Thank you for sending your enquiry! One of our team member will contact you shortly.
Thank you for sending your booking! One of our team member will contact you shortly.
Programa do Curso
Deep Learning vs Machine Learning vs Outros métodos
- Quando Deep Learning é adequado
- Limites de Deep Learning
- Comparando precisão e custo de diferentes métodos
Visão geral dos métodos
- Redes e Camadas
- Avançar/Retroceder: os cálculos essenciais de modelos composicionais em camadas.
- Perda: a tarefa a ser aprendida é definida pela perda.
- Solver: o solucionador coordena a otimização do modelo.
- Catálogo de Camadas: a camada é a unidade fundamental de modelagem e computação
- Convolução
Métodos e modelos
- Backprop, modelos modulares
- Módulo Logsum
- Rede RBF
- Perda de MAP/MLE
- Transformações de espaço de parâmetros
- Módulo Convolucional
- Aprendizagem Baseada em Gradiente
- Energia para inferência,
- Objetivo para aprender
- PCA; NLL:
- Modelos de variáveis latentes
- LVM probabilístico
- Função de perda
- Detecção com Fast R-CNN
- Sequências com LSTMs e Visão + Linguagem com LRCN
- Previsão pixel a pixel com FCNs
- Design de estrutura e futuro
Ferramentas
- Caffe
- Fluxo tensor
- R
- Matlab
- Outros...
Requisitos
São necessários conhecimentos de qualquer linguagem de programação. A familiaridade com Machine Learning não é obrigatória, mas é benéfica.
21 horas