感谢您的预订!我们的团队成员将会尽快与您取得联系。
感谢您的预订!我们的团队成员将会尽快与您取得联系。
课程大纲
开始
- 快速入门:在项目中运行示例和 DL4JQuickstart: Running Examples and DL4J in Your Projects
- 综合设置指南
Neural Networks 简介
- 受限玻尔兹曼机
- 卷积网络 (ConvNets)
- 长短期记忆单元 (LSTM)
- 去噪自动编码器
- 循环网络和LSTM
多层神经网络
- 深度信念网络
- 深度自动编码器
- 堆叠降噪自动编码器
教程
- 在 DL4J 中使用循环网络
- MNIST DBN 教程
- 鸢尾花教程
- Canova:用于 ML 工具的矢量化库
- 神经网络更新程序:SGD、Adam、Adagrad、Adadelta、RMSProp
数据
- 数据集和 Machine Learning
- 自定义数据集
- CSV 数据上传
横向扩展
- 迭代 Reduce 定义
- 多处理器/集群
- 运行工作节点
发短信
- DL4J 的 NLP 框架
- Word2vec for Java 和 Scala
- 文本分析和深度学习
- 一袋 Word
- 句子和文档分割
- 代币化
- 词汇缓存
高级 DL2J
- 从 master 本地构建
- 为 DL4J 做贡献(开发人员指南)
- 选择神经网络
- 使用 Maven 构建工具
- 使用 Canova 矢量化数据
- 构建数据管道
- 运行基准测试
- 在 Ivy、Gradle、SBT 等中配置 DL4J
- 查找 DL4J 类或方法
- 保存和加载模型
- 解释神经网络输出
- 使用 t-SNE 可视化数据
- 将 CPU 换成 GPU
- 自定义映像管道
- 使用神经网络执行回归
- 训练疑难解答和选择网络超参数
- 可视化、监控和调试网络学习
- 使用本机二进制文件加速 Spark
- 使用 DL4J 构建推荐引擎
- 在 DL4J 中使用循环网络
- 使用计算图构建复杂的网络架构
- 使用提前停止的火车网络
- 使用 Maven 下载快照
- 自定义损失函数
要求
以下知识:
- Java
21 小时
客户评论 (4)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
课程 - Artificial Neural Networks, Machine Learning, Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
课程 - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
课程 - Advanced Deep Learning
examples based on our data