Εξέλιξη Κομματιού

Τρέχουσα κατάσταση της τεχνολογίας

  • Αυτό που χρησιμοποιείται
  • Αυτό που μπορεί να χρησιμοποιηθεί δυνητικά

Τεχνητή Νοημοσύνη βασισμένη σε κανόνες

  • Απλοποίηση αποφάσεων

Μηχανική Μάθηση

  • Κατηγοριοποίηση
  • Ομαδοποίηση
  • Νευρωνικά Δίκτυα
  • Τύποι Νευρωνικών Δικτύων
  • Παρουσίαση δειγματικών περιπτώσεων και συζήτηση

Βαθιά Μάθηση (Deep Learning)

  • Βασικός λεξιλόγιο
  • Όταν να χρησιμοποιείται η Βαθιά Μάθηση, και όταν να μην χρησιμοποιείται
  • Εκτίμηση των υπολογιστικών πόρων και κόστους
  • Πολύ σύντομη θεωρητική υπόβαθρος για τα Βαθιά Νευρωνικά Δίκτυα

Βαθιά Μάθηση σε πράξη (κύρια με χρήση TensorFlow)

  • Προετοίμαση δεδομένων
  • Επιλογή συνάρτησης απώλειας (loss function)
  • Επιλογή κατάλληλου τύπου νευρωνικού δικτύου
  • Ακρίβεια vs ταχύτητα και πόροι
  • Εκπαίδευση νευρωνικού δικτύου
  • Μέτρηση αποδοτικότητας και σφάλματος

Παράδειγμα χρήσης

  • Ανίχνευση παρανορμίσεων (anomaly detection)
  • Αναγνώριση εικόνας
  • Σύστημα Βοήθειας του Οδηγού (ADAS)

Απαιτήσεις

Οι συμμετέχοντες πρέπει να έχουν εμπειρία προγραμματισμού (οποιαδήποτε γλώσσα) και μηχανολογικό υπόβαθρο, αλλά δεν απαιτείται να γράψουν κώδικα κατά τη διάρκεια του μαθήματος.

 14 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Εφεξής Μαθήματα

Σχετικές Κατηγορίες