Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Erste Schritte
- Schnellstart: Beispiele und DL4J in Ihren Projekten ausführen
- Umfassende Anleitung zur Einrichtung
Einführung in Neural Networks
- Eingeschränkte Boltzmann-Maschinen
- Faltungsnetze (ConvNets)
- Langes Kurzzeitgedächtnis (LSTMs)
- Entrauschende Autoencoder
- Rekurrente Netze und LSTMs
Mehrschichtige neuronale Netze
- Deep-Belief-Netz
- Tiefe AutoEncoder
- Gestapelte Denoising-Autoencoder
Lehrgänge
- Verwendung rekurrenter Netze in DL4J
- MNIST DBN Lehrgang
- Irisblüten-Tutorial
- Canova: Vektorisierungslib für ML-Tools
- Neuronale Netz-Updater: SGD, Adam, Adagrad, Adadelta, RMSProp
Datensätze
- Datensätze und Machine Learning
- Benutzerdefinierte Datensätze
- CSV-Daten-Uploads
Skalierung
- Iterative Verkleinerung Definiert
- Multiprozessor / Clustering
- Laufende Worker-Knoten
Text
- DL4Js NLP-Rahmenwerk
- Word2vec für Java und Scala
- Textuelle Analyse und DL
- Tasche von Words
- Segmentierung von Sätzen und Dokumenten
- Tokenisierung
- Vokabel-Cache
Erweiterte DL2J
- Lokale Erstellung vom Master
- Zu DL4J beitragen (Entwicklerhandbuch)
- Wählen Sie ein Neuronales Netz
- Verwenden Sie das Maven Build Tool
- Daten mit Canova vektorisieren
- Eine Daten-Pipeline erstellen
- Benchmarks ausführen
- DL4J in Ivy, Gradle, SBT usw. konfigurieren
- Eine DL4J-Klasse oder -Methode finden
- Modelle speichern und laden
- Neuronale Netzausgabe interpretieren
- Daten mit t-SNE visualisieren
- CPUs gegen GPUs austauschen
- Anpassen einer Bild-Pipeline
- Regression mit neuronalen Netzen durchführen
- Fehlerbehebung beim Training und Auswahl von Netzwerk-Hyperparametern
- Netzwerklernen visualisieren, überwachen und debuggen
- Beschleunigen Sie Spark mit nativen Binärdateien
- Erstellen Sie eine Empfehlungsmaschine mit DL4J
- Rekurrente Netze in DL4J verwenden
- Komplexe Netzwerkarchitekturen mit Computation Graph erstellen
- Netzwerke mit Early Stopping trainieren
- Herunterladen von Snapshots mit Maven
- Anpassen einer Verlustfunktion
Voraussetzungen
Kenntnisse in den folgenden Bereichen:
- Java
21 Stunden
Erfahrungsberichte (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
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Kurs - 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
Kurs - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.