Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa del Curso
Empezar
- Inicio rápido: Ejecución de ejemplos y DL4J en los proyectos
- Guía de configuración completa
Introducción a Neural Networks
- Máquinas Boltzmann restringidas
- Redes convolucionales (ConvNets)
- Unidades de memoria a corto plazo (LSTM)
- Eliminación de ruido de los codificadores automáticos
- Redes y LSTM recurrentes
Redes neuronales multicapa
- Red de Creencias Profundas
- Codificador automático profundo
- Codificadores automáticos de eliminación de ruido apilados
Tutoriales
- Uso de redes recurrentes en DL4J
- MNIST DBN Tutorial
- Tutorial de Flor de Iris
- Canova: Vectorization Lib para herramientas de ML
- Actualizadores de redes neuronales: SGD, Adam, Adagrad, Adadelta, RMSProp
Datasets
- Conjuntos de datos y Machine Learning
- Conjuntos de datos personalizados
- Cargas de datos CSV
Escalado horizontal
- Reducción iterativa definida
- Multiprocesador / Clustering
- Ejecución de nodos de trabajo
Mensaje de texto
- Marco de PNL de DL4J
- Word2vec para Java y Scala
- Análisis textual y aprendizaje a distancia
- Bolsa de Words
- Segmentación de oraciones y documentos
- Tokenización
- Caché de vocabulario
DL2J avanzado
- Compilar localmente desde el maestro
- Contribuir a DL4J (Guía para desarrolladores)
- Elegir una red neuronal
- Usar la herramienta de compilación Maven
- Vectorizar datos con Canova
- Creación de una canalización de datos
- Ejecutar puntos de referencia
- Configure DL4J en Ivy, Gradle, SBT, etc.
- Buscar una clase o método DL4J
- Guardar y cargar modelos
- Interpretación de la salida de la red neuronal
- Visualización de datos con t-SNE
- Cambiar CPU por GPU
- Personalización de una canalización de imágenes
- Realizar regresión con redes neuronales
- Solución de problemas de entrenamiento y selección de hiperparámetros de red
- Visualice, supervise y depure el aprendizaje en red
- Acelere Spark con binarios nativos
- Cree un motor de recomendación con DL4J
- Uso de redes recurrentes en DL4J
- Cree arquitecturas de red complejas con Computation Graph
- Redes de trenes que utilizan la parada anticipada
- Descargar instantáneas con Maven
- Personalizar una función de pérdida
Requerimientos
Conocimientos en lo siguiente:
- Java
21 horas
Testimonios (4)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Curso - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Curso - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.