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
 

Počet účastníků


Začátek

Konec


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Související kurzy

Související kategorie