План на курса

Дълбоко обучение срещу Machine Learning срещу други методи

    Когато Deep Learning е подходящ Граници на Deep Learning Сравняване на точността и цената на различни методи

Преглед на методите

    Мрежи и слоеве напред/назад: основните изчисления на слоести композиционни модели. Загуба: задачата, която трябва да се научи, се определя от загубата. Решател: решаващият координира оптимизацията на модела. Каталог на слоевете: слоят е основната единица за моделиране и изчисление Convolution​

Методи и модели

    Backprop, модулни модели Модул Logsum RBF Нетна загуба на MAP/MLE Параметър Пространство Трансформира Конволюционен модул Градиентно базирано обучение Енергия за извод, Цел за обучение PCA; NLL: Latent Variable Models Probabilistic LVM Loss Function Detection with Fast R-CNN Sequences with LSTMs and Vision + Language with LRCN Pixelwise prediction with FCNs Framework design and future

Инструменти

    Caffe Tensorflow R Matlab Други...

Изисквания

Необходими са познания по всякакъв език за програмиране. Познаването на Machine Learning не е задължително, но е от полза.

  21 Hours

Брой участници



Цена за участник

Свързани Kурсове

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

  21 Hours

Свързани Kатегории