Course Outline

Inleiding tot OpenNN, Machine Learning en Deep Learning

Downloaden OpenNN

Werken met Neural Designer

  • Neural Designer gebruiken voor beschrijvende, diagnostische, voorspellende en prescriptieve analyses

OpenNN Architectuur

  • CPU-parallellisatie

OpenNN Klassen

  • Dataset, neuraal netwerk, verliesindex, trainingsstrategie, modelselectie, testanalyse
  • Vector- en matrixsjablonen

Een neurale netwerktoepassing bouwen

  • Een geschikt neuraal netwerk kiezen
  • Formuleren van het variatieprobleem (verliesindex)
  • Oplossen van het probleem van verminderde functieoptimalisatie (trainingsstrategie)

Werken met datasets

  • De gegevensmatrix (kolommen als variabelen en rijen als instanties)

Taken aanleren

  • Regressie van de functie
  • Patroonherkenning

Compileren met QT Creator

Integreren, testen en debuggen van uw applicatie

De toekomst van neurale netwerken en OpenNN

Samenvatting en conclusie

Requirements

    Kennis van data science-concepten C++ programmeerervaring is nuttig

Publiek

    Softwareontwikkelaars en programmeurs die Deep Learning applicaties willen maken.
  14 Hours

Related Courses

Related Categories