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.
Kurzusleírás
Bevezetés
- Chainer vs Caffe vs Torch
- A Chainer szolgáltatások és összetevők áttekintése
Elkezdeni
- A tréner felépítésének megértése
- Az Chainer, a CuPy és a NumPy telepítése
- Függvények meghatározása változókon
Képzés Neural Networks itt: Chainer
- Számítási gráf készítése
- MNIST adatkészlet-példák futtatása
- Paraméterek frissítése optimalizálóval
- Képek feldolgozása az eredmények értékeléséhez
Munka a GPU-vel itt: Chainer
- Ismétlődő neurális hálózatok megvalósítása
- Több GPU használata a párhuzamosításhoz
Más neurális hálózati modellek megvalósítása
- RNN modellek meghatározása és futtatási példák
- Képek generálása a Deep Convolutional GAN segítségével
- Futó Reinforcement Learning példák
Hibaelhárítás
Összefoglalás, és következtetés
Követelmények
- A mesterséges neurális hálózatok megértése
- A mély tanulási keretrendszerek ismerete (Caffe, Torch stb.)
- Python programozási tapasztalat
Közönség
- AI kutatók
- Fejlesztők
14 Hours
Vélemények (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
Kurzus - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Kurzus - Applied AI from Scratch in Python
Very flexible
Frank Ueltzhöffer
Kurzus - Artificial Neural Networks, Machine Learning and Deep Thinking
It felt like we were going through directly relevant information at a good pace (i.e. no filler material)