문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 21 시간
코스 개요
1일차 - 인공 신경망
소개 및 ANN 구조.
- 생물학적 뉴런과 인공 뉴런.
- ANN 모델.
- ANN에서 사용되는 활성화 함수.
- 전형적인 네트워크 구조 클래스.
수학적 기초 및 학습 메커니즘.
- 벡터 및 행렬 대수 재탐구.
- 상태 공간 개념.
- 최적화 개념.
- 오차 수정 학습.
- 기억 기반 학습.
- 헤비안 학습.
- 경쟁적 학습.
단층 퍼셉트론.
- 퍼셉트론의 구조와 학습.
- 패턴 분류기 - 소개 및 베이지안 분류기.
- 패턴 분류기로서의 퍼셉트론.
- 퍼셉트론 수렴.
- 퍼셉트론의 한계.
피드포워드 ANN.
- 다층 피드포워드 네트워크의 구조.
- 백프로파게이션 알고리즘.
- 백프로파게이션 - 학습 및 수렴.
- 백프로파게이션을 활용한 함수 근사.
- 백프로파게이션 학습의 실용적 및 설계 관련 문제.
방사형 기저 함수 네트워크(RBF).
- 패턴 분리 가능성 및 보간.
- 정규화 이론.
- 정규화와 RBF 네트워크.
- RBF 네트워크 설계 및 학습.
- RBF의 근사 속성.
경쟁적 학습 및 자기 조직화 ANN.
- 일반적 클러스터링 절차.
- 학습 벡터 양자화(LVQ).
- 경쟁적 학습 알고리즘과 구조.
- 자기 조직화 특징 맵.
- 특징 맵의 속성.
퍼지 신경망.
- 신경-퍼지 시스템.
- 퍼지 집합과 논리의 배경.
- 퍼지 시스템 설계.
- 퍼지 ANN 설계.
응용 분야
- 신경망의 몇 가지 응용 사례, 그 장점과 문제에 대해 논의합니다.
2일차 - 머신러닝
- PAC 학습 프레임워크
- 유한 가설 집합에 대한 보장 - 일관성 있는 경우
- 유한 가설 집합에 대한 보장 - 일관성 없는 경우
- 일반적 사항
- 결정론적 시나리오 대 확률적 시나리오
- 베이지안 에러 노이즈
- 추정 및 근사 오차
- 모델 선택
- 라데메허 복잡도 및 VC-차원
- 편차-분산 트레이드오프
- 정규화
- 과적합
- 검증
- 서포트 벡터 머신(SVM)
- 크리깅(가우시안 프로세스 회귀 분석)
- PCA 및 커널 PCA
- 자기 조직화 맵(SOM)
- 커널 유도 벡터 공간
- 머서 커널과 커널 유도 유사성 지표
- 강화 학습
3일차 - 딥러닝
1일차와 2일차에 다룬 주제와 관련하여 교육됩니다.
- 로지스틱 및 소프트맥스 회귀 분석
- 희소 오토인코더
- 벡터화, PCA 및 화이트닝
- 자기 학습(Self-Taught Learning)
- 딥 네트워크
- 선형 디코더
- 컨볼루션 및 풀링
- 희소 코딩
- 독립 성분 분석(ICA)
- 적정 상관 분석(CCA)
- 데모와 응용 사례
요건
수학에 대한 좋은 이해.
기본 통계학에 대한 좋은 이해.
기본 프로그래밍 기술은 필수 사항은 아니지만 권장됩니다.
회원 평가 (2)
초점 있게 근본 원칙을 바탕으로 작업하고, 같은 날 내부 사례 연구를 적용하는 것
Maggie Webb - Department of Jobs, Regions, and Precincts
코스 - Artificial Neural Networks, Machine Learning, Deep Thinking
기계 번역됨
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
코스 - Artificial Neural Networks, Machine Learning, Deep Thinking
기계 번역됨
