Plan du cours

Introduction à OpenNN, à l'apprentissage automatique et à l'apprentissage profond

Téléchargement OpenNN

Travailler avec le concepteur neuronal

  • Utilisation de Neural Designer pour l'analyse descriptive, diagnostique, prédictive et prescriptive

OpenNN architecture

  • Parallélisation de l'unité centrale

OpenNN classes

  • Ensemble de données, réseau neuronal, indice de perte, stratégie d'apprentissage, sélection de modèle, analyse des tests
  • Modèles de vecteurs et de matrices

Construire une application de réseau neuronal

  • Choix d'un réseau neuronal approprié
  • Formulation du problème variationnel (indice de perte)
  • Résolution du problème d'optimisation de la fonction réduite (stratégie d'entraînement)

Travailler avec des ensembles de données

  • La matrice de données (les colonnes sont des variables et les lignes des instances)

Tâches d'apprentissage

  • Régression des fonctions
  • Reconnaissance des formes

Compilation avec QT Creator

Intégrer, tester et déboguer votre application

L'avenir des réseaux neuronaux et OpenNN

Résumé et conclusion

Pré requis

    Une compréhension des concepts de la science des données Une expérience en programmation C++ est utile

Audience

    Les développeurs de logiciels et les programmeurs souhaitant créer des applications Deep Learning.
  14 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.
Les formations ouvertes requièrent plus de 3 participants.

Cours Similaires

Catégories Similaires