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
Invoering
- Chainer versus Caffe versus Torch
- Overzicht van Chainer kenmerken en componenten
Aan de slag
- Inzicht in de trainerstructuur
- Installeren van Chainer, CuPy en NumPy
- Functies definiëren voor variabelen
Opleiding Neural Networks in Chainer
- Een computationele grafiek construeren
- Voorbeelden van MNIST-gegevenssets uitvoeren
- Parameters bijwerken met behulp van een optimizer
- Beelden verwerken om de resultaten te evalueren
Werken met GPUs in Chainer
- Implementeren van terugkerende neurale netwerken
- Meerdere GPUs gebruiken voor parallellisatie
Implementatie van andere neurale netwerkmodellen
- Het definiëren van RNN-modellen en lopende voorbeelden
- Afbeeldingen genereren met Deep Convolutional GAN
- Actieve Reinforcement Learning voorbeelden
Probleemoplossen
Samenvatting en conclusie
Requirements
- Een goed begrip van kunstmatige neurale netwerken
- Bekendheid met deep learning-frameworks (Caffe, Torch, enz.)
- Python-programmeerervaring
Publiek
- AI-onderzoekers
- Ontwikkelaars
14 Hours
Getuigenissen (3)
It felt like we were going through directly relevant information at a good pace (i.e. no filler material)
Maggie Webb - Department of Jobs, Regions, and Precincts
Cursus - Introduction to the use of neural networks
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Cursus - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible