КУРС
«ГЛУБОКАЯ МАТЕМАТИКА»
«ГЛУБОКАЯ МАТЕМАТИКА»
Нажимая кнопку, я даю согласие на обработку персональных данных и соглашаюсь c политикой конфиденциальности и договором оферты.
Цели курса
Главная цель курса – разобраться с тем, как работают современные нейросети на уровне алгоритмов.
- 1Познакомиться с математической базой обучения современных нейронных сетей
- 2Познакомиться с формальными моделями нейронов-слоев-сетей
- 3Понять принципы обучения современных нейросетей
Чему вы научитесь
- Понимать работу сети на самом нижнем уровне обработки информации
- Подбирать параметры нейросетевой модели с учетом особенностей задачи
Формат обучения
- ВидеоурокиУ вас будут видеозаписи вебинаров, доступные для просмотра в любое время.
- Закрытая обучающая платформаВ течение суток после оплаты вы получите доступ к закрытой обучающей платформе с записями занятий и материалами курса.
- Поддержка куратораВо время обучения вы сможете задавать любые вопросы по курсу и выполнению заданий вашему куратору в общем чате.
Программа курса
- Физиологическая модель нейрона
- Реализация нейрона МакКалока-Питца: свертка+активационная функция
- Вычисление выхода линейного нейрона
- Обучение линейного нейрона по Дельта-правилу на примере линейно-разделимого пространства примеров
- Реализация слоя нейронной сети
- Реализация многослойной сети
- Комбинирование решений линейных нейронов
- Задача регрессии
- Определение модели регрессии
- Функционал ошибок
- Метод наименьших квадратов
- Поиск параметров регрессии на основе градиентного спуска
- Стохастический градиентный спуск
- Обучение линейной нейронной сети и ее ограниченность
- Нелинейный нейрон
- Проблемы обучения нелинейного нейрона
- Зачем нужен метод обратного распространения ошибки
- Реализация метода обратного распространения ошибки
- Обучение нелинейного MLP
- Проблемы Обучение нелинейного MLP : Переобучение, недообучение, высокая вычислительная сложность, затухание градиента
- Метод стохастического градиентного спуска
- Функция потерь (виды функции потерь и их реализация)
- Регуляризация L1, L2
- Реализация метода Adam
- Реализация метода NAdam
- Методы 2-го порядка
- Модель линейного разделения объектов в пространстве признаков
- Функционал ошибок классификатора
- Линейный классификатор
- Машины опорных векторов
- Логистическая регрессии
- KNN
- Классификатор на основе нелинейного MLP
- Дилемма дисперсии-смещения
- Ансамбли решателей
- Оценка классификаторов - метрики (accuracy, Precition, Recall, F1, ROC)
- Зачем делать редукцию
- Оценка корреляция признаков друг с другом и с целевым свойством
- Селекция признаков на основе корреляции, на основе анализа моделей
- Трансформация пространства признаков : PCA
- Редукция признаков : T-SNE
- Что происходит в нейронной сети : скрытые слои как детектор признаков - визуализация сети.
- Тензор - определение и смысл
- Почему работает сверточная сеть: архитектура как обработка тензоров и состав сверточных сетей.
- Сверточные слои
- Реализация сверточного слоя и визуализация его работы
- Обучение сверточного слоя
- Слои Пуллинга - визуализация
- Обратное распространение через слой пуллинга
- Слои Нормализации - реализация и визуализация
- Обратные слои - как работает
- Почему возможен перенос обучения
- Деградация глубоких сетей
- Резидуальные модели: реализация и обучение
- Основные принципы построения сверточных сетей: примеры и реализация
- Модель рекуррентных связей в нейросети и влияние на результат работы
- Сеть Хопфилда - реализация и работа
- Обучение рекуррентных сетей: Backpropagation Through Time (BPTT).
- Сети долгой кратковременной памяти (Long short-term memory, LSTM).
- Рекуррентная сеть Gated Recurrent Unit (GRU).
- Обучение без учителя
- Реализация обучения без учителя (kmeans)
- Сеть - Карта Кохонена
- Обучение как восстановление распределения (можно и EM алгоритм немножко)
- RBM - архитектура и обучение
- Визуализация вероятностных моделей
- Проблемы вероятностных моделей
Оставьте заявку на консультацию
Наш менеджер подберет для вас индивидуальную программу.
Сертификат
Мы выдаем сертификат о прохождении курса
Фото с наших занятий
Мы также проводим живые занятия, конференции и мероприятия.
Любые вопросы по курсу задавайте менеджеру
- Артём Воронов-ГашевМенеджер по работе с клиентамиEmail: info@neural-university.ru
Телефон: +7 (499) 648-67-44
Whatsapp/viber/telegram:
+7(918) 916-41-84
КУРС
«ГЛУБОКАЯ МАТЕМАТИКА»
