Maschinelles Lernen (ML) für Apps - Praxis

Institut: HECKER CONSULTING
Bereich: Technik, EDV, Telekommunikation

Kursbeschreibung

Sprach-, Gesichts- und Bilderkennung in mobilen Anwendungen einsetzen und nutzen

Maschinelles Lernen wird heute überall eingesetzt

Das maschinelle Lernen erreicht den Mainstream. Mit den neuen Werkzeugen, die den Entwicklern zur Verfügung stehen, ist es jetzt möglich, Funktionen des maschinellen Lernens - Sprach-, Gesichts- und Bilderkennung, personalisierte Empfehlungen und mehr - in einem mobilen Kontext zu implementieren.

Sie werden untersuchen, wie die Leistungsfähigkeit des maschinellen Lernens auf die Entwicklung mobiler Anwendungen angewendet werden kann, wobei Plattformen wie IBM Watson, Microsoft Azure Cognitive Services und Apple Core ML vorgestellt werden und die verschiedenen Funktionen und Ansätze des maschinellen Lernens sehen werden.

Lernen Sie, wie man Modelle für natürliche Sprache und visuelle Erkennung trainiert und einsetzt und wie man statistische Modelle für die Verwendung in einer mobilen Anwendung generiert.

Einführung
  • Maschinelles Lernen in mobilen Anwendungen
  • Was Sie über Mobiles ML wissen sollten
Einführung in maschinelles Lernen
  • Was ist maschinelles Lernen?
  • Erforderliche Konzepte
  • Ein Modell trainieren
  • Maschinelles Lernen (ML) versus tiefes Lernen (DL)
  • Was kann ich mit maschinellem Lernen tun?
  • Serverseitige versus clientseitige ML
  • ML-Frameworks
Server-Modell: IBM Watson
  • Überblick über Watson
  • Verstehen der natürlichen Sprache
  • Verstehen der visuellen Erkennung
  • Erstellen eines benutzerdefinierten Modells
  • Trainieren und Bereitstellen eines benutzerdefinierten Modells
  • Ausführen der Client-Anwendung
Server-Modell: Azure Machine Learning
  • Azure Machine Learning Überblick
  • Verstehen der natürlichen Sprache
  • Verstehen der visuellen Erkennung
  • Erstellen eines benutzerdefinierten Modells
  • Trainieren und Bereitstellen eines benutzerdefinierten Modells
  • Ausführen der Client-Anwendung
Client-Modell: Core-ML
  • Core ML Überblick
  • Verstehen der natürlichen Sprache
  • Verstehen der visuellen Erkennung
  • Erstellen eines benutzerdefinierten Modells
  • Trainieren und Bereitstellen eines benutzerdefinierten Modells
  • Ausführen der Client-Anwendung
Die Möglichkeiten verstehen
  • Unterschiedliche Philosophien der Anbieter
  • Warum Client-seitiges Modell versus Server-seitig
  • Wann die eine oder die andere dieser Lösungen anzuwenden ist

Sprach-, Gesichts- und Bilderkennung in mobilen Anwendungen einsetzen und nutzen

Maschinelles Lernen wird heute überall eingesetzt

Das maschinelle Lernen erreicht den Mainstream. Mit den neuen Werkzeugen, die den Entwicklern zur Verfügung stehen, ist es jetzt möglich, Funktionen des maschinellen Lernens - Sprach-, Gesichts- und Bilderkennung, personalisierte Empfehlungen und mehr - in einem mobilen Kontext zu implementieren.

Sie werden untersuchen, wie die Leistungsfähigkeit des maschinellen Lernens auf die Entwicklung mobiler Anwendungen angewendet werden kann, wobei Plattformen wie IBM Watson, Microsoft Azure Cognitive Services und Apple Core ML vorgestellt werden und die verschiedenen Funktionen und Ansätze des maschinellen Lernens sehen werden.

Lernen Sie, wie man Modelle für natürliche Sprache und visuelle Erkennung trainiert und einsetzt und wie man statistische Modelle für die Verwendung in einer mobilen Anwendung generiert.

Einführung
  • Maschinelles Lernen in mobilen Anwendungen
  • Was Sie über Mobiles ML wissen sollten
Einführung in maschinelles Lernen
  • Was ist maschinelles Lernen?
  • Erforderliche Konzepte
  • Ein Modell trainieren
  • Maschinelles Lernen (ML) versus tiefes Lernen (DL)
  • Was kann ich mit maschinellem Lernen tun?
  • Serverseitige versus clientseitige ML
  • ML-Frameworks
Server-Modell: IBM Watson
  • Überblick über Watson
  • Verstehen der natürlichen Sprache
  • Verstehen der visuellen Erkennung
  • Erstellen eines benutzerdefinierten Modells
  • Trainieren und Bereitstellen eines benutzerdefinierten Modells
  • Ausführen der Client-Anwendung
Server-Modell: Azure Machine Learning
  • Azure Machine Learning Überblick
  • Verstehen der natürlichen Sprache
  • Verstehen der visuellen Erkennung
  • Erstellen eines benutzerdefinierten Modells
  • Trainieren und Bereitstellen eines benutzerdefinierten Modells
  • Ausführen der Client-Anwendung
Clien…
Datum
auf Anfrage
Uhrzeit
09:00
Dauer
ab 1 Tag nach Vereinbarung
Ort
Virtuelles Klassenzimmer, Live-Online-Seminar
E-Mail
Kontakt
Peter Hecker
Straße
Erkrather Str. 401
PLZ
40231
Ort
Düsseldorf
Land
Deutschland
Bundesland
---
Keine besonderen Anforderungen.
Zielgruppe
Interessenten mit abgeschlossener Berufsausbildung oder Berufserfahrungen im Medienbereich, Kommunikationsbereich oder kaufmännischen Bereich, die sicher im Umgang mit dem PC sind sowie eine Affinität zum Internet und digitalen Medien haben und eineMaschinelles Lernen (ML) in mobilen Anwendungen - Beratung, Coaching, Workshop, Training suchen!
Kursnummer
5fa3d0e42ee350ba1310
Plätze
12

Diese Kurse könnten Sie auch interessieren ...

Uber Weiterbildungsvorschläge