Programa del Curso

  • Machine Learning Limitaciones
  • Machine Learning, Asignaciones no lineales
  • Neural Networks
  • Optimización no lineal, gradiente estocástico/minilote decente
  • Propagación hacia atrás
  • Codificación dispersa profunda
  • Autocodificadores dispersos (SAE)
  • Convolucional Neural Networks (CNNs)
  • Éxitos: Coincidencia de descriptores
  • Obstáculo basado en estéreo
  • Evitación de Robotics
  • Agrupación e invariancia
  • Visualización/Redes deconvolucionales
  • Recurrentes Neural Networks (RNNs) y su optimización
  • Aplicaciones a la PNL
  • Las RNN continuaron,
  • Optimización sin arpillera
  • Análisis lingüístico: vectores de palabras/frases, análisis sintáctico, análisis de sentimientos, etcétera.
  • Modelos gráficos probabilísticos
  • Redes Hopfield, máquinas Boltzmann
  • Redes de creencias profundas, RBM apilados
  • Aplicaciones a la PNL, Reconocimiento de Poses y Actividades en Vídeos
  • Avances recientes
  • Aprendizaje a gran escala
  • Máquinas de Turing neuronales

Requerimientos

Good comprensión de Machine Learning. Al menos conocimientos teóricos de Deep Learning.

 28 Horas

Número de participantes


Precio por Participante​

Testimonios (4)

Próximos cursos

Categorías Relacionadas