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


Dates are subject to availability and take place between 09:30 and 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