Advanced Deep Learning

Go lub zrozumienie Machine Learning. Przynajmniej teoretyczna znajomość Deep Learning.

Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery mają zdolność uczenia się bez wyraźnego programowania. Uczenie głębokie to poddziedzina uczenia maszynowego, która wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe.

• Ograniczenia Machine Learning
• Machine Learning, Odwzorowania nieliniowe
• Neural Networks
• Optymalizacja nieliniowa, Stochastic/MiniBatch Gradient Decent
• Propagacja wsteczna
• Głębokie kodowanie rzadkie
• Autokodery rzadkie (SAE)
• Konwolucyjne Neural Networks (CNN)
• Sukcesy: Dopasowywanie deskryptorów
• Unikanie przeszkód oparte na stereo
• Unikanie dla Robotics
• Łączenie i niezmienność
• Wizualizacja/sieci dekonwolucyjne
• Sieci rekurencyjne Neural Networks (RNN) i ich optymalizacja
• Zastosowania w NLP
• Kontynuacja sieci RNN,
• Optymalizacja bezhesjanowa
• Analiza języka: wektory słów/zdań, parsowanie, analiza nastrojów itp.
• Probabilistyczne modele graficzne
• Sieci Hopfielda, maszyny Boltzmanna
• Głębokie sieci ufności (Deep Belief Nets), skumulowane modele RBM (Stacked RBMs)
• Zastosowania w NLP, rozpoznawanie pozy i aktywności w filmach wideo
• Najnowsze osiągnięcia
• Uczenie na dużą skalę
• Neuronowe maszyny Turinga