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.
コース概要
Deep Learning vs Machine Learning vs その他の方法
- Deep Learningが適切な場合
- Deep Learning の限界
- さまざまな方法の精度とコストの比較
メソッドの概要
- ネットとレイヤー
- 前方/後方: 階層化された構成モデルの重要な計算。
- 損失: 学習すべきタスクは損失によって定義されます。
- ソルバー: ソルバーはモデルの最適化を調整します。
- レイヤーカタログ: レイヤーはモデリングと計算の基本単位です
- コンボリューション
手法とモデル
- バックプロップ、モジュラーモデル
- ログサムモジュール
- RBFネット
- MAP/MLE損失
- パラメータ空間変換
- 畳み込みモジュール
- 勾配ベースの学習
- 推論のためのエネルギー、
- 学習の目的
- PCA; NLL:
- 潜在変数モデル
- 確率的LVM
- 損失関数
- 高速 R-CNN による検出
- LSTM によるシーケンスと LRCN によるビジョン + 言語
- FCN を使用したピクセル単位の予測
- 枠組み設計と今後
ツール
- Caffe
- テンソルフロー
- R
- マットラボ
- その他...
要求
プログラミング言語の知識は必須。0]に精通していることは必須ではありませんが、有益です。
21 時間