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.
Návrh Školení
Hluboké učení vs Machine Learning vs jiné metody
- Kdy je vhodné Deep Learning Meze Deep Learning Porovnání přesnosti a nákladů různých metod
Přehled metod
- Nets and Layers Forward / Backward: základní výpočty vrstvených kompozičních modelů. Ztráta: úkol, který se má naučit, je definován ztrátou. Řešitel: Řešitel koordinuje optimalizaci modelu. Katalog vrstev: vrstva je základní jednotkou konvoluce modelování a výpočtu
Metody a modely
- Backprop, modulární modely Modul Logsum RBF Čistá ztráta MAP/MLE Parametr Prostor Transformuje Konvoluční modul Gradient-Based Learning Energy for inference, Objective for learning PCA; NLL: Modely latentních proměnných pravděpodobnostní detekce ztráty funkce LVM s rychlými sekvencemi R-CNN s LSTM a Vision + Language s predikcí LRCN Pixelwise s designem FCNs Framework a budoucností
Nástroje
- Caffe Tensorflow R Matlab Ostatní...
Požadavky
Vyžaduje se jakákoli znalost programovacího jazyka. Znalost Machine Learning není vyžadována, ale je prospěšná.
21 hodiny
