Gracias por enviarnos su consulta. Un miembro de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva. Un miembro de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción
- Chainer vs Caffe vs Torch
- Descripción general de las características y componentes de Chainer
Empezar
- Comprender la estructura del entrenador
- Instalación de Chainer, CuPy y NumPy
- Definición de funciones en variables
Entrenamiento Neural Networks en Chainer
- Construcción de un grafo computacional
- Ejecución de ejemplos de conjuntos de datos MNIST
- Actualización de parámetros mediante un optimizador
- Procesamiento de imágenes para evaluar resultados
Trabajar con GPUs en Chainer
- Implementación de redes neuronales recurrentes
- Uso de varios GPUs para la paralelización
Implementación de otros modelos de redes neuronales
- Definición de modelos RNN y ejemplos de ejecución
- Generación de imágenes con GAN convolucional profunda
- Ejemplos de ejecución Reinforcement Learning
Solución de problemas
Resumen y conclusión
Requerimientos
- Comprensión de las redes neuronales artificiales
- Familiaridad con los marcos de aprendizaje profundo (Caffe, Torch, etc.)
- Experiencia en programación en Python
Audiencia
- Investigadores de IA
- Desarrolladores
14 horas
Testimonios (3)
It felt like we were going through directly relevant information at a good pace (i.e. no filler material)
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Introduction to the use of neural networks
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