感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
深度學習與 Machine Learning 與其他方法
- 當 Deep Learning 合適時
- Deep Learning 的限制
- 比較不同方法的準確性和成本
方法概述
- 網路和層
- 前向/後向:分層組合模型的基本計算。
- 損失:要學習的任務由損失定義。
- 求解器:求解器協調模型優化。
- 層目錄:層是建模和計算的基本單元
- 卷積
方法和模型
- 反向支柱,模組化模型
- Logsum 模組
- RBF凈值
- MAP/MLE 丟失
- 參數空間變換
- 卷積模組
- 基於梯度的學習
- 推理能量,
- 學習目標
- 主成分分析;NLL:
- 潛在變數模型
- 概率 LVM
- 損失函數
- 使用快速 R-CNN 進行檢測
- 使用 LSTM 的序列和使用 LRCN 的視覺 + 語言
- 使用FCN進行圖元級預測
- 框架設計與未來
工具
- Caffe
- 張量流
- R
- Matlab的
- 別人。。。
最低要求
需要任何程式設計語言知識。熟悉 Machine Learning 不是必需的,但有益。
21 時間:
客戶評論 (3)
亨特很棒,非常有吸引力,知識淵博,風度翩翩。 做得很好。
Rick Johnson - Laramie County Community College
課程 - Artificial Intelligence (AI) Overview
機器翻譯
I liked the new insights in deep machine learning.
Josip Arneric
課程 - Neural Network in R
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.