Struttura del corso

  • Machine Learning Limitazioni
  • Machine Learning, Mappature non lineari
  • Neural Networks
  • Ottimizzazione non lineare, gradiente stocastico/minibatch decente
  • Propagazione posteriore
  • Codifica sparsa profonda
  • Autoencoder sparsi (SAE)
  • Convoluzionale Neural Networks (CNN)
  • Successi: Corrispondenza dei descrittori
  • Ostacolo basato su stereo
  • Prevenzione per Robotics
  • Pooling e invarianza
  • Reti di visualizzazione/deconvoluzionali
  • Ricorrenti Neural Networks (RNN) e loro ottimizzazione
  • Applicazioni alla PNL
  • RNN ha continuato,
  • Ottimizzazione senza iuta
  • Analisi linguistica: vettori di parole/frasi, parsing, analisi del sentiment, ecc.
  • Modelli grafici probabilistici
  • Reti Hopfield, macchine Boltzmann
  • Reti di credenze profonde, RBM impilati
  • Applicazioni per l'NLP, la posa e il riconoscimento dell'attività nei video
  • Progressi recenti
  • Apprendimento su larga scala
  • Macchine di Turing neurali

Requisiti

Good comprensione di Machine Learning. Almeno la conoscenza teorica di Deep Learning.

 28 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (4)

Corsi in Arrivo

Categorie relative