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.
Kursplan
Deep Learning vs Machine Learning vs. andre metoder
- Når Deep Learning er egnet Grenser for Deep Learning Sammenligning av nøyaktighet og kostnad for forskjellige metoder
Metodeoversikt
- Nett og lag fremover / bakover: de essensielle beregningene av lagdelte komposisjonsmodeller. Tap: oppgaven som skal læres er definert av tapet. Løser: løseren koordinerer modelloptimalisering. Lagkatalog: laget er den grunnleggende enheten for modellering og beregningskonvolusjon
Metoder og modeller
- Backprop, modulære modeller Logsum-modul RBF Netto MAP/MLE-tap Parameter Space Transformers Convolutional Module Gradient-basert læringsenergi for inferens, Mål for læring av PCA; NLL: Latente Variable Models Probabilistic LVM Loss Function Detection med raske R-CNN-sekvenser med LSTMer og Vision + Language med LRCN Pixelwise prediksjon med FCNs Framework design og fremtid
Verktøy
- Caffe Tensorflow R Matlab andre...
Krav
Eventuell kunnskap om programmeringsspråk er nødvendig. Kjennskap til Machine Learning er ikke nødvendig, men en fordel.
21 timer