Bruges

NH Hotel Bruges, Boeveriestraat 2, Bruges, Belgique, 8000

Bruges devient une plaque tournante portuaire, commerciale et financière centrale dans l'Europe du Moyen Âge, reliant le...

Sous-catégories (1)

Image for OpenNN category
OpenNN

Découvrez nos formations

Applied AI from Scratch in Python

28 heures
C'est un cours de 4 jours introduisant l'IA et son application en utilisant le langage de programmation Python. Il y a une option d'avoir un jour supplémentaire pour mener un projet d'IA à la fin de ce cours. 
En savoir plus...

Deep Reinforcement Learning with Python

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.
En savoir plus...

Artificial Intelligence (AI) Overview

7 heures
Ce cours a été conçu pour les managers, les architectes de solutions, les responsables de l'innovation, les directeurs techniques, les architectes logiciels et toute personne intéressée par une vue d'ensemble de l'intelligence artificielle appliquée et par les prévisions les plus proches concernant son développement.
En savoir plus...

Intelligence Artificielle pour l'Automobile

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.
En savoir plus...

From Zero to AI

35 heures
Ce cours est créé pour les personnes qui n'ont aucune expérience en probabilités et statistiques .
En savoir plus...

Artificial Neural Networks, Machine Learning, Deep Thinking

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.
En savoir plus...

Applied AI from Scratch

28 heures
Il s'agit d'un cours de 4 jours présentant l'IA et ses applications. Il est possible de disposer d'une journée supplémentaire pour entreprendre un projet d'IA à la fin de ce cours.
En savoir plus...

Applied Machine Learning

14 heures
Ce cours de formation est destiné aux personnes souhaitant appliquer le Machine Learning à des applications pratiques. Public Ce cours est destiné aux scientifiques et aux statisticiens qui connaissent bien les statistiques et savent programmer R (ou Python ou une autre langue choisie). Ce cours met l'accent sur les aspects pratiques de la préparation, de l'exécution, de l'analyse et de la visualisation de modèles / données. Le but est de donner des applications pratiques à Machine Learning aux participants souhaitant appliquer les méthodes au travail. Des exemples sectoriels sont utilisés pour rendre la formation pertinente pour le public cible.
En savoir plus...

Réseau de Neurones Artificiels, Machine Learning et Deep Thinking

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.
En savoir plus...

Deep Learning Neural Networks with Chainer

14 heures
Cette formation en <loc> ; (en ligne ou sur site) est destinée aux chercheurs et développeurs qui souhaitent utiliser Chainer pour construire et entraîner des réseaux neuronaux en Python tout en rendant le code facile à déboguer. A l'issue de cette formation, les participants seront capables de :
  • Mettre en place l'environnement de développement nécessaire pour commencer à développer des modèles de réseaux neuronaux.
  • Définir et mettre en œuvre des modèles de réseaux neuronaux à l'aide d'un code source compréhensible.
  • Exécuter des exemples et modifier les algorithmes existants pour optimiser les modèles d'apprentissage profond tout en tirant parti des GPUs pour obtenir de hautes performances.
En savoir plus...

Pattern Recognition

21 heures
Ce cours en direct, animé par un instructeur, constitue une introduction au domaine de la reconnaissance des formes et de l'apprentissage automatique. Il aborde des applications pratiques dans les domaines de la statistique, de l'informatique, du traitement du signal, de la vision par ordinateur, de l'exploration de données et de la bioinformatique. Le cours est interactif et comprend de nombreux exercices pratiques, des retours d’instructeurs et des tests des connaissances et des compétences acquises.
En savoir plus...

Introduction Deep Learning & Réseaux de neurones pour l’ingénieur

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.
En savoir plus...

Matlab for Deep Learning

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
En savoir plus...

Artificial Intelligence (AI) for Mechatronics

21 heures
Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent se familiariser avec l'applicabilité de l'intelligence artificielle aux systèmes mécatroniques. A l'issue de cette formation, les participants seront capables de :
  • Accéder à une vue d'ensemble de l'intelligence artificielle, de l'apprentissage automatique et de l'intelligence computationnelle.
  • Comprendre les concepts des réseaux neuronaux et des différentes méthodes d'apprentissage.
  • Choisir des approches d'intelligence artificielle efficaces pour des problèmes de la vie réelle.
  • Mettre en œuvre les applications de l'intelligence artificielle dans l'ingénierie mécatronique.
En savoir plus...

Introduction à l'utilisation de Réseau Neuronal

7 heures
La formation s'adresse aux personnes qui souhaitent apprendre les bases des réseaux de neurones et de leurs applications.
En savoir plus...

Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple

28 heures
This course will give you knowledge in neural networks and generally in machine learning algorithm, deep learning (algorithms and applications). This training is more focus on fundamentals, but will help you to choose the right technology : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. The examples are made in TensorFlow.
En savoir plus...

Neural computing – Data science

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
En savoir plus...

PaddlePaddle

21 heures
PaddlePaddle (PArallel Distributed Deep LEarning) is a scalable deep learning platform developed by Baidu. In this instructor-led, live training, participants will learn how to use PaddlePaddle to enable deep learning in their product and service applications. By the end of this training, participants will be able to:
  • Set up and configure PaddlePaddle
  • Set up a Convolutional Neural Network (CNN) for image recognition and object detection
  • Set up a Recurrent Neural Network (RNN) for sentiment analysis
  • Set up deep learning on recommendation systems to help users find answers
  • Predict click-through rates (CTR), classify large-scale image sets, perform optical character recognition(OCR), rank searches, detect computer viruses, and implement a recommendation system.
Audience
  • Developers
  • Data scientists
Format of the course
  • Part lecture, part discussion, exercises and heavy hands-on practice
En savoir plus...

Recommender Systems with Python

14 heures
Cette formation en <loc> ; (en ligne ou sur site) est destinée aux data scientists qui souhaitent utiliser Python pour construire des systèmes de recommandation. A l'issue de cette formation, les participants seront capables de :
  • Créer des systèmes de recommandation à grande échelle.
  • Appliquer le filtrage collaboratif pour construire des systèmes de recommandation.
  • Utiliser Apache Spark pour calculer des systèmes de recommandation sur des clusters.
  • Construire un cadre pour tester les algorithmes de recommandation avec Python.
En savoir plus...

Neural Network avec R

14 heures
Ce cours est une introduction à l'application de réseaux de neurones à des problèmes du monde réel à l'aide du logiciel R-project.
En savoir plus...

TPU Programming: Building Neural Network Applications on Tensor Processing Units

7 heures
Dans cette formation en direct, dirigée par un instructeur, les participants apprendront à tirer parti des innovations des processeurs TPU pour maximiser les performances de leurs propres applications d'intelligence artificielle. A l'issue de la formation, les participants seront capables de :
  • Entraîner divers types de réseaux neuronaux sur de grandes quantités de données.
En savoir plus...

Understanding Deep Neural Networks

35 heures
Ce cours commence par vous donner des connaissances conceptuelles sur les réseaux de neurones et plus généralement sur les algorithmes d'apprentissage automatique, d'apprentissage approfondi (algorithmes et applications). La partie 1 (40%) de cette formation met davantage l'accent sur les principes fondamentaux, mais vous aidera à choisir la bonne technologie: TensorFlow , Caffe , Theano, DeepDrive, Keras , etc. La partie 2 (20%) de cette formation présente Theano, une bibliothèque python qui facilite l’écriture de modèles d’apprentissage approfondi. La partie 3 (40%) de la formation serait largement basée sur Tensorflow - API de deuxième génération de la bibliothèque de logiciels open source de Go ogle pour Deep Learning . Les exemples et handson seraient tous fabriqués dans TensorFlow . Public Ce cours est destiné aux ingénieurs souhaitant utiliser TensorFlow pour leurs projets d' Deep Learning . Une fois ce cours terminé, les délégués:
  • avoir une bonne compréhension des réseaux de neurones profonds (DNN), CNN et RNN
  • comprendre la structure et les mécanismes de déploiement de TensorFlow
  • être capable d'effectuer des tâches d'installation / environnement de production / architecture et configuration
  • être capable d'évaluer la qualité du code, effectuer le débogage, la surveillance
  • être capable de mettre en œuvre une production avancée comme des modèles de formation, la création de graphiques et la journalisation
En savoir plus...

OpenNN: Mise en Oeuvre de Réseaux Neurone

14 heures
In this instructor-led, live training, we go over the principles of neural networks and use OpenNN to implement a sample application.
Format of the course
  • Lecture and discussion coupled with hands-on exercises.
En savoir plus...

Last Updated:

Nos Clients témoignent (7)

Working from first principles in a focused way, and moving to applying case studies within the same day

Maggie Webb - Department of Jobs, Regions, and Precincts
Formation - Artificial Neural Networks, Machine Learning, Deep Thinking

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
Formation - Artificial Neural Networks, Machine Learning, Deep Thinking

That it was applying real company data. Trainer had a very good approach by making trainees participate and compete

Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Formation - Applied AI from Scratch in Python

The trainer was a professional in the subject field and related theory with application excellently

Fahad Malalla - Tatweer Petroleum
Formation - Applied AI from Scratch in Python

Very flexible

Frank Ueltzhöffer
Formation - Artificial Neural Networks, Machine Learning and Deep Thinking

It felt like we were going through directly relevant information at a good pace (i.e. no filler material)

Maggie Webb - Department of Jobs, Regions, and Precincts
Formation - Introduction to the use of neural networks

the interactive part, tailored to our specific needs

Thomas Stocker
Formation - Introduction to the use of neural networks

Upcoming Courses

Autres régions en Belgique

Autres pays

Ces formations sont également disponibles dans d'autres pays

Conseil

Réseaux Neurones Conseil
Réseaux Neurones formation à Bruges, Weekend Réseaux Neurones cours à Bruges, Soir Réseaux Neurones formation à Bruges, Réseaux Neurones formateur en ligne à Bruges, Réseaux Neurones formation à Bruges, Réseaux Neurones cours du soir à Bruges, Réseaux Neurones formation Intra à Bruges, Réseaux Neurones formation Intra Entreprise à Bruges, Réseaux Neurones formation Inter à Bruges, Réseaux Neurones formation Inter Entreprise à Bruges, Réseaux Neurones préparation aux examens à Bruges, Réseaux Neurones cours privé à Bruges, Réseaux Neurones instructeur à Bruges, Réseaux Neurones professeur à Bruges,Réseaux Neurones cours à Bruges, Réseaux Neurones entraînement à Bruges, Réseaux Neurones coaching à Bruges, Réseaux Neurones cours particuliers à Bruges, Réseaux Neurones stage de préparation à Bruges, Réseaux Neurones préparation à Bruges, Réseaux Neurones coach à Bruges, Weekend Réseaux Neurones formation à Bruges, Soir Réseaux Neurones cours à Bruges, Réseaux Neurones formateur à Bruges, Réseaux Neurones sur place à Bruges
1