Python - Backpropagation v neurónových sieťach

PYTHON_ML_BP
Dĺžka 5 dní
50 ITK bodov
4 termíny
Bratislava (1 200 €)

Brno (28 000 Kč)

Praha (28 000 Kč)
Pokročilý

Backpropagation (spätné šírenie chyby) je algoritmus učenia v neurónových sieťach, ktorý sa používa na adaptáciu váh v sieti, aby sa minimalizovala chyba predikcie na výstupe siete. Proces backpropagation sa skladá z dvoch hlavných krokov. Prvým krokom je dopredné šírenie, ktoré spočíva v tom, že vstupné dáta sú poslané sieťou a vypočítajú sa výstupy pre každý neurón v sieti. Druhým krokom je spätné šírenie chyby, ktoré sa používa na prispôsobenie váh siete na základe vypočítanej chyby predikcie. V praxi sa backpropagation používa na výpočet gradientu cieľovej funkcie vzhľadom na každý parameter v sieti. Tento gradient sa potom použije na aktualizáciu váh siete pomocou optimalizačnej metódy, ako je napríklad gradientný zostup. Tým sa postupne minimalizuje chyba siete a zlepšuje sa jej schopnosť predikovať. Backpropagation sa používa v rôznych typoch neurónových sietí vrátane viacvrstvových perceptrónov, konvolučných sietí a rekurentných sietí. Je to jeden z najdôležitejších algoritmov v strojovom učení a umožňuje trénovať neurónové siete, ktoré sú schopné vykonávať zložité úlohy ako napríklad rozpoznávanie obrazov alebo prekladanie jazyka. Toto školenie by mohlo byť vhodné pre stredne pokročilých až pokročilých účastníkov s predchádzajúcimi skúsenosťami v programovaní a základmi strojového učenia. Väčší dôraz by sa mal klásť na praktické cvičenia a vytváranie vlastných neurónových sietí.

Naučiť sa využívať AI je kľúčový krok do budúcnosti

Znalosť programovania v Pythone na úrovni kurzu PYTHON_INTRO (znalosti na úrovni kurzu PYTHON_ADV sú výhodou)
Znalosti základov analýzy dát na úrovni kurzu PYTHON_DATAN
Znalosti základov machine learning na úrovni kurzu PYTHON_ML_INTRO
Znalosti základov neurónových sietí na úrovni kurzu PYTHON_ML_NN
Znalosti základov Backpropagation v neurónových sieťach na úrovni kurzu PYTHON_ML_CNN

Odborný výklad s praktickými príkladmi, cvičeniami na počítačoch

Prezentácia preberanej látky v tlačenej alebo online forme

Deň 1

Úvod do strojového učenia a neurónových sietí
Dopredné šírenie v neurónovej sieti
Aktivačné funkcie v neurónovej sieti
Návrh jednoduchej neurónovej siete

Deň 2

Spätné šírenie chyby v neurónovej sieti
Gradientný zostup a jeho varianty
Výpočet gradientov pre každý parameter siete
Praktické cvičenia na implementáciu backpropagation

Deň 3

Viacvrstvové neurónové siete
Trénovanie siete pomocou backpropagation
Riešenie problému pretrénovania
Praktické cvičenia na trénovanie viacvrstvových sietí

Deň 4

Konvolučné neurónové siete a ich základy
Pooling, konvolúcie a strided konvolúcie
Návrh a trénovanie jednoduchej konvolučnej siete
Praktické cvičenia na konvolučné siete

Deň 5

Rekurentné neurónové siete a ich základy
LSTM a GRU siete
Návrh a trénovanie rekurentnej siete
Zhodnotenie výsledkov a možnosti zlepšenia
Praktické cvičenia na rekurentné siete

Stiahnuť PDF detail
Stiahnuť PDF detail (bez termínov)

Uvedené ceny sú bez DPH.

Python - Backpropagation v neurónových sieťach

GOPAS Bratislava

GOPAS Brno

GOPAS Praha

Obchodné údaje

Python - Backpropagation v neurónových sieťach

Predošlé kurzy

Nasledujúce kurzy

GOPAS Bratislava

GOPAS Brno

GOPAS Praha

Obchodné údaje