Les formations Deep Learning

Les formations Deep Learning

En ligne ou sur site, les cours de formation à l'apprentissage profond (DL), animés par un instructeur, démontrent par la pratique les principes fondamentaux et les applications de l'apprentissage profond et couvrent des sujets tels que l'apprentissage automatique profond, l'apprentissage structuré profond et l'apprentissage hiérarchique.

La formation au Deep Learning est disponible sous forme de "formation en ligne en direct" ou de "formation sur site en direct". La formation en ligne (également appelée "formation à distance") est dispensée par le biais d'un bureau interactif, à distance. La formation en direct sur site peut être dispensée localement dans les locaux du client Belgique ou dans les centres de formation de l'entreprise NobleProg Belgique.

NobleProg -- Votre fournisseur local de formation

Nos Clients témoignent

★★★★★
★★★★★

Plans de formation Deep Learning (DL)

Nom du Cours
Durée
Aperçu
Nom du Cours
Durée
Aperçu
21 heures
Cette formation en direct, animée par un instructeur, à Belgique (en ligne ou sur site), s'adresse aux data scientists de niveau intermédiaire à avancé, aux ingénieurs en apprentissage automatique, aux chercheurs en apprentissage profond et aux experts en vision par ordinateur qui souhaitent élargir leurs connaissances et compétences en apprentissage profond. pour la génération de texte en image.A la fin de cette formation, les participants seront capables de :
    Comprendre les architectures et techniques avancées d'apprentissage en profondeur pour la génération de texte en image. Implémentez des modèles et des optimisations complexes pour une synthèse d’images de haute qualité. Optimisez les performances et l’évolutivité pour les grands ensembles de données et les modèles complexes. Ajustez les hyperparamètres pour améliorer les performances et la généralisation du modèle. Intégrer Stable Diffusion à d'autres cadres et outils d'apprentissage en profondeur
21 heures
Cette formation en direct avec instructeur en <loc> ; (en ligne ou sur site) s'adresse aux data scientists et ingénieurs en apprentissage automatique de niveau débutant à intermédiaire qui souhaitent améliorer les performances de leurs modèles d'apprentissage profond. A l'issue de cette formation, les participants seront capables de :
  • Comprendre les principes de l'apprentissage profond distribué.
  • Installer et configurer DeepSpeed.
  • Mettre à l'échelle des modèles d'apprentissage profond sur du matériel distribué à l'aide de DeepSpeed.
  • Mettre en œuvre et expérimenter les fonctionnalités de DeepSpeed pour l'optimisation et l'efficacité de la mémoire.
14 heures
Cette formation en <loc> ; (en ligne ou sur site) est destinée aux développeurs de niveau débutant à intermédiaire qui souhaitent utiliser des modèles de langage à grande échelle pour diverses tâches de langage naturel. A l'issue de cette formation, les participants seront capables de :
    Mettre en place un environnement de développement qui inclut un LLM populaire. Créer un LLM de base et l'affiner sur un ensemble de données personnalisé. Utiliser les LLM pour différentes tâches de langage naturel telles que le résumé de texte, la réponse aux questions, la génération de texte, etc. Déboguer et évaluer les LLM à l'aide d'outils tels que TensorBoard, PyTorch Lightning et Hugging Face Datasets.
7 heures
Cette formation en direct avec instructeur en <loc> ; (en ligne ou sur place) s'adresse aux biologistes qui souhaitent comprendre le fonctionnement de AlphaFold et utiliser les modèles AlphaFold comme guides dans leurs études expérimentales. A l'issue de cette formation, les participants seront capables de :
  • Comprendre les principes de base de AlphaFold.
  • Apprendre comment AlphaFold fonctionne.
  • Apprendre à interpréter les prédictions et les résultats de AlphaFold.
21 heures
Cette formation en direct (en ligne ou sur site) est destinée aux data scientists, aux ingénieurs en apprentissage automatique et aux chercheurs en vision par ordinateur qui souhaitent tirer parti de Stable Diffusion pour générer des images de haute qualité pour une variété de cas d'utilisation. A l'issue de cette formation, les participants seront capables de :
    Comprendre les principes de Stable Diffusion et son fonctionnement pour la génération d'images. Construire et entraîner des modèles Stable Diffusion pour les tâches de génération d'images. Appliquer Stable Diffusion à divers scénarios de génération d'images, tels que l'inpainting, l'outpainting et la traduction d'image à image. Optimiser les performances et la stabilité des modèles Stable Diffusion.
21 heures
Dans cette formation en direct, dirigée par un instructeur, les participants apprendront les techniques d'apprentissage automatique les plus pertinentes et les plus récentes en Python en construisant une série d'applications de démonstration impliquant des images, de la musique, du texte et des données financières. A l'issue de cette formation, les participants seront capables de :
  • Mettre en œuvre des algorithmes et des techniques d'apprentissage automatique pour résoudre des problèmes complexes.
  • Appliquer l'apprentissage profond et l'apprentissage semi-supervisé à des applications impliquant des images, de la musique, du texte et des données financières.
  • Pousser les algorithmes Python au maximum de leur potentiel.
  • Utiliser des bibliothèques et des packages tels que NumPy et Theano.
21 heures
Cette formation en <loc> ; (en ligne ou sur site) est destinée aux développeurs et aux data scientists qui souhaitent apprendre les fondamentaux du Deep Reinforcement Learning en créant un agent d'apprentissage profond (Deep Learning Agent). A l'issue de cette formation, les participants seront capables de :
  • Comprendre les concepts clés de l'apprentissage profond Reinforcement Learning et être capable de le distinguer de l'apprentissage automatique.
  • Appliquer des algorithmes Reinforcement Learning avancés pour résoudre des problèmes réels.
  • Construire un agent d'apprentissage profond.
28 heures
Dans cette formation en direct, dirigée par un instructeur, les participants apprendront à mettre en œuvre des modèles d'apprentissage profond pour les télécommunications à l'aide de Python, en procédant à la création d'un modèle de risque de crédit d'apprentissage profond. A l'issue de cette formation, les participants seront capables de :
  • Comprendre les concepts fondamentaux de l'apprentissage profond.
  • Apprendre les applications et les utilisations de l'apprentissage profond dans les télécommunications.
  • Utiliser Python, Keras et TensorFlow pour créer des modèles d'apprentissage profond pour les télécommunications.
  • Construire leur propre modèle d'apprentissage profond de prédiction du désabonnement des clients à l'aide de Python.
14 heures
Embedding Projector est une application Web opensource permettant de visualiser les données utilisées pour former les systèmes d'apprentissage automatique Créé par Google, il fait partie de TensorFlow Cette formation en direct instruit présente les concepts derrière Embedding Projector et guide les participants à travers la configuration d'un projet de démonstration À la fin de cette formation, les participants seront en mesure de: Explorer comment les données sont interprétées par des modèles d'apprentissage automatique Naviguer à travers les vues 3D et 2D des données pour comprendre comment un algorithme d'apprentissage automatique l'interprète Comprendre les concepts derrière Embeddings et leur rôle dans la représentation des vecteurs mathématiques pour les images, les mots et les chiffres Explorer les propriétés d'un embedding spécifique pour comprendre le comportement d'un modèle Appliquer le projet d'intégration à des cas d'utilisation du monde réel tels que la construction d'un système de recommandation de chanson pour les mélomanes Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
14 heures
Ce cours couvre l'IA (emphasizing Machine Learning et Deep Learning) dans Automotive Industrie. Il aide à déterminer quelle technologie peut (potencialement) être utilisée dans plusieurs situations dans une voiture: de la simple automation, de la reconnaissance d'image à la prise de décision autonome.
21 heures
Le réseau de neurones artificiels est un modèle de données informatique utilisé dans le développement de systèmes d' Artificial Intelligence (AI) capables d'effectuer des tâches "intelligentes". Neural Networks sont couramment utilisés dans les applications Machine Learning (ML), qui sont elles-mêmes une implémentation de l'IA. Deep Learning est un sous-ensemble de ML.
21 heures
Le réseau de neurones artificiels est un modèle de données informatique utilisé dans le développement de systèmes d' Artificial Intelligence (AI) capables d'effectuer des tâches "intelligentes". Neural Networks sont couramment utilisés dans les applications Machine Learning (ML), qui sont elles-mêmes une implémentation de l'IA. Deep Learning est un sous-ensemble de ML.
21 heures
Caffe est un cadre d'apprentissage en profondeur conçu pour l'expression, la rapidité et la modularité. Ce cours explore l’application de Caffe tant que cadre d’apprentissage approfondi pour la reconnaissance d’images en prenant comme exemple le MNIST. Public Ce cours convient aux chercheurs et ingénieurs Deep Learning intéressés par l'utilisation de Caffe tant que cadre. Une fois ce cours terminé, les délégués seront en mesure de:
  • comprendre la structure et les mécanismes de déploiement de Caffe
  • effectuer des tâches d'installation / environnement de production / architecture et configuration
  • évaluer la qualité du code, effectuer le débogage, la surveillance
  • implémenter une production avancée telle que des modèles d'entraînement, implémenter des couches et se connecter
21 heures
Ce cours est un aperçu général de l’ Deep Learning sans approfondir les méthodes spécifiques. Il convient aux personnes qui souhaitent commencer à utiliser l'apprentissage en profondeur pour améliorer la précision de leurs prédictions.
28 heures
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones.
21 heures
Introduction: Deep learning is becoming a principal component of future product design that wants to incorporate artificial intelligence at the heart of their models. Within the next 5 to 10 years, deep learning development tools, libraries, and languages will become standard components of every software development toolkit. So far Google, Sales Force, Facebook, Amazon have been successfully using deep learning AI to boost their business. Applications ranged from automatic machine translation, image analytics, video analytics, motion analytics, generating targeted advertisement and many more. This coursework is aimed for those organizations who want to incorporate Deep Learning as very important part of their product or service strategy. Below is the outline of the deep learning course which we can customize for different levels of employees/stakeholders in an organization. Target Audience: ( Depending on target audience, course materials will be customized) Executives A general overview of AI and how it fits into corporate strategy, with breakout sessions on strategic planning, technology roadmaps, and resource allocation to ensure maximum value. Project Managers How to plan out an AI project, including data gathering and evaluation, data cleanup and verification, development of a proof-of-concept model, integration into business processes, and delivery across the organization. Developers In-depth technical trainings, with focus on neural networks and deep learning, image and video analytics (CNNs), sound and text analytics (NLP), and bringing AI into existing applications. Salespersons A general overview of AI and how it can satisfy customer needs, value propositions for various products and services, and how to allay fears and promote the benefits of AI.
14 heures
Cette formation en direct avec instructeur en <loc> ; (en ligne ou sur site) est destinée aux analystes commerciaux, aux scientifiques des données et aux développeurs qui souhaitent construire et mettre en œuvre des modèles d'apprentissage profond pour accélérer la croissance du chiffre d'affaires et résoudre les problèmes dans le monde de l'entreprise. A l'issue de cette formation, les participants seront capables de :
  • Comprendre les concepts fondamentaux de l'apprentissage automatique et de l'apprentissage profond.
  • Appréhender l'avenir des entreprises et de l'industrie grâce à l'apprentissage automatique et à l'apprentissage profond.
  • Définir des stratégies commerciales et des solutions avec l'apprentissage profond.
  • Apprenez à appliquer la science des données et l'apprentissage profond à la résolution de problèmes commerciaux.
  • Construire des modèles d'apprentissage profond en utilisant Python, Pandas, TensorFlow, CNTK, Torch, Keras, etc.
28 heures
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones. R est un langage de programmation populaire dans le secteur financier. Il est utilisé dans des applications financières allant des programmes de négociation principaux aux systèmes de gestion des risques. Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment mettre en œuvre des modèles d'apprentissage approfondi pour la finance en utilisant R lorsqu'ils créeront un modèle de prévision du prix des actions d'apprentissage approfondi. À la fin de cette formation, les participants seront en mesure de:
  • Comprendre les concepts fondamentaux de l'apprentissage en profondeur
  • Apprenez les applications et les utilisations de l'apprentissage en profondeur en finance
  • Utilisez R pour créer des modèles d'apprentissage en profondeur pour la finance
  • Construire leur propre modèle de prévision du prix des actions d'apprentissage en profondeur en utilisant R
Public
  • Développeurs
  • Scientifiques de données
Format du cours
  • Partie de conférence, partie de discussion, exercices et exercices intensifs
28 heures
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones. Python est un langage de programmation de haut niveau réputé pour sa syntaxe claire et sa lisibilité du code. Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment mettre en œuvre des modèles d'apprentissage en profondeur pour les opérations bancaires en utilisant Python au cours de la création d'un modèle de risque de crédit d'apprentissage en profondeur. À la fin de cette formation, les participants seront en mesure de:
  • Comprendre les concepts fondamentaux de l'apprentissage en profondeur
  • Apprenez les applications et les utilisations de l'apprentissage en profondeur dans le secteur bancaire
  • Utilisez Python , Keras et TensorFlow pour créer des modèles d’apprentissage approfondi du secteur bancaire.
  • Construire leur propre modèle de risque de crédit pour l'apprentissage en profondeur en utilisant Python
Public
  • Les développeurs
  • Scientifiques de données
Format du cours
  • Partie de conférence, partie de discussion, exercices et exercices intensifs
28 heures
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones. R est un langage de programmation populaire dans le secteur financier. Il est utilisé dans des applications financières allant des programmes de négociation principaux aux systèmes de gestion des risques. Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment mettre en œuvre des modèles d'apprentissage en profondeur pour les opérations bancaires en utilisant R au fur et à mesure de la création d'un modèle de risque de crédit d'apprentissage en profondeur. À la fin de cette formation, les participants seront en mesure de:
  • Comprendre les concepts fondamentaux de l'apprentissage en profondeur
  • Apprenez les applications et les utilisations de l'apprentissage en profondeur dans le secteur bancaire
  • Utilisez R pour créer des modèles d'apprentissage en profondeur pour le secteur bancaire
  • Construire leur propre modèle de risque de crédit d'apprentissage profond en utilisant R
Public
  • Développeurs
  • Scientifiques de données
Format du cours
  • Partie de conférence, partie de discussion, exercices et exercices intensifs
28 heures
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmés L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones Python est un langage de programmation de haut niveau connu pour sa syntaxe claire et sa lisibilité Dans cette formation en direct, les participants apprendront comment implémenter des modèles d'apprentissage en profondeur pour la finance en utilisant Python à mesure qu'ils franchissent la phase de création d'un modèle de prédiction du prix des actions d'apprentissage en profondeur À la fin de cette formation, les participants seront en mesure de: Comprendre les concepts fondamentaux de l'apprentissage en profondeur Apprenez les applications et les utilisations de l'apprentissage en profondeur en finance Utilisez Python, Keras et TensorFlow pour créer des modèles d'apprentissage en profondeur pour la finance Construire son propre modèle de prédiction du prix des actions en profondeur en utilisant Python Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
14 heures
Machine Learning est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmés. Deep Learning est un sous-marin de Machine Learning qui cherche à imiter les activités du cerveau humain dans la prise de décisions. Il est formé avec des données afin de fournir automatiquement des solutions aux problèmes. Deep Learning offre de vastes opportunités pour l’industrie médicale qui est assis sur une mine d’or de données. Dans cette formation guidée par l'instructeur, les participants participeront à une série de discussions, d'exercices et d'analyse de cas pour comprendre les fondements Deep Learning. Les outils et techniques les plus importants Deep Learning seront évalués et des exercices seront effectués pour préparer les participants à mener leur propre évaluation et à mettre en œuvre Deep Learning des solutions dans leurs organisations. À la fin de cette formation, les participants seront en mesure de :
  • Comprendre les principes fondamentaux Deep Learning
  • Apprendre Deep Learning les techniques et leurs applications dans l'industrie
  • Examiner les problèmes en médecine qui peuvent être résolus par Deep Learning technologies
  • Découvrez Deep Learning études de cas dans la médecine
  • Formuler une stratégie pour adopter les dernières technologies dans Deep Learning pour résoudre les problèmes en médecine
Audience
  • gestionnaires
  • Professionnels médicaux dans les rôles de leadership
Format du cours
  • Lecture partielle, discussion partielle, exercices et pratiques lourdes
Notes
  • Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
14 heures
Cette formation en <loc> ; (en ligne ou sur site) est destinée aux développeurs et aux scientifiques des données qui souhaitent appliquer les réseaux neuronaux convolutifs (CNN) à l'analyse des examens IRM. A l'issue de cette formation, les participants seront capables de :
  • Installer et configurer l'environnement de développement, les logiciels et les bibliothèques nécessaires pour commencer à développer.
  • Analyser les images d'IRM à l'aide de techniques d'apprentissage profond telles que les CNN.
  • Détecter les conditions de santé potentielles telles que les maladies cardiaques grâce à l'analyse des images IRM.
  • Appliquer des techniques telles que la segmentation d'images et l'entraînement CNN pour identifier les maladies potentielles.
  • Identifier la génomique d'une maladie à l'aide de la radiomique.
  • Construire et déployer une application d'apprentissage profond visant à l'analyse d'images de soins de santé.
21 heures
Public Ce cours convient aux chercheurs et ingénieurs Deep Learning intéressés par l'utilisation des outils disponibles (principalement open source) pour l'analyse d'images informatiques. Ce cours fournit des exemples de travail.
21 heures
Type : Formation théorique avec applications décidées en amont avec les élèves sur Lasagne ou Keras selon le groupe pédagogique Méthode pédagogique : présentation, échanges et études de cas L’intelligence artificielle, après avoir bouleversé de nombreux domaines scientifiques, a commencé à révolutionner un grand nombre de secteurs économiques (industrie, médecine, communication, etc.). Néanmoins, sa présentation dans les grands media relève souvent du fantasme, très éloignée de ce que sont réellement les domaines du Machine Learning ou du Deep Learning. L’objet de cette formation est d’apporter à des ingénieurs ayant déjà une maîtrise des outils informatiques (dont une base de programmation logicielle) une introduction au Deep Learning ainsi qu’à ses différents domaines de spécialisation et donc aux principales architectures de réseau existant aujourd’hui. Si les bases mathématiques sont rappelées pendant le cours, un niveau de mathématique de type BAC+2 est recommandé pour plus de confort. Il est dans l’absolu possible de faire l’impasse sur l’axe mathématique pour ne conserver qu’une vision « système », mais cette approche limitera énormément votre compréhension du sujet.
14 heures
Au cours de cette formation en direct animée par un instructeur, les participants apprendront à utiliser Matlab pour concevoir, construire et visualiser un réseau de neurones à convolution permettant la reconnaissance d'images. À la fin de cette formation, les participants seront en mesure de:
  • Construire un modèle d'apprentissage en profondeur
  • Automatiser l'étiquetage des données
  • Travailler avec des modèles de Caffe et TensorFlow - Keras
  • Former les données en utilisant plusieurs GPU , le cloud ou des clusters
Public
  • Les développeurs
  • Ingénieurs
  • Experts du domaine
Format du cours
  • Partie de conférence, partie de discussion, exercices et exercices intensifs
21 heures
Ce cours couvre l'IA (mettant l'accent sur l' Machine Learning et l' Deep Learning )
14 heures
This classroom based training session will contain presentations and computer based examples and case study exercises to undertake with relevant neural and deep network libraries
14 heures
Cette formation en <loc> ; (en ligne ou sur site) est destinée aux ingénieurs logiciels qui souhaitent programmer en Python avec OpenCV 4 pour l'apprentissage profond. A l'issue de cette formation, les participants seront capables de :
  • Voir, charger et classer des images et des vidéos en utilisant OpenCV 4.
  • Implémenter l'apprentissage profond dans OpenCV 4 avec TensorFlow et Keras.
  • Exécuter des modèles d'apprentissage profond et générer des rapports percutants à partir d'images et de vidéos.
14 heures
OpenFace est un logiciel de reconnaissance faciale opensource basé sur Python et Torch basé sur la recherche FaceNet de Google Dans cette formation en ligne, les participants apprendront à utiliser les composants OpenFace pour créer et déployer un exemple d'application de reconnaissance faciale À la fin de cette formation, les participants seront en mesure de: Travaillez avec les composants OpenFace, notamment dlib, OpenVC, Torch et nn4 pour implémenter la détection, l'alignement et la transformation des visages Appliquer OpenFace aux applications realworld telles que la surveillance, la vérification d'identité, la réalité virtuelle, les jeux, l'identification des clients réguliers, etc Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .

Dernière mise à jour:

Weekend DL (Deep Learning) cours, Soir DL (Deep Learning) formation, DL (Deep Learning) stage d’entraînement, DL (Deep Learning) formateur à distance, DL (Deep Learning) formateur en ligne, Deep Learning (DL) formateur Online, Deep Learning cours en ligne, DL (Deep Learning) cours à distance, DL (Deep Learning) professeur à distance, DL (Deep Learning) visioconférence, Deep Learning (DL) stage d’entraînement intensif, Deep Learning (DL) formation accélérée, Deep Learning (DL) formation intensive, Formation inter Deep Learning (DL), Formation intra Deep Learning (DL), Formation intra Enteprise DL (Deep Learning), Formation inter Entreprise Deep Learning, Weekend Deep Learning (DL) formation, Soir Deep Learning (DL) cours, Deep Learning (DL) coaching, DL (Deep Learning) entraînement, Deep Learning préparation, Deep Learning instructeur, Deep Learning professeur, DL (Deep Learning) formateur, DL (Deep Learning) stage de formation, Deep Learning cours, DL (Deep Learning) sur place, DL (Deep Learning) formations privées, Deep Learning (DL) formation privée, Deep Learning (DL) cours particulier, DL (Deep Learning) cours particuliers

Réduction spéciale

No course discounts for now.

Newsletter offres spéciales

Nous respectons le caractère privé de votre adresse mail. Nous ne divulguerons ni ne vendrons votre adresse email à quiconque
Vous pouvez toujours modifier vos préférences ou vous désinscrire complètement.

Nos clients

is growing fast!

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

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!

Ce site dans d'autres pays/régions