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.
Kursplan
Komma igång
- Snabbstart: Köra exempel och DL4J i dina projekt
- Omfattande installationsguide
Introduktion till Neural Networks
- Begränsade Boltzmann-maskiner
- Faltningsnät (ConvNets)
- Enheter för långtidsminne (LSTM)
- Denoising Autoencoders
- Återkommande nät och LSTM
Neurala nät i flera lager
- Nätverk med djup övertygelse
- Djup autokodare
- Staplade Denoising Autoencoders
Tutorials
- Använda återkommande nät i DL4J
- MNIST DBN-handledning
- Iris blomma handledning
- Canova: Vektoriseringslib för ML-verktyg
- Neurala nätuppdaterare: SGD, Adam, Adagrad, Adadelta, RMSProp
Datamängder
- Dataset och Machine Learning
- Anpassade datauppsättningar
- Uppladdning av CSV-data
Skala ut
- Definition av iterativ minskning
- Multiprocessor/klustring
- Köra arbetsnoder
SMS
- DL4J:s NLP-ramverk
- Word2vec för Java och Scala
- Textanalys och DL
- Påse med Words
- Segmentering av meningar och dokument
- Tokenisering
- Vocab Cache
Avancerad DL2J
- Skapa lokalt från Master
- Bidra till DL4J (utvecklarhandbok)
- Välj ett neuralt nät
- Använd Maven Byggverktyget
- Vektorisera data med Canova
- Skapa en datapipeline
- Köra riktmärken
- Konfigurera DL4J i Ivy, Gradle, SBT etc
- Hitta en DL4J-klass eller -metod
- Spara och läsa in modeller
- Tolka neurala nätutdata
- Visualisera data med t-SNE
- Byt processorer mot GPUs
- Anpassa en avbildningspipeline
- Utföra regression med neurala nät
- Felsöka träning och välj nätverkshyperparametrar
- Visualisera, övervaka och felsöka nätverksinlärning
- Snabba upp Spark med inbyggda binärfiler
- Skapa en rekommendationsmotor med DL4J
- Använda återkommande nätverk i DL4J
- Bygg komplexa nätverksarkitekturer med Computation Graph
- Tågnät med tidigt stopp
- Ladda ner ögonblicksbilder med Maven
- Anpassa en förlustfunktion
Krav
Kunskaper i följande:
- Java
21 timmar
Vittnesmål (4)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Kurs - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Kurs - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.