Programa do Curso

Começando

  • Guia de início rápido: executando exemplos e DL4J em seus projetos
  • Guia de configuração abrangente

Introdução a Neural Networks

  • Máquinas Boltzmann restritas
  • Redes Convolucionais (ConvNets)
  • Unidades de memória de longo prazo (LSTMs)
  • Remoção de ruído de codificadores automáticos
  • Redes recorrentes e LSTMs

Redes Neurais Multicamadas

  • Rede de Crença Profunda
  • AutoEncoder Profundo
  • Autoencoders de eliminação de ruído empilhados

Tutoriais

  • Usando redes recorrentes em DL4J
  • Tutorial MNIST DBN
  • Tutorial de flor de íris
  • Canova: biblioteca de vetorização para ferramentas de ML
  • Atualizadores de rede neural: SGD, Adam, Adagrad, Adadelta, RMSProp

Conjuntos de dados

  • Conjuntos de dados e Machine Learning
  • Conjuntos de dados personalizados
  • Carregamentos de dados CSV

Dimensionar

  • Redução Iterativa Definida
  • Multiprocessador/Clustering
  • Executando nós de trabalho

Texto

  • Estrutura de PNL do DL4J
  • Word2vec para Java e Scala
  • Análise Textual e EAD
  • Saco de Words
  • Segmentação de frases e documentos
  • Tokenização
  • Cache de vocabulário

DL2J avançado

  • Construa localmente a partir do Master
  • Contribua com DL4J (Guia do desenvolvedor)
  • Escolha uma rede neural
  • Use a Maven ferramenta de construção
  • Vetorizar dados com Canova
  • Construa um pipeline de dados
  • Executar comparativos de mercado
  • Configure DL4J em Ivy, Gradle, SBT etc.
  • Encontre uma classe ou método DL4J
  • Salvar e carregar modelos
  • Interpretar a saída da rede neural
  • Visualize dados com t-SNE
  • Trocar CPUs por GPUs
  • Personalize um pipeline de imagens
  • Realize regressão com redes neurais
  • Solucionar problemas de treinamento e selecionar hiperparâmetros de rede
  • Visualize, monitore e depure o aprendizado da rede
  • Acelere o Spark com binários nativos
  • Crie um mecanismo de recomendação com DL4J
  • Use redes recorrentes em DL4J
  • Crie arquiteturas de rede complexas com gráfico de computação
  • Treinar redes usando parada antecipada
  • Baixe instantâneos com Maven
  • Personalize uma função de perda

Requisitos

Conhecimentos nos seguintes domínios:

  • Java
  21 horas
 

Número de participantes


Inicia

Termina


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

Declaração de Clientes (4)

Cursos Relacionados

Deep Learning AI Techniques for Executives, Developers and Managers

  21 horas

Deep Learning for Medicine

  14 horas

Categorias Relacionadas