Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
- Prezentare generală a rețelelor neuronale și învățării adâncii (deep learning)
- Conceptul de Învățare Automată (Machine Learning - ML)
- Cum ne ajută rețelele neuronale și învățarea adâncă?
- Selectarea rețelelor pentru diferite probleme și tipuri de date
- Invățarea și validarea rețelelor neuronale
- Comparația între regresia logistică și rețelele neurale
- Rețea neuronală
- Inspirațiile biologice pentru rețelele neurale
- Rețele neuronale – Neuron, Perceptron și MLP (model cu mai multe straturi perceptron)
- Invățarea MLP – algoritmul de retropropagare a erorii (backpropagation)
- Funcții de activare – liniar, sigmoid, Tanh, Softmax
- Funcții de pierdere potrivite pentru previziune și clasificare
- Parametrii – rata de învățare, regularizarea, momentul (momentum)
- Cum se construiesc rețelele neurale în Python
- Evaluarea performanței rețelelor neurale în Python
- Noțiuni de bază despre rețele adânci (deep networks)
- Ce este învățarea adâncă?
- Arhitectura rețelelor adânci – Parametri, Straturi, Funcții de activare, Funcții de pierdere, Solver-uri
- Machiezi Boltzmann Restricți (Restricted Boltzman Machines - RBMs)
- Autoencoderi
- Arhitecturi de rețele adânci
- Rețelele cu credere adâncă (Deep Belief Networks - DBN) – arhitectură, aplicații
- Autoencoderi
- Machiezi Boltzmann Restricți (Restricted Boltzmann Machines)
- Rețele neuronale convoluționale (Convolutional Neural Network - CNN)
- Rețele neuronale recursive
- Rețele neuronale recurente (Recurrent Neural Network - RNN)
- Prezentare generală a bibliotecilor și interfețelor disponibile în Python
- Caffee
- Theano
- Tensorflow
- Keras
- Mxnet
- Alegerea bibliotecii potrivite pentru o problemă specifică
- Construirea rețelelor adânci în Python
- Alegerea arhitecturii potrivite pentru o problemă dată
- Rețelele adânci hibride
- Invățarea rețelei – biblioteca potrivită, definiția arhitecturii
- Pornirea în funcțiune a rețelei – inițializare, funcții de activare, funcții de pierdere, metode de optimizare
- Evitarea suprainvățării (overfitting) – detectarea și rezolvarea problemelor de suprainvățare în rețelele adânci, regularizarea
- Evaluarea rețelelor adânci
- Cazuri de studiu în Python
- Recunoașterea imaginilor – CNN
- Detectarea anomaliilor cu autoencoderi
- Previzionarea șirurilor temporale cu RNN
- Reducerea dimensionalității cu autoencoderi
- Clasificarea datelor cu RBM
Cerințe
Cunoștințe/apreciere a învățării automate, a arhitecturii de sisteme și a limbajelor de programare sunt de dorit
14 ore
Mărturii (2)
Organizarea, respectând agendă propusă, cunoștințele extensive ale formatorului în această temă
Ali Kattan - TWPI
Curs - Natural Language Processing with TensorFlow
Tradus de catre o masina
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
Paul Lee
Curs - TensorFlow for Image Recognition
Tradus de catre o masina
