Deep Learning - metoder och tillämpningar
Umeå universitetDeep Learning - metoder och tillämpningar
I denna kurs behandlas designmetoder och olika algoritmer för och varianter av Deep Learning inom klassifiering, prediktion, interaktion och modellering med användning av olika typer av data; ljud, bild, video, text, sekvenser. Begrepp såsom Överträning, Dropouts och Gradienter gås igenom. Installation och användning av hård- och mjukvaror för experimenterande med topologier såsom CNN, RNN, LSTM, DQN och tillhörande parametrar samt inspektion av resultatet utgör en väsentlig del av kursen. Kursen går även kortfattat igenom Dataanalys, Maskininlärning, Tensorer, Datorseende, Transfer Learning, Grunder i Robotik, Reinforcement Learning och metoder med kombinationen Deep Reinforcement Learning. Numeriska implementationer studeras översiktligt. Det är en tidsmässig fördel att ha tillgång till lämpliga beräknings(grafik)kort alternativt ha/få tillgång till motsvarande molntjänst. Man kan köra Windows, OS X eller Linux.
Förkunskaper
Umeå universitet
Välkommen till Umeå universitet
Att studera är första steget mot en spännande framtid. Att studera är också att ha kul under tiden. Gör det tillsammans med 36 000 studenter från hela världen! För att studierna ska fungera riktigt bra är det viktigt med en miljö att trivas...
Hitta till utbildaren
Umeå universitet
Det finns inga recensioner för Deep Learning - metoder och tillämpningar
Var finns framtidens jobb & hur mycket kommer jag att tjäna?
Få koll på vad du kan tjäna efter din utbildning och om den branschen är värd att investera din tid i.