Plan Szkolenia

  • Ograniczenia Machine Learning
  • Machine Learning, Odwzorowania nieliniowe
  • Neural Networks
  • Optymalizacja nieliniowa, Stochastic/MiniBatch Gradient Decent
  • Propagacja wsteczna
  • Głębokie kodowanie rzadkie
  • Autokodery rzadkie (SAE)
  • Konwolucyjne Neural Networks (CNN)
  • Sukcesy: Dopasowywanie deskryptorów
  • Unikanie przeszkód oparte na stereo
  • Unikanie dla Robotics
  • Łączenie i niezmienność
  • Wizualizacja/sieci dekonwolucyjne
  • Sieci rekurencyjne Neural Networks (RNN) i ich optymalizacja
  • Zastosowania w NLP
  • Kontynuacja sieci RNN,
  • Optymalizacja bezhesjanowa
  • Analiza języka: wektory słów/zdań, parsowanie, analiza nastrojów itp.
  • Probabilistyczne modele graficzne
  • Sieci Hopfielda, maszyny Boltzmanna
  • Głębokie sieci ufności (Deep Belief Nets), skumulowane modele RBM (Stacked RBMs)
  • Zastosowania w NLP, rozpoznawanie pozy i aktywności w filmach wideo
  • Najnowsze osiągnięcia
  • Uczenie na dużą skalę
  • Neuronowe maszyny Turinga

Wymagania

Go lub zrozumienie Machine Learning. Przynajmniej teoretyczna znajomość Deep Learning.

 28 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (4)

Propozycje terminów

Powiązane Kategorie