Schulungsübersicht

  • Machine Learning Beschränkungen
  • Machine Learning, Nicht-lineare Zuordnungen
  • Neural Networks
  • Nicht-lineare Optimierung, Stochastisch/MiniBatch Gradient Decent
  • Rückwärtspropagation
  • Tiefe spärliche Kodierung
  • Sparse Autoencoder (SAE)
  • Faltende Neural Networks (CNNs)
  • Erfolge: Deskriptor-Matching
  • Stereobasierte Hindernis
  • Hindernisvermeidung für Robotics
  • Pooling und Invarianz
  • Visualisierung/Deconvolutional Networks
  • Rekurrente Neural Networks (RNNs) und ihre Optimierung
  • Anwendungen für NLP
  • RNNs fortgesetzt,
  • Hessian-freie Optimierung
  • Sprachanalyse: Wort-/Satzvektoren, Parsing, Stimmungsanalyse, etc.
  • Probabilistische grafische Modelle
  • Hopfield-Netze, Boltzmann-Maschinen
  • Tiefe Belief-Netze, gestapelte RBMs
  • Anwendungen für NLP, Erkennung von Posen und Aktivitäten in Videos
  • Neueste Fortschritte
  • Großangelegtes Lernen
  • Neuronale Turing-Maschinen

Voraussetzungen

Gutes Verständnis von Machine Learning. Zumindest theoretisches Wissen über Deep Learning.

  28 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (4)

Kombinierte Kurse

Verwandte Kategorien