Đề cương khóa học

  • Machine Learning Hạn chế
  • Machine Learning, Ánh xạ phi tuyến
  • Neural Networks
  • Tối ưu hóa phi tuyến, Stochastic/MiniBatch Gradient Descent
  • Truyền ngược (Back Propagation)
  • Mã hóa thưa (Deep Sparse Coding)
  • Bộ tự mã thưa (Sparse Autoencoders - SAE)
  • Mạng nơ-ron tích chập Neural Networks (CNNs)
  • Thành công: Ghép nối bộ mô tả
  • Tránh chướng ngại vật dựa trên Stereo
  • Tránh chướng ngại vật cho Robotics
  • Gộp nhóm và tính bất biến
  • Mạng trực quan hóa/Giải tích chập
  • Mạng hồi quy Neural Networks (RNNs) và tối ưu hóa của chúng
  • Ứng dụng cho NLP
  • RNNs tiếp tục,
  • Tối ưu hóa không Hessian
  • Phân tích ngôn ngữ: vectơ từ/câu, phân tích cú pháp, phân tích tình cảm, v.v.
  • Mô hình đồ thị xác suất
  • Mạng Hopfield, Máy Boltzmann
  • Mạng tin cậy sâu, RBM xếp chồng
  • Ứng dụng cho NLP, Nhận dạng tư thế và hoạt động trong video
  • Những tiến bộ gần đây
  • Học quy mô lớn
  • Máy Turing nơ-ron

Requirements

Hiểu biết sâu sắc về Machine Learning. Ít nhất là kiến thức lý thuyết về Deep Learning.

 28 Hours

Number of participants


Price per participant

Testimonials (4)

Provisional Upcoming Courses (Require 5+ participants)

Related Categories