Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Deep Learning vs Machine Learning vs Other Methods
- Πότε το Deep Learning είναι κατάλληλο Όρια Deep Learning Σύγκρισης ακρίβειας και κόστους διαφορετικών μεθόδων
Επισκόπηση μεθόδων
- Δίκτυα και στρώματα προς τα εμπρός / προς τα πίσω: οι βασικοί υπολογισμοί των πολυεπίπεδων μοντέλων σύνθεσης. Απώλεια: η εργασία που πρέπει να μάθετε ορίζεται από την απώλεια. Επίλυση: ο λύτης συντεταγμένων βελτιστοποίησης μοντέλου. Κατάλογος επιπέδων: το επίπεδο είναι η θεμελιώδης μονάδα μοντελοποίησης και υπολογιστικής συνέλιξης
Μέθοδοι και μοντέλα
- Backprop, αρθρωτά μοντέλα Μονάδα Logsum RBF Καθαρή απώλεια MAP/MLE Παράμετρος Space Transforms Συνελικτική μονάδα βασισμένη σε κλίση Μάθηση Ενέργεια για συμπέρασμα, Στόχος για εκμάθηση PCA. NLL: Λανθάνοντα μοντέλα μεταβλητής Πιθανολογική ανίχνευση συνάρτησης απώλειας LVM με γρήγορες ακολουθίες R-CNN με LSTM και Vision + γλώσσα με LRCN Pixelwise πρόβλεψη με σχεδιασμό πλαισίων FCN και μελλοντικά
Εργαλεία
- Caffe Tensorflow R Matlab Άλλα...
Requirements
Απαιτείται οποιαδήποτε γνώση γλώσσας προγραμματισμού. Η εξοικείωση με το Machine Learning δεν είναι απαραίτητη αλλά επωφελής.
21 Hours
Testimonials (2)
Ο Χάντερ είναι υπέροχος, πολύ συναρπαστικός, εξαιρετικά γνώστης και ευγενικός. Πολύ μπράβο.
Rick Johnson - Laramie County Community College
Course - Artificial Intelligence (AI) Overview
Machine Translated
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.
