Нейронные сети – это математические модели и их программное воплощение
Нейронная сеть способна обучаться решению задач, для которых у человека не существует формализованных, быстрых или работающих с приемлемой точностью теоретических или эмпирических алгоритмов.
Продвинутый уровень работы с нейросетями позволит дата саентисту решать более сложные, глубокие задачи, освоить проблему переобучения созданной модели, работу с чат-ботами, распознаванием объектов и другие.
СОДЕРЖАНИЕ:
RNN, LSTM СЛОИ (РЕКУРРЕНТНЫЕ)
МЕТРИКИ И ФУНКЦИИ ПОТЕРЬ. ПРОБЛЕМА ПЕРЕОБУЧЕНИЯ
МЕТРИКИ, ИСПОЛЬЗУЕМЫЕ В НЕЙРОННЫХ СЕТЯХ И ФУНКЦИИ ПОТЕРЬ. ОПТИМИЗАТОРЫ. ПОНЯТИЕ ПЕРЕОБУЧЕНИЯ И СПОСОБЫ РЕШЕНИЯ ПРОБЛЕМ С ПЕРЕОБУЧЕНИЕМ. РАЗБОР КОДА
ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ С ПОМОЩЬЮ РЕКУРРЕНТНЫХ СЕТЕЙ
ОБРАБОТКА АУДИО ПРИ ПОМОЩИ НЕЙРОННЫХ СЕТЕЙ
АВТОКОДИРОВЩИКИ
ГЕНЕРАТИВНЫЕ СОСТЯЗАТЕЛЬНЫЕ СЕТИ
ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ
СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ
OBJECT DETECTION (ОБНАРУЖЕНИЕ ОБЪЕКТОВ НА ФОТО\ВИДЕО)
ГЕНЕРАЦИЯ ТЕКСТА (ЧАТ-БОТ)
СЕГМЕНТАЦИЯ ТЕКСТА
ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ
РАБОТА С ПРЕДОБУЧЕННЫМИ СЕТЯМИ
БИБЛИОТЕКА TENSORFLOW
БИБЛИОТЕКА PYTORCH. (3 ЧАСА)
ВНЕДРЕНИЕ В PRODUCTION
АЛГОРИТМ MAPREDUCE
ПАРСИНГ ДАННЫХ ИЗ ОТКРЫТЫХ ИСТОЧНИКОВ. ETL ПАРАДИГМА
НАСТРОЙКА GPU
ОБЗОР ОБЛАЧНЫХ СУПЕРКОМПЬЮТЕРОВ