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.
Course Outline
Deep Learning 대 Machine Learning 대 다른 방법
- Deep Learning이 적합한 경우
- Deep Learning의 한계
- 다양한 방법의 정확성과 비용 비교
방법 개요
- 네트와 레이어
- 앞으로 / 뒤로: 계층화된 구성 모델의 필수 계산입니다.
- 손실: 학습할 작업은 손실로 정의됩니다.
- 솔버: 솔버는 모델 최적화를 조정합니다.
- 레이어 카탈로그: 레이어는 모델링 및 계산의 기본 단위입니다.
- 컨볼루션
방법 및 모델
- 역전파, 모듈형 모델
- 로그섬 모듈
- RBF 넷
- MAP/MLE 손실
- 매개변수 공간 변환
- 컨벌루션 모듈
- 그라데이션 기반 학습
- 추론을 위한 에너지,
- 학습 목표
- PCA; NLL:
- 잠재변수 모델
- 확률적 LVM
- 손실 함수
- Fast R-CNN을 이용한 탐지
- LSTM이 포함된 시퀀스 및 LRCN이 포함된 Vision + Language
- FCN을 사용한 픽셀별 예측
- 프레임워크 설계와 미래
도구
- Caffe
- 텐서플로우
- 아르 자형
- 매트랩
- 기타...
Requirements
프로그래밍 언어 지식이 필요합니다. Machine Learning에 대한 지식이 필수는 아니지만 유익합니다.
21 Hours