Die University Network

Einführung in Deep Learning

BESCHREIBUNG

Ziel dieses Kurses ist es, den Lernenden ein grundlegendes Verständnis moderner neuronaler Netze und ihrer Anwendungen im Bereich Computer Vision und natürliches Sprachverständnis zu vermitteln. Der Kurs beginnt mit einer Zusammenfassung linearer Modelle und der Diskussion stochastischer Optimierungsmethoden, die für das Training tiefer neuronaler Netze von entscheidender Bedeutung sind. Die Lernenden werden alle gängigen Bausteine ​​neuronaler Netze untersuchen, einschließlich vollständig verbundener Schichten, Faltungsschichten und wiederkehrender Schichten.
Die Lernenden verwenden diese Bausteine, um komplexe moderne Architekturen in TensorFlow- und Keras-Frameworks zu definieren. Im Kursprojekt wird der Lernende ein tiefes neuronales Netzwerk für die Aufgabe der Bildunterschrift implementieren, das das Problem der Angabe einer Textbeschreibung für ein Eingabebild löst.

Die Voraussetzungen für diesen Kurs sind:
1) Grundkenntnisse in Python.
2) Grundlegende lineare Algebra und Wahrscheinlichkeit.

Bitte beachten Sie, dass dies ein fortgeschrittener Kurs ist und wir Grundkenntnisse des maschinellen Lernens voraussetzen. Du solltest verstehen:
1) Lineare Regression: mittlerer quadratischer Fehler, analytische Lösung.
2) Logistische Regression: Modell, Kreuzentropieverlust, Klassenwahrscheinlichkeitsschätzung.
3) Gradientenabstieg für lineare Modelle. Derivate von MSE- und Cross-Entropy-Loss-Funktionen.
4) Das Problem der Überanpassung.
5) Regularisierung für lineare Modelle.

Haben Sie technische Probleme? Schreiben Sie uns: coursera@hse.ru

Preis: Kostenlos anmelden!

Sprache: Englisch

Untertitel: Englisch, Koreanisch

Einführung in Deep Learning - National Research University Higher School of Economics