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
- Преглед на невронните мрежи и дълбокото обучение Концепцията за машинно обучение (ML) Защо имаме нужда от невронни мрежи и дълбоко обучение? Избор на мрежи за различни проблеми и типове данни Обучение и валидиране на невронни мрежи Сравняване на логистична регресия с невронна мрежа Невронна мрежа Биологични вдъхновения за невронна мрежа Невронни мрежи– Neuron, Perceptron и MLP (многослоен модел на Perceptron) Обучаване на MLP – алгоритъм за обратно разпространение Активиращи функции – линейни, сигмоидни , Tanh, Softmax Функции за загуба, подходящи за прогнозиране и класификация Параметри – скорост на обучение, регуляризация, инерция Изграждане на невронни мрежи в Python Оценяване на ефективността на невронните мрежи в Python Основи на дълбоките мрежи Какво е дълбоко обучение? Архитектура на дълбоки мрежи – параметри, слоеве, функции за активиране, функции за загуба, решаващи Ограничени машини на Болцман (RBMs) Автоенкодери Архитектури на дълбоки мрежи Deep Belief Networks (DBN) – архитектура, приложение Автоенкодери Ограничени машини на Болцман Конволюционна невронна мрежа Рекурсивна невронна мрежа Рекурентна невронна мрежа Преглед от библиотеки и интерфейси, налични в Python Caffee Theano Tensorflow Keras Mxnet Избор на подходяща библиотека за проблем Изграждане на дълбоки мрежи в Python Избор на подходяща архитектура за даден проблем Хибридни дълбоки мрежи Обучаваща се мрежа – подходяща библиотека, дефиниране на архитектура Настройка на мрежа – инициализация, функции за активиране , функции на загубите, метод за оптимизация Избягване на прекомерно приспособяване – откриване на проблеми при пренастройване в дълбоки мрежи, регуляризация Оценяване на дълбоки мрежи Казуси в Python Разпознаване на изображения – CNN Откриване на аномалии с автоенкодери Прогнозиране на времеви редове с RNN Намаляване на размерите с автоенкодер Класификация с RBM
Изисквания
Желателни са познания/оценка на машинно обучение, системна архитектура и езици за програмиране
14 Hours
