Séance de cours
Méthodes de noyau: Réseaux neuronaux
Séances de cours associées (527)
Deep Learning : réseaux neuronaux convolutifs
Présente les réseaux neuronaux convolutifs, en expliquant leur architecture, leur processus de formation et leurs applications dans les tâches de segmentation sémantique.
Modèles génériques : auto-attention et transformateurs
Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.
Deep Learning : réseaux neuronaux convolutifs
Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
Ingénierie des caractéristiques: Régression polynomiale
Couvre en fonction de la régression linéaire sur les caractéristiques des prédicteurs d'origine pour la représentation flexible des caractéristiques.
Revue du Machine Learning
Couvre un examen des concepts d'apprentissage automatique, y compris l'apprentissage supervisé, la classification vs régression, les modèles linéaires, les fonctions du noyau, les machines vectorielles de soutien, la réduction de la dimensionnalité, les modèles génératifs profonds et la validation croisée.
Comprendre l'apprentissage profond
Explore les fondamentaux de l'apprentissage profond, y compris la classification de l'image, les principes de travail du réseau neuronal et les défis de l'apprentissage automatique.
Réseaux neuronaux convolutionnels
Couvre les réseaux neuronaux convolutionnels, y compris les couches, les stratégies de formation, les architectures standard, les tâches comme la segmentation sémantique, et les astuces d'apprentissage profond.
Gradient Descent: Régression linéaire
Couvre le concept de descente de gradient pour la régression linéaire, en expliquant le processus itératif de mise à jour des paramètres.
Apprentissage profond pour les véhicules autonomes: Apprentissage
Explore l'apprentissage en apprentissage profond pour les véhicules autonomes, couvrant les modèles prédictifs, RNN, ImageNet, et l'apprentissage de transfert.
Réseaux neuronaux récurrents : Détection de la langue
Explore la détection des langues à l'aide de réseaux neuronaux récurrents et de concepts d'apprentissage supervisé.