрационных приложений, включающих изображения, музыку, текст и финансовые данные К концу этого тренинга участники смогут: Реализация алгоритмов машинного обучения и методов решения сложных задач Применять глубокое обучение и полунаблюдение в приложениях, включающих изображения, музыку, текст и финансовые данные Push Python алгоритмы с максимальным потенциалом Используйте библиотеки и пакеты, такие как NumPy и Theano Аудитория Разработчики Аналитики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

Deep Reinforcement Learning with Python

21 часов
Глубокое Reinforcement Learning ссылается на способность " артичного агента" изучить в рамках судебных и бедствий и наказаний. Ускусный агент направляет эмуляцию человеческого и#39; способности получить и строиться знаниями, непосредственно из сырьевых вводов, таких, как видение. Для осуществления укрепления обучения используются глубокие обучения и неуральные сети. Учитывание поощрения является различным от обучения машин и не занимается на надзорных и не надзорных подходов обучения.В этом инструкторе будут учитывать основные основы глубоки Reinforcement Learning, поскольку они находятся на основе создания Deep Learning агента.К концу этой подготовки участники будут способны:
    Пониматься ключевые концепции зад глубоким Reinforcement Learning и может отдельить его от Machine Learning Применить напредные алгоритмы Reinforcement Learning для решения проблем реального мира Построить агент Deep Learning
Слушательство
    Развивающиеся данные научники
Формат курса
    Частическая лекция, частичная обсуждение, осуществление и тяжелые практики

Deep Learning for Telecom (with Python)

28 часов
Машинное обучение – это отрасль искусственного интеллекта, в которой компьютеры обладают способностью учиться без явного программирования. Глубокое обучение - это субфельд машинного обучения, который использует методы, основанные на представлениях и структурах данных обучения, таких как нейронные сети. Python является программирующим языком высокого уровня, известным своим ясным синтезом и читаемостью кодов. В этом учебном курсе участники узнают, как внедрить модели глубокого обучения для телекоммуникаций, используя Python как они проходят через создание модели глубокого обучения кредитного риска. К концу обучения участники смогут:
    Понимайте основные понятия глубокого обучения. Узнайте о приложениях и приложениях глубокого обучения в телекоммуникации. Используйте Python, Keras и TensorFlow для создания глубоких моделей обучения для телекоммуникаций. Создайте свой собственный модель прогнозирования глубокого обучения клиента, используя Python.
Формат курса
    Интерактивная лекция и дискуссия. Много упражнений и практики. Реализация в живой лабораторной среде.
Курс персонализации опций
    Для получения персонализированного обучения на этот курс, пожалуйста, свяжитесь с нами для организации.

Embedding Projector: Visualizing Your Training Data

14 часов
Embedding Projector - это веб-приложение с открытым исходным кодом для визуализации данных, используемых для обучения машинным системам обучения Созданный Google, он является частью TensorFlow Это обучаемое, живое обучение знакомит с концепциями Embedding Projector и позволяет участникам пройти через демонстрационный проект К концу этого тренинга участники смогут: Изучите, как данные интерпретируются с помощью моделей машинного обучения Перемещение по трехмерным и двумерным представлениям данных, чтобы понять, как интерпретирует алгоритм машинного обучения Понимайте концепции, лежащие в основе Embeddings, и их роль в представлении математических векторов для изображений, слов и цифр Изучите свойства конкретного внедрения, чтобы понять поведение модели Примените проект внедрения в реальных случаях, таких как создание системы рекомендаций для музыкальных любителей Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

Artificial Neural Networks, Machine Learning, Deep Thinking

21 часов
Искусственная нейронная сеть - это вычислительная модель данных, используемая при разработке систем искусственного интеллекта (AI), способных выполнять «интеллектуальные» задачи Нейронные сети обычно используются в приложениях машинного обучения (ML), которые сами по себе представляют собой реализацию ИИ Глубокое обучение - это подмножество ML ,.

Introduction to Deep Learning

21 часов
Этот курс является общим обзором для Deep Learning, не углубляясь в какие-либо конкретные методы Он подходит для людей, которые хотят начать использовать глубокое обучение, чтобы повысить их точность прогнозирования ,.

Artificial Neural Networks, Machine Learning and Deep Thinking

21 часов
Искусственная нейронная сеть - это вычислительная модель данных, используемая при разработке систем искусственного интеллекта (AI), способных выполнять «интеллектуальные» задачи Нейронные сети обычно используются в приложениях машинного обучения (ML), которые сами по себе представляют собой реализацию ИИ Глубокое обучение - это подмножество ML ,.

Advanced Deep Learning

28 часов
Машиноведение - это отрасль Искусственного интеллекта, в которой компьютеры имеют возможность учиться, не будучи явно запрограммированными Глубокое обучение - это подполе машинного обучения, которое использует методы, основанные на представлениях данных обучения и таких структурах, как нейронные сети ,.

Deep Learning for Vision with Caffe

21 часов
Caffe - основа глубокого обучения, разработанная с выражением, скоростью и модулем В этом курсе рассматривается приложение Caffe как основа глубокого обучения для распознавания изображений с использованием MNIST в качестве примера Аудитория Этот курс подходит для исследователей и инженеров Deep Learning, заинтересованных в использовании Caffe в качестве основы По завершении этого курса делегаты смогут: понимать структуру и механизмы развертывания Caffe выполнять задачи установки и производства / архитектуры и конфигурации оценивать качество кода, выполнять отладку, мониторинг реализовать современную продукцию, такую ​​как модели обучения, внедрение слоев и ведение журнала ,.

Deep Learning for Vision

21 часов
Аудитория Этот курс подходит для исследователей и инженеров Deep Learning, заинтересованных в использовании доступных инструментов (в основном с открытым исходным кодом) для анализа компьютерных изображений Этот курс содержит рабочие примеры ,.

Artificial Intelligence in Automotive

14 часов
Этот курс охватывает ИИ (эмфазирование Machine Learning и Deep Learning) в Automotive Индустрии. Он помогает определить, какую технологию можно (потенциально) использовать в нескольких ситуациях в автомобиле: от простой автоматизации, распознавания изображений до автономного принятия решений.

Machine Learning and Deep Learning

21 часов
Этот курс охватывает ИИ (с акцентом на машинное обучение и глубокое обучение) ,.

OpenNN: Implementing Neural Networks

14 часов
В этом инструкторе-управляемом, живым обучением, мы переходим к принципам нейронных сетей и используем OpenNN для реализации образцового приложения. Формат курса
    Читание и дискуссия в сочетании с практическими упражнениями.

OpenNMT: Setting Up a Neural Machine Translation System

7 часов
OpenNMT - полнофункциональная, с открытым исходным кодом (MIT) система нейронного перевода, которая использует математический инструментарий Torch В этом упражнении участники узнают, как настроить и использовать OpenNMT для перевода различных наборов данных выборки Курс начинается с обзора нейронных сетей применительно к машинным переводам Участники будут проводить живые упражнения на протяжении всего курса, чтобы продемонстрировать свое понимание понятий и получить отзывы от инструктора К концу этого обучения участники получат знания и практику, необходимые для реализации живого решения OpenNMT Исходные и целевые языковые образцы будут заранее согласованы с требованиями аудитории Аудитория Специалисты по локализации с технической базой Глобальные менеджеры контента Инженеры по локализации Разработчики программного обеспечения, отвечающие за внедрение глобальных решений для контента Формат курса Лекция по части, часть обсуждения, тяжелая практика handson ,.

Introduction Deep Learning and Neural Network for Engineers

21 часов
Тип: Теоретическая подготовка с применением решений, принятых вверх по течению со студентами на Лазанье или Керасе в соответствии с педагогической группой Метод обучения: презентация, обмены и тематические исследования Искусственный интеллект, разрушив многие научные области, начал революционизировать большое количество секторов экономики (промышленность, медицина, связь и т Д) Тем не менее, его презентация в основных средствах массовой информации часто представляет собой фантазию, очень далекую от того, что действительно является областью машинного обучения или глубокого обучения Цель этого обучения - предоставить инженерам, которые уже владеют компьютерными инструментами (включая базу программного обеспечения), знакомство с Deep Learning и его различными областями специализации и, следовательно, с основными существующими сетевыми архитектурами сегодня Если математические основы отозваны во время курса, для повышения комфорта рекомендуется уровень математики типа BAC + 2 Абсолютно возможно пропустить математическую ось, чтобы сохранить только «системное» видение, но этот подход очень сильно ограничит ваше понимание предмета ,.

Facebook NMT: Setting up a Neural Machine Translation System

7 часов
В этом учебном курсе участники узнают, как использовать Facebook NMT (Fairseq) для осуществления перевода содержания образца. К концу обучения участники получат знания и практику, необходимую для реализации решения машинного перевода, основанного на Fairseq. Формат курса
    Частная лекция, Частная дискуссия, Тяжёлая практика
Примечание
    Если вы хотите использовать конкретный источник и контент на целевом языке, пожалуйста, свяжитесь с нами для урегулирования.

Microsoft Cognitive Toolkit 2.x

21 часов
Microsoft Cognitive Toolkit 2x (ранее CNTK) - это инструментарий с открытым исходным кодом, коммерческий инструмент, который тренирует алгоритмы глубокого обучения, чтобы учиться, как человеческий мозг Согласно Microsoft, CNTK может быть на 510x быстрее, чем TensorFlow в повторяющихся сетях, и в 2 - 3 раза быстрее, чем TensorFlow для задач с изображениями В этом обученном, живом обучении участники узнают, как использовать Microsoft Cognitive Toolkit для создания, обучения и оценки алгоритмов глубокого обучения для использования в коммерческих приложениях AI с использованием нескольких типов данных, таких как данные, речь, текст и изображения К концу этого тренинга участники смогут: Доступ к CNTK в виде библиотеки из программы Python, C # или C ++ Используйте CNTK как автономный инструмент для машинного обучения через собственный язык описания модели (BrainScript) Используйте функциональность оценки модели CNTK из программы Java Объединение DNN с продолжением, сверточные сети (CNN) и повторяющиеся сети (RNNs / LSTM) Масштабная вычислительная мощность на процессорах, графических процессорах и нескольких машинах Доступ к массивным наборам данных с использованием существующих языков программирования и алгоритмов Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson Заметка Если вы хотите настроить любую часть этого обучения, в том числе язык программирования по выбору, пожалуйста, свяжитесь с нами, чтобы договориться ,.

PaddlePaddle

21 часов
PaddlePaddle (PArallel Distributed Deep LEarning) - это масштабируемая платформа глубокого обучения, разработанная Baidu В этом обученном, живом обучении участники узнают, как использовать PaddlePaddle, чтобы обеспечить глубокое обучение в своих продуктах и ​​приложениях К концу этого тренинга участники смогут: Настройка и настройка PaddlePaddle Настройте сверточную нейронную сеть (CNN) для распознавания изображений и обнаружения объектов Настройте повторяющуюся нейронную сеть (RNN) для анализа настроений Настройте глубокое обучение в системах рекомендаций, чтобы помочь пользователям найти ответы Прогнозировать рейтинг кликов (CTR), классифицировать наборы изображений большого масштаба, выполнять оптическое распознавание символов (OCR), поиск рангов, обнаруживать компьютерные вирусы и внедрять систему рекомендаций Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

Amazon DSSTNE: Build a Recommendation System

7 часов
Amazon DSSTNE - это библиотека с открытым исходным кодом для обучения и развертывания моделей рекомендаций Это позволяет модели с весовыми матрицами, которые слишком велики для обучения одного GPU на одном хосте В этом обученном, живом обучении участники узнают, как использовать DSSTNE для создания приложения-рекомендации К концу этого тренинга участники смогут: Порекомендовать модель рекомендаций с разреженными наборами данных в качестве входных данных Модели обучения и прогнозирования масштаба по нескольким графическим процессорам Распространение вычислений и хранения в модели параллельно Создавайте индивидуальные рекомендации по продукту Amazon Разверните приложение, которое может масштабироваться при больших нагрузках Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

T2T: Creating Sequence to Sequence Models for Generalized Learning

7 часов
Tensor2Tensor (T2T) - это модульная расширяемая библиотека для обучения AI-моделям в разных задачах с использованием разных типов данных обучения, например: распознавание изображений, перевод, разбор, субтитры изображений и распознавание речи Он поддерживается командой Google Brain В этом обученном, живом обучении участники узнают, как подготовить модель deeplayning для решения нескольких задач К концу этого тренинга участники смогут: Установите тензор2 тензор, выберите набор данных и поезда и оцените модель ИИ Настроить среду разработки с помощью инструментов и компонентов, включенных в Tensor2Tensor Создайте и используйте одну модель для одновременного изучения ряда задач из нескольких доменов Используйте модель, чтобы учиться на задачах с большим количеством данных обучения и применять эти знания к задачам, где данные ограничены Получите удовлетворительные результаты обработки с использованием одного графического процессора Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

OpenFace: Creating Facial Recognition Systems

14 часов
OpenFace - это основанный на Python и Torch open-source, программное обеспечение для распознавания лиц в реальном времени на основе исследования FaceNet компании Google В этом обученном, живом обучении участники узнают, как использовать компоненты OpenFace для создания и развертывания образца приложения распознавания лиц К концу этого тренинга участники смогут: Работа с компонентами OpenFace, включая dlib, OpenVC, Torch и nn4 для реализации распознавания лиц, выравнивания и преобразования Применяйте OpenFace к приложениям реального мира, таким как наблюдение, проверка подлинности, виртуальная реальность, игры и идентификация постоянных клиентов и т Д Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

Advanced Machine Learning with R

21 часов
В этом обученном, живом обучении участники будут изучать передовые методы машинного обучения с помощью R, поскольку они проходят через создание приложения realworld К концу этого тренинга участники смогут: Использовать методы в качестве настройки гиперпараметра и глубокого обучения Понимать и внедрять неконтролируемые методы обучения Поместите модель в производство для использования в более крупном приложении Аудитория Разработчики Аналитики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

Matlab for Deep Learning

14 часов
In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition. By the end of this training, participants will be able to:
  • Build a deep learning model
  • Automate data labeling
  • Work with models from Caffe and TensorFlow-Keras
  • Train data using multiple GPUs, the cloud, or clusters
Audience
  • Developers
  • Engineers
  • Domain experts
Format of the course
  • Part lecture, part discussion, exercises and heavy hands-on practice

Deep Learning for Finance (with R)

28 часов
Машиноведение - это отрасль Искусственного интеллекта, в которой компьютеры имеют возможность учиться, не будучи явно запрограммированными Глубокое обучение - это подполе машинного обучения, которое использует методы, основанные на представлениях данных обучения и таких структурах, как нейронные сети R - популярный язык программирования в финансовой индустрии Он используется в финансовых приложениях, начиная от основных программ торговли и заканчивая системами управления рисками В этом обученном обучении, в прямом эфире, участники узнают, как внедрять модели глубокого обучения для финансирования с использованием R, поскольку они проходят через создание модели глубокого изучения цены акций К концу этого тренинга участники смогут: Понять фундаментальные концепции глубокого обучения Изучение приложений и использование глубокого обучения в области финансов Используйте R для создания моделей глубокого обучения для финансирования Постройте собственную модель прогнозирования цен на акции с использованием R Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

Deep Learning for Banking (with Python)

28 часов
Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. Deep learning is a subfield of machine learning which uses methods based on learning data representations and structures such as neural networks. Python is a high-level programming language famous for its clear syntax and code readability. In this instructor-led, live training, participants will learn how to implement deep learning models for banking using Python as they step through the creation of a deep learning credit risk model. By the end of this training, participants will be able to:
  • Understand the fundamental concepts of deep learning
  • Learn the applications and uses of deep learning in banking
  • Use Python, Keras, and TensorFlow to create deep learning models for banking
  • Build their own deep learning credit risk model using Python
Audience
  • Developers
  • Data scientists
Format of the course
  • Part lecture, part discussion, exercises and heavy hands-on practice

Deep Learning for Banking (with R)

28 часов
Машиноведение - это отрасль Искусственного интеллекта, в которой компьютеры имеют возможность учиться, не будучи явно запрограммированными Глубокое обучение - это подполе машинного обучения, которое использует методы, основанные на представлениях данных обучения и таких структурах, как нейронные сети R - популярный язык программирования в финансовой индустрии Он используется в финансовых приложениях, начиная от основных программ торговли и заканчивая системами управления рисками В этом обученном, живом обучении участники узнают, как внедрять модели глубокого обучения для банковских операций с помощью R, поскольку они проходят через создание модели кредитного риска с глубоким обучением К концу этого тренинга участники смогут: Понять фундаментальные концепции глубокого обучения Изучение приложений и использование глубокого обучения в банковской сфере Используйте R для создания моделей глубокого обучения для банковских операций Создайте собственную модель кредитного риска с глубоким обучением, используя R Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

Deep Learning for Finance (with Python)

28 часов
Машиноведение - это отрасль Искусственного интеллекта, в которой компьютеры имеют возможность учиться, не будучи явно запрограммированными Глубокое обучение - это подполе машинного обучения, которое использует методы, основанные на представлениях данных обучения и таких структурах, как нейронные сети Python - высокоуровневый язык программирования, известный своим четким синтаксисом и удобочитаемостью кода В этом обученном, живом обучении участники узнают, как внедрять модели глубокого обучения для финансирования с использованием Python, когда они проходят через создание модели глубокого изучения цены акций К концу этого тренинга участники смогут: Понять фундаментальные концепции глубокого обучения Изучение приложений и использование глубокого обучения в области финансов Используйте Python, Keras и TensorFlow для создания моделей глубокого обучения для финансов Создайте собственную модель прогнозирования цен на акции с использованием Python Аудитория Разработчики Ученые данных Формат курса Часть лекций, обсуждение частей, упражнения и тяжелая практика handson ,.

Deep Learning AI Techniques for Executives, Developers and Managers

21 часов
Введение → Глубокое обучение становится главным компонентом будущего дизайна продуктов, который хочет включить искусственный интеллект в сердце своих моделей. В течение следующих 5-10 лет инструменты развития глубокого обучения, библиотеки и языки станут стандартными компонентами каждого комплекта инструментов разработки программного обеспечения. До сих пор Google, Sales Force, Facebook, Amazon успешно используют глубокое обучение ИИ для продвижения своего бизнеса. Приложения варьируются от автоматического машинного перевода, анализа изображений, видеоаналитики, анализа движения, генерирования целевой рекламы и многое другое. Этот курс предназначен для тех организаций, которые хотят включить Deep Learning как очень важную часть своей стратегии продукта или услуги. Ниже представлен резюме глубокого обучения, который мы можем персонализировать для различных уровней сотрудников/участников в организации. Цель аудитории : (в зависимости от целевой аудитории, курсовые материалы будут персонализированы) Исполнитель Общий обзор ИИ и того, как она соответствует корпоративной стратегии, с разрывными сессиями по стратегическому планированию, технологическим маршрутам и распределению ресурсов для обеспечения максимальной стоимости. Менеджер проекта Как планировать проект искусственного искусства, включая сбор и оценку данных, очистку и проверку данных, разработку модели доказательства концепции, интеграцию в бизнес-процессы и доставку по всей организации. Разработчики Глубокое техническое обучение, с акцентом на нейронные сети и глубокое обучение, анализ изображений и видео (CNN), анализ звука и текста (NLP), а также внедрение ИИ в существующие приложения. продавцы Общее представление о ИИ и о том, как она может удовлетворять потребности клиентов, предложения о стоимости для различных продуктов и услуг, а также о том, как устранить опасения и продвигать преимущества ИИ.

Neural computing – Data science

14 часов
Эта учебная сессия, основанная на классе, будет содержать презентации и компьютерные примеры и упражнения для изучения конкретных ситуаций с соответствующими нейронными и глубокими сетевыми библиотеками ,.

Last Updated:

Другие регионы

Online

другие страны

Консалтинг

выходные Deep Learning курсы, курсы Deep Learning выходного дня, вечерние Deep Learning курсы, Deep Learning технические учебные курсы, Deep Learning буткемп, Deep Learning буткэмп, Deep Learning курсы с инструктором, Deep Learning тренинг с инструктором, выходной Deep Learning тренинг, тренинг Deep Learning выходного дня, вечерние Deep Learning курсы, Deep Learning коачинг, Deep Learning тренерство, Deep Learning тренинг, Deep Learning инструктор, Deep Learning тренер, Deep Learning коач, Deep Learning курсы, Deep Learning занятия, Deep Learning локальные, Deep Learning частные занятия, Deep Learning частные курсы, Deep Learning индивидуальный тренинг, Deep Learning индивидуальные занятия

Скидки

В настоящее время акции не проводятся

Информационная рассылка

Мы уважаем конфиденциальность Ваших персональных данных. Мы обязуемся не передавать Ваши данные третьим лицам. Вы всегда можете изменить свои настройки конфиденциальности или полностью отказаться от подписки.

Наши клиенты

is growing fast!

We are looking for a good mixture of IT and soft skills in Kazakhstan!

As a NobleProg Trainer you will be responsible for:

  • delivering training and consultancy Worldwide
  • preparing training materials
  • creating new courses outlines
  • delivering consultancy
  • quality management

At the moment we are focusing on the following areas:

  • Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
  • SOA, BPM, BPMN
  • Hibernate/Spring, Scala, Spark, jBPM, Drools
  • R, Python
  • Mobile Development (iOS, Android)
  • LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
  • You need to have patience and ability to explain to non-technical people

To apply, please create your trainer-profile by going to the link below:

Apply now!

Этот сайт в других странах / регионах