Programa del Curso

  • Limitaciones del aprendizaje automático
  • Aprendizaje automático, asignaciones no lineales
  • Redes neuronales
  • Optimización no lineal, gradiente estocástico/minilote decente
  • Propagación hacia atrás
  • Codificación dispersa profunda
  • Autocodificadores dispersos (SAE)
  • Redes neuronales convolucionales (CNN)
  • Éxitos: Coincidencia de descriptores
  • Obstáculo basado en estéreo
  • Evitación de Robotics
  • Agrupación e invariancia
  • Visualización/Redes deconvolucionales
  • Redes Neuronales Recurrentes (RNNs) y su optimización
  • Aplicaciones a la PNL
  • Las RNN continuaron,
  • Optimización sin matriz hessiana
  • Análisis lingüístico: vectores palabras/frases, análisis sintáctico, análisis de sentimientos, etc.
  • Modelos gráficos probabilísticos
  • Redes Hopfield, máquinas Boltzmann
  • Redes de creencias profundas, RBM apilados
  • Aplicaciones a la PNL, Reconocimiento de Poses y Actividades en Videos
  • Avances recientes
  • Aprendizaje a gran escala
  • Máquinas de Turing neuronales

 

Requerimientos

Buena comprensión de Machine Learning. Al menos conocimientos teóricos de Deep Learning.

  28 horas
 

Número de participantes


Comienza

Termina


Las fechas están sujetas a disponibilidad y tienen lugar entre 09:30 y 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (4)

Cursos Relacionados

Torch: Introducción a Máquina y Aprendizaje Profundo

  21 horas

Categorías Relacionadas