Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera dans les plus brefs délais.
Merci pour votre réservation ! Un membre de notre équipe vous contactera dans les plus brefs délais.
Plan du cours
Pour commencer
- Démarrage rapide : Exécution d'exemples et de DL4J dans vos projets
- Guide d'installation complet
Introduction aux Neural Networks
- Machines de Boltzmann restreintes
- Réseaux convolutifs (ConvNets)
- Unités de mémoire à long terme (LSTM)
- Autoencodeurs de débruitage
- Réseaux récurrents et LSTM
Réseaux neuronaux multicouches
- Réseau à croyance profonde
- Autoencodeur profond
- Autoencodeurs de débruitage empilés
Tutoriels
- Utilisation des réseaux récurrents dans DL4J
- Tutoriel MNIST DBN
- Tutoriel sur la fleur d'iris
- Canova : librairie de vectorisation pour les outils de ML
- Mises à jour de réseaux neuronaux : SGD, Adam, Adagrad, Adadelta, RMSProp
Ensembles de données
- Ensembles de données et Machine Learning
- Jeux de données personnalisés
- Chargements de données CSV
Mise à l'échelle
- Réduction itérative définie
- Multiprocesseur / Clustering
- Nœuds de travail en cours d'exécution
Texte
- Cadre NLP de DL4J
- Word2vec pour Java et Scala
- Analyse textuelle et DL
- Bag de Words
- Segmentation des phrases et des documents
- Tokenisation
- Cache de vocabulaire
DL2J avancé
- Construire localement à partir du maître
- Contribuer à DL4J (Guide du développeur)
- Choisir un réseau neuronal
- Utilisation de l'outil de construction Maven
- Vectoriser les données avec Canova
- Création d'un pipeline de données
- Exécuter des benchmarks
- Configurer DL4J dans Ivy, Gradle, SBT, etc.
- Trouver une classe ou une méthode DL4J
- Sauvegarde et chargement de modèles
- Interprétation de la sortie du réseau neuronal
- Visualiser les données avec t-SNE
- Échanger des CPU contre des GPUs
- Personnaliser un pipeline d'images
- Régression à l'aide de réseaux neuronaux
- Dépannage de la formation et sélection des hyperparamètres du réseau
- Visualiser, surveiller et déboguer l'apprentissage en réseau
- Accélérer Spark avec des binaires natifs
- Construire un moteur de recommandation avec DL4J
- Utiliser des réseaux récurrents dans DL4J
- Construire des architectures de réseaux complexes avec Computation Graph
- Former des réseaux à l'aide de l'arrêt anticipé
- Télécharger des instantanés avec Maven
- Personnaliser une fonction de perte
Pré requis
Connaissances dans les domaines suivants :
- Java
21 heures
Nos Clients témoignent (4)
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
Formation - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Formation - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Formation - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.