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
 

Número de participantes


Comienza

Termina


Las fechas están sujetas a disponibilidad y tienen lugar entre 09:30 y 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (4)

Cursos Relacionados

Técnicas de IA de Aprendizaje Profundo para Ejecutivos, Desarrolladores y Gerentes

  21 horas

Aprendizaje profundo para la medicina

  14 horas

Categorías Relacionadas