Kursplan
Djupinlärning vs Maskininlärning vs Andra Metoder
- När djupinlärning är lämplig
- Begränsningar med djupinlärning
- Jämförelse av noggrannhet och kostnad för olika metoder
Översikt över Metoder
- Nät och Lager
- Framåt/Backåt: de grundläggande beräkningarna i lagerade kompositionella modeller.
- Förlust: det att lära sig definieras av förlusten.
- Lösare: lösaren koordinerar modelloptimering.
- Layerkatalog: lager är den grundläggande enheten för modellering och beräkning
- Faltning
Metoder och Modeller
- Backprop, modulära modeller
- Logsum-modul
- RBF Net
- MAP/MLE-förlust
- Parameterutrymmestransformationer
- Faltningmodul
- Gradientbaserat lärande
- Energi för inferens,
- Mål för lärande
- PCA; NLL:
- Dolda Variabelmodeller
- Sannolikhetsbaserade DVM
- Förlustfunktion
- Detektering med Fast R-CNN
- Sekvenser med LSTMs och Bild + Språk med LRCN
- Bildvis prediktion med FCNs
- Ramverksdesign och framtida utveckling
Verktyg
- Caffe
- Tensorflow
- R
- Matlab
- Annan...
Krav
Behärskning av något programmeringsspråk krävs. Familiaritet med maskininlärning är inte nödvändig men önskvärt.
Vittnesmål (3)
Jag tyckte verkligen om avslutningen där vi fick testa CHAT GPT. Rummet var dock inte optimerat för detta - istället för en stor bordskonkurrens hade ett par mindre bord hjälpt till att dela upp oss i små grupper och klura ut idéer.
Nola - Laramie County Community College
Kurs - Artificial Intelligence (AI) Overview
Maskintolkat
Att arbeta från grunderna på ett fokuserat sätt och övergå till att tillämpa fallstudier samma dag
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Maskintolkat
Att det använde riktiga företagsdata. Utbildningsledaren hade en mycket bra tillvägagångssätt genom att få deltagarna att delta och tävla
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Kurs - Applied AI from Scratch in Python
Maskintolkat