Course Outline

    Overzicht van neurale netwerken en deep learning Het concept van Machine Learning (ML) Waarom hebben we neurale netwerken en deep learning nodig? Netwerken selecteren voor verschillende problemen en gegevenstypen Neurale netwerken leren en valideren Logistieke regressie vergelijken met een neuraal netwerk Neuraal netwerk Biologische inspiraties met een neuraal netwerk Neurale netwerken – Neuron, Perceptron en MLP (Multilayer Perceptron-model) MLP leren – backpropagation-algoritme Activeringsfuncties – lineair, sigmoïde , Tanh, Softmax Verliesfuncties die geschikt zijn voor voorspelling en classificatie Parameters – leersnelheid, regularisatie, momentum Neurale netwerken bouwen in Python De prestaties van neurale netwerken evalueren in Python Basisprincipes van diepe netwerken Wat is diep leren? Architectuur van diepe netwerken – parameters, lagen, activeringsfuncties, verliesfuncties, oplossers Beperkte Boltzman-machines (RBM’s) Autoencoders Diepe netwerken-architecturen Deep Belief Networks (DBN) – architectuur, toepassing Auto-encoders Beperkte Boltzmann-machines Convolutioneel neuraal netwerk Recursief neuraal netwerk Terugkerend neuraal netwerkoverzicht van bibliotheken en interfaces beschikbaar in Python Caffee Theano Tensorflow Keras Mxnet Het kiezen van de juiste bibliotheek voor het probleem Het bouwen van diepe netwerken in Python Het kiezen van de juiste architectuur voor een bepaald probleem Hybride diepe netwerken Leernetwerk – geschikte bibliotheek, architectuurdefinitie Netwerk afstemmen – initialisatie, activeringsfuncties , verliesfuncties, optimalisatiemethode Overfitting vermijden – problemen met overfitting in diepe netwerken detecteren, regularisatie Evalueren van diepe netwerken Case studies in Python Beeldherkenning – CNN Afwijkingen detecteren met Autoencoders Voorspelling van tijdreeksen met RNN Dimensionaliteitsreductie met Autoencoder Classificatie met RBM

 

Requirements

Kennis/waardering van machine learning, systeemarchitectuur en programmeertalen zijn wenselijk

  14 Hours
 

Related Courses

Related Categories