Course Outline

Ξεκινώντας

    Γρήγορη εκκίνηση: Εκτέλεση Παραδειγμάτων και DL4J στα έργα σας Πλήρης οδηγός εγκατάστασης

Εισαγωγή στο Neural Networks

    Περιορισμένα συνελικτικά δίκτυα μηχανών Boltzmann (ConvNets) Μονάδες μακροπρόθεσμης μνήμης (LSTMs) Αυτοκωδικοποιητές απενεργοποίησης θορύβου Επαναλαμβανόμενα δίκτυα και LSTM

Πολυστρωματικά Νευρικά Δίκτυα

    Δίκτυο Deep-Belief Deep AutoEncoder Stacked Denoising Autoencoder

Φροντιστήρια

    Χρήση επαναλαμβανόμενων δικτύων στο DL4J MNIST DBN Tutorial Εκμάθηση Iris Flower Canova: Vectorization Lib for ML Tools Ενημερωτές νευρωνικού δικτύου: SGD, Adam, Adagrad, Adadelta, RMSProp

Σύνολα δεδομένων

    Σύνολα δεδομένων και Machine Learning Προσαρμοσμένα σύνολα δεδομένων Μεταφορτώσεις δεδομένων CSV

Scaleout

    Iterative Reduce Defined Multiprocessor / Clustering Running Worker Nodes

Κείμενο

    Το πλαίσιο NLP του DL4J Word2vec για Java και Scala Textual Analysis και DL Bag of Words Sentence and Document Segmentation Tokenization Vocab Cache

Προηγμένο DL2J

    Τοπική δημιουργία από Master Συνεισφέρετε στο DL4J (Οδηγός προγραμματιστή) Επιλέξτε ένα νευρωνικό δίκτυο Χρησιμοποιήστε το Maven Εργαλείο δημιουργίας Vectorize Data With Canova Δημιουργία συγκριτικής αξιολόγησης εκτέλεσης αγωγού δεδομένων Διαμόρφωση DL4J σε Ivy, Gradle, SBT κ.λπ. Βρείτε μια κατηγορία ή μέθοδο DL4J Αποθήκευση και φόρτωση Μοντέλα Ερμηνεύουν έξοδο νευρικού δικτύου Οπτικοποίηση δεδομένων με t-SNE Εναλλαγή CPU για GPU Προσαρμογή μιας σωλήνωσης εικόνας Εκτέλεση παλινδρόμησης με νευρωνικά δίκτυα Αντιμετώπιση προβλημάτων Εκπαίδευση και επιλογή υπερπαραμέτρων δικτύου Οπτικοποίηση, παρακολούθηση και εντοπισμός σφαλμάτων Εκμάθηση δικτύου Επιτάχυνση Spark με εγγενή δυαδικά αρχεία Δημιουργία μηχανισμού σύστασης με DLL4J Επαναλαμβανόμενα δίκτυα στο DL4J Δημιουργούν σύνθετες αρχιτεκτονικές δικτύου με δίκτυα τρένου γραφήματος υπολογισμού χρησιμοποιώντας στιγμιότυπα λήψης έγκαιρης διακοπής με Maven Προσαρμογή συνάρτησης απώλειας

Requirements

Γνώσεις στα ακόλουθα:

  • Java
  21 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Testimonials (4)

Related Courses

Deep Learning AI Techniques for Executives, Developers and Managers

  21 Hours

Deep Learning for Business

  14 Hours

Deep Learning for Finance (with R)

  28 Hours

Deep Learning for Banking (with Python)

  28 Hours

Deep Learning for Banking (with R)

  28 Hours

Deep Learning for Finance (with Python)

  28 Hours

Deep Learning for Medicine

  14 Hours

Related Categories