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 versus Machine Learning versus andere methoden
- Wanneer Deep Learning geschikt is
- Limieten van Deep Learning
- Vergelijking van nauwkeurigheid en kosten van verschillende methoden
Methodenoverzicht
- Netten en lagen
- Voorwaarts / Achterwaarts: de essentiële berekeningen van gelaagde compositiemodellen.
- Verlies: de te leren taak wordt bepaald door het verlies.
- Oplosser: de oplosser coördineert de modeloptimalisatie.
- Lagencatalogus: de laag is de fundamentele eenheid voor modellering en berekening
- Convolutie
Methoden en modellen
- Backprop, modulaire modellen
- Logsum-module
- RBF Net
- MAP/MLE-verlies
- Parameterruimtetransformaties
- Convolutionele module
- Op gradiënt gebaseerd leren
- Energie voor gevolgtrekking,
- Doel om te leren
- PCA; NLL:
- Latente Variabele Modellen
- Probabilistische LVM
- Verlies Functie
- Detectie met snelle R-CNN
- Sequenties met LSTM's en Visie + Taal met LRCN
- Pixelsgewijze voorspelling met FCN's
- Kaderontwerp en toekomst
Hulpmiddelen
- Caffe
- Tensorstroom
- R
- Matlab
- Anderen...
Requirements
Enige kennis van programmeertalen is vereist. Bekendheid met Machine Learning is niet vereist, maar wel nuttig.
21 Hours