National Research University Higher School of Economics Istruzione online gratuita

Introduzione al Deep Learning

Descrizione

L'obiettivo di questo corso è fornire agli studenti una comprensione di base delle moderne reti neurali e delle loro applicazioni nella visione artificiale e nella comprensione del linguaggio naturale. Il corso inizia con un riepilogo dei modelli lineari e la discussione dei metodi di ottimizzazione stocastica che sono cruciali per l'addestramento delle reti neurali profonde. Gli studenti studieranno tutti gli elementi costitutivi più diffusi delle reti neurali, compresi i livelli completamente connessi, i livelli convoluzionali e ricorrenti.
Gli studenti useranno questi elementi costitutivi per definire architetture moderne complesse nei framework TensorFlow e Keras. Nel corso del progetto il discente implementerà una rete neurale profonda per il compito di didascalia di immagini che risolve il problema di fornire una descrizione testuale per un'immagine di input.

I prerequisiti per questo corso sono:
1) Conoscenza di base di Python.
2) Algebra lineare di base e probabilità.

Tieni presente che questo è un corso avanzato e presumiamo una conoscenza di base del machine learning. Dovresti capire:
1) Regressione lineare: errore quadratico medio, soluzione analitica.
2) Regressione logistica: modello, perdita di entropia incrociata, stima della probabilità di classe.
3) Discesa in pendenza per modelli lineari. Derivati ​​di MSE e funzioni di perdita di entropia incrociata.
4) Il problema dell'overfitting.
5) Regolarizzazione per modelli lineari.

Hai problemi tecnici? Scrivici: coursera@hse.ru

Prezzo: Iscriviti gratuitamente!

Lingua: Inglese

Sottotitoli: Inglese, coreano

Introduzione al Deep Learning - Scuola superiore di economia della National Research University