Course Outline

Εισαγωγή στο Neural Networks

    Τι είναι το Neural Networks Ποια είναι η τρέχουσα κατάσταση στην εφαρμογή των νευρωνικών δικτύων Neural Networks έναντι μοντέλων παλινδρόμησης Εποπτευόμενη και μη εποπτευόμενη μάθηση

Επισκόπηση των διαθέσιμων πακέτων

    nnet, neuralnet και άλλα Διαφορές μεταξύ πακέτων και περιορισμοί του Οπτικοποίηση νευρωνικών δικτύων

Εφαρμογή Neural Networks

    Έννοια των νευρώνων και των νευρωνικών δικτύων Ένα απλοποιημένο μοντέλο του εγκεφάλου Ευκαιρίες νευρώνων XOR πρόβλημα και η φύση της κατανομής των τιμών Η πολυμορφική φύση του σιγμοειδούς Άλλες λειτουργίες που ενεργοποιούνται Κατασκευή νευρωνικών δικτύων Έννοια των νευρώνων που συνδέουν νευρωνικό δίκτυο ως κόμβοι Κατασκευή δικτύου Νευρώνες στρώματα Κλίμακες Δεδομένα εισόδου και εξόδου Εύρος 0 έως 1 Κανονικοποίηση Μάθηση Neural Networks Βήματα Διάδοσης προς τα πίσω Διάδοση Αλγόριθμοι εκπαίδευσης δικτύου εύρος εφαρμογής Εκτίμηση Προβλήματα με δυνατότητα προσέγγισης με Παραδείγματα αναγνώριση προτύπων OCR και εικόνας Άλλες εφαρμογές Εφαρμογή εργασίας μοντελοποίησης νευρωνικών δικτύων με πρόβλεψη τιμών μετοχών παρατίθενται

Requirements

Προγραμματισμός σε οποιαδήποτε γλώσσα προγραμματισμού συνιστάται.

 14 Hours

Number of participants



Price per participant

Testimonials (3)

Related Courses

Introduction to Data Visualization with Tidyverse and R

7 Hours

Introduction to R

21 Hours

Related Categories