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
Reference (2)
Hunter je báječný, velmi poutavý, nesmírně informovaný a sympatický. Velmi dobře.
Rick Johnson - Laramie County Community College
Kurz - 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.
