Schița de curs

Noțiuni de bază

  • Pornire rapidă: Rularea exemplelor și DL4J în proiectele dvs
  • Ghid cuprinzător de configurare

Introducere la Neural Networks

  • Mașini Boltzmann restricționate
  • Rețele convoluționale (ConvNets)
  • Unități de memorie pe termen lung (LSTM)
  • Dezgomot autoencoder
  • Plase recurente și LSTM-uri

Rețele neuronale multistrat

  • Rețeaua Deep-Belief
  • Deep AutoEncoder
  • Autoencodere stivuite

Tutoriale

  • Utilizarea rețelelor recurente în DL4J
  • Tutorial MNIST DBN
  • Tutorial flori de iris
  • Canova: Vectorization Lib pentru instrumente ML
  • Actualizatori de rețea neuronală: SGD, Adam, Adagrad, Adadelta, RMSProp

Seturi de date

  • Seturi de date și Machine Learning
  • Seturi de date personalizate
  • Încărcări de date CSV

Scaleout

  • Reducere iterativă definită
  • Multiprocesor / Clustering
  • Rularea nodurilor de lucru

Text

  • Cadrul NLP al DL4J
  • Word2vec pentru Java și Scala
  • Analiza Textuală și DL
  • Pungă de Words
  • Segmentarea propoziției și a documentelor
  • Tokenizare
  • Vocab Cache

DL2J avansat

  • Construiește local de la Master
  • Contribuiți la DL4J (Ghid pentru dezvoltatori)
  • Alegeți o rețea neuronală
  • Utilizați instrumentul Maven Build Tool
  • Vectorizați datele cu Canova
  • Construiți o conductă de date
  • Rulați benchmarks
  • Configurați DL4J în Ivy, Gradle, SBT etc
  • Găsiți o clasă sau o metodă DL4J
  • Salvați și încărcați modele
  • Interpretați ieșirea rețelei neuronale
  • Vizualizați datele cu t-SNE
  • Schimbați CPU-urile pentru GPUs
  • Personalizați un canal de imagini
  • Efectuați regresia cu rețele neuronale
  • Depanați antrenamentul și selectați hiperparametrii rețelei
  • Vizualizați, monitorizați și depanați învățarea în rețea
  • Accelerează Spark cu binare native
  • Construiți un motor de recomandare cu DL4J
  • Utilizați rețele recurente în DL4J
  • Construiți arhitecturi de rețea complexe cu graficul de calcul
  • Antrenați rețele folosind oprirea timpurie
  • Descărcați instantanee cu Maven
  • Personalizați o funcție de pierdere

Cerințe

Cunoștințe în următoarele domenii:

  • Java
  21 ore
 

Numărul de participanți


Dată început

Dată sfârșit


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Mărturii (4)

Cursuri înrudite

Deep Learning AI Techniques for Executives, Developers and Managers

  21 ore

Deep Learning for Medicine

  14 ore

Categorii înrudite