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.
课程大纲
深度学习与 Machine Learning 与其他方法
- 当 Deep Learning 合适时
- Deep Learning 的限制
- 比较不同方法的准确性和成本
方法概述
- 网络和层
- 前向/后向:分层组合模型的基本计算。
- 损失:要学习的任务由损失定义。
- 求解器:求解器协调模型优化。
- 层目录:层是建模和计算的基本单元
- 卷积
方法和模型
- 反向支柱,模块化模型
- Logsum 模块
- RBF净值
- MAP/MLE 丢失
- 参数空间变换
- 卷积模块
- 基于梯度的学习
- 推理能量,
- 学习目标
- 主成分分析;NLL:
- 潜在变量模型
- 概率 LVM
- 损失函数
- 使用快速 R-CNN 进行检测
- 使用 LSTM 的序列和使用 LRCN 的视觉 + 语言
- 使用 FCN 进行像素级预测
- 框架设计与未来
工具
- Caffe
- 张量流
- R
- Matlab的
- 别人。。。
要求
需要任何编程语言知识。熟悉 Machine Learning 不是必需的,但有益。
21 小时