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.
План на курса
Ден 1:
Основен Machine Learning
Модул-1
Въведение:
- Упражнение – Инсталиране на Python и NN библиотеки Защо машинно обучение? Кратка история на машинното обучение Възходът на дълбокото обучение Основни понятия в машинното обучение Визуализиране на класификационен проблем Граници на вземане на решения и области на вземане на решения iPython преносими компютри
Модул-2
- Упражнение – Региони за вземане на решения Изкуственият неврон Невронната мрежа, разпространението напред и мрежовите слоеве Функции за активиране Упражнение – Функции за активиране Обратно разпространение на грешка Недостатъчно и свръхнапасване Интерполация и изглаждане Екстраполация и абстракция на данни Обобщение в машинното обучение
Модул-3
- Упражнение – Недостатъчно и прекомерно оборудване Набори за обучение, тестване и валидиране Отклонение на данните и проблемът с отрицателния пример Компромис между пристрастия/вариация Упражнение – Набори от данни и пристрастия
Модул-4
- Преглед на NN параметри и хиперпараметри Проблеми с логистична регресия Функции на разходите Пример – Регресия Класическо машинно обучение срещу дълбоко обучение Заключение
Ден-2: Конволюционен Neural Networks (CNN)
Модул-5
- Въведение в CNN Какво представляват CNN? Computer визия CNN в ежедневието Изображения – пиксели, квантуване на цвят и пространство, уравнения на RGB Convolution и физическо значение, непрекъснато срещу дискретно Упражнение – 1D Convolution
Модул-6
- Теоретична основа за филтриране Сигнал като сбор от синусоиди Честотен спектър Лентови филтри Упражнение – Честотно филтриране 2D конволюционни филтри Подложка и дължина на крачка Филтър като лентов филтър като съвпадение на шаблон Упражнение – Откриване на ръба Филтри на Gabor за локализиран честотен анализ Упражнение – Филтри на Gabor като карти на слой 1
Модул-7
- Архитектура на CNN Конволюционни слоеве Максимални слоеве за обединяване Слоеве за намаляване на дискретизацията Рекурсивна абстракция на данни Пример за рекурсивна абстракция
Модул-8
- Упражнение – Основно използване на CNN Набор от данни на ImageNet и модела VGG-16 Визуализация на карти на характеристики Визуализация на значения на характеристики Упражнение – Карти на функции и значения на характеристики
Ден-3: Модел на последователност
Модул-9
- Какво представляват моделите на последователност? Защо последователни модели? Случай на използване на езиково моделиране Последователности във времето срещу последователности в пространството
Модул-10
- RNN Повтаряща се архитектура Обратно разпространение във времето Изчезващи градиенти GRU LSTM Deep RNN Двупосочна RNN Упражнение – Еднопосочна срещу двупосочна RNN Последователности за вземане на проби Прогноза на последователност на изхода Упражнение – Прогноза на последователност на изхода RNN върху прости сигнали, променящи се във времето Упражнение – Основно откриване на форма на вълна
Модул-11
- Обработка на естествен език (NLP) Word вграждания Word вектори: word2vec Word вектори: GloVe Трансфер на знания и вграждания на думи Анализ на настроението Упражнение – Анализ на настроението
Модул-12
- Количествено определяне и премахване на отклонение Упражнение – Премахване на отклонение Аудио данни Търсене на лъч Модел на внимание Разпознаване на реч Задействаща дума Упражнение за откриване – Speech Recognition
Изисквания
Няма специфични изисквания, необходими за посещаване на този курс.
21 Hours