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.
Struttura del corso
Introduttiva
- Guida introduttiva: Esecuzione di esempi e DL4J nei progetti
- Guida completa all'installazione
Introduzione a Neural Networks
- Macchine Boltzmann limitate
- Reti convoluzionali (ConvNets)
- Unità di memoria a breve termine (LSTM)
- Autoencoder per la riduzione del rumore
- Reti ricorrenti e LSTM
Reti neurali multistrato
- Rete di credenze profonde
- Encoder automatico profondo
- Autoencoder di riduzione del rumore impilati
Tutorial
- Utilizzo di reti ricorrenti in DL4J
- Esercitazione su MNIST DBN
- Tutorial sui fiori di iris
- Canova: Libreria di vettorizzazione per strumenti ML
- Aggiornamenti della rete neurale: SGD, Adam, Adagrad, Adadelta, RMSProp
Dataset
- Set di dati e Machine Learning
- Set di dati personalizzati
- Caricamenti di dati CSV
Scalabilità orizzontale
- Riduzione iterativa definita
- Multiprocessore / Clustering
- Esecuzione di nodi di lavoro
Testo
- Quadro NLP di DL4J
- Word2vec per Java e Scala
- Analisi testuale e DL
- Sacchetto di Words
- Segmentazione di frasi e documenti
- Tokenizzazione
- Cache del vocabolario
DL2J avanzato
- Compilazione locale dal master
- Contribuisci a DL4J (Guida per gli sviluppatori)
- Scegli una rete neurale
- Usare lo strumento Maven Build
- Vettorializzare i dati con Canova
- Creare una pipeline di dati
- Eseguire benchmark
- Configura DL4J in Ivy, Gradle, SBT ecc
- Trovare una classe o un metodo DL4J
- Salvataggio e caricamento dei modelli
- Interpretare l'output della rete neurale
- Visualizzazione dei dati con t-SNE
- Scambia le CPU con le GPU
- Personalizzazione di una pipeline di immagini
- Eseguire la regressione con le reti neurali
- Risoluzione dei problemi di formazione e selezione degli iperparametri di rete
- Visualizza, monitora ed esegui il debug dell'apprendimento di rete
- Velocizzare Spark con i file binari nativi
- Crea un motore di raccomandazione con DL4J
- Usa reti ricorrenti in DL4J
- Creazione di architetture di rete complesse con Computation Graph
- Reti ferroviarie che utilizzano la fermata anticipata
- Scarica istantanee con Maven
- Personalizzazione di una funzione di perdita
Requisiti
Conoscenze nei seguenti ambiti:
- Java
21 ore
Recensioni (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
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Corso - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Corso - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.