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
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 10:00 and 17:00.

Price per participant

Related Courses

Related Categories