Struttura del corso

Introduzione a OpenNN, Machine Learning e Deep Learning

Download OpenNN

Utilizzo di Neural Designer

  • Utilizzo di Neural Designer per analisi descrittive, diagnostiche, predittive e prescrittive

OpenNN Architettura

  • Parallelizzazione della CPU

OpenNN classi

  • Set di dati, rete neurale, indice di perdita, strategia di addestramento, selezione del modello, analisi dei test
  • Modelli vettoriali e matriciali

Creazione di un'applicazione di rete neurale

  • Scegliere una rete neurale adatta
  • Formulazione del problema variazionale (indice di perdita)
  • Risoluzione del problema dell'ottimizzazione delle funzioni ridotte (strategia di allenamento)

Utilizzo dei dataset

  • La matrice di dati (colonne come variabili e righe come istanze)

Compiti di apprendimento

  • Regressione delle funzioni
  • Riconoscimento

Compilazione con QT Creator

Integrazione, test ed esecuzione del debug dell'applicazione

Il futuro delle reti neurali e OpenNN

Sintesi e conclusione

Requisiti

    Una comprensione dei concetti di data science C++ L'esperienza di programmazione è utile

Pubblico

    Sviluppatori di software e programmatori che desiderano creare Deep Learning applicazioni.
  14 ore
 

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.
I corsi di formazione pubblici richiedono più di 5 partecipanti.

Corsi relativi

Categorie relative