Deep Learning for Business

• Zrozumienie koncepcji uczenia maszynowego
• Python doświadczenie w programowaniu

Publiczność

• Business analitycy
• Naukowcy zajmujący się danymi
• Programiści

Głębokie uczenie się lub głębokie uczenie strukturalne to podzbiór uczenia maszynowego, który obejmuje wiele warstw sieci do budowania modeli predykcyjnych. Jest szeroko stosowany w głównych branżach, takich jak opieka zdrowotna, handel elektroniczny, bankowość, produkcja, motoryzacja itp.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) skierowane jest do analityków biznesowych, analityków danych i programistów, którzy chcą budować i wdrażać modele głębokiego uczenia się w celu przyspieszenia wzrostu przychodów i rozwiązywania problemów w świecie biznesu.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumieć podstawowe koncepcje uczenia maszynowego i głębokiego uczenia.
• Uzyskać wgląd w przyszłość biznesu i przemysłu dzięki ML i DL.
• Definiować strategie biznesowe i rozwiązania z wykorzystaniem głębokiego uczenia.
• Dowiedzieć się, jak zastosować naukę o danych i głębokie uczenie się w rozwiązywaniu problemów biznesowych.
• Zbuduj modele głębokiego uczenia się przy użyciu Python, Pandas, TensorFlow, CNTK, Torch, Keras itp.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie

• Przegląd koncepcji Machine Learning (ML) i Deep Learning (DL)
• Przyszłe zmiany w branży dzięki ML i DL

Strategia Business z Deep Learning

• Definiowanie problemów biznesowych
• Podejmowanie decyzji w oparciu o dane
• Analityczne myślenie i sposób myślenia
• Modelowanie strategii Business
• Studia przypadków i przykłady

Deep Learning Oprogramowanie i narzędzia

• Podstawy Python i Pandas
• Narzędzia DL open source (TensorFlow, CNTK, Torch, Keras itp.)
• Przypadki użycia i przykłady

Deep Learning z Neural Networks

• Uczenie się sieci neuronowych (wsteczna propagacja)
• Konwolucyjna sieć neuronowa (CNN)
• Rekurencyjna sieć neuronowa (RNN)
• Przykłady modelowania DL

Podsumowanie i kolejne kroki