Curso de Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo

Código del Curso

annmldt

Duración

21 horas (por lo general 3 días incluidas las pausas)

Descripción General

Artificial Neural Network es un modelo de datos computacional usado en el desarrollo de sistemas de Artificial Intelligence (AI) capaces de realizar tareas "inteligentes". Neural Networks se usan comúnmente en aplicaciones de Machine Learning (ML), que son en sí mismas una implementación de AI. Deep Learning es un subconjunto de ML.

Machine Translated

Programa del Curso

DÍA 1 - REDES NEURONALES ARTIFICIALES

Introducción y estructura de ANN.

  • Neuronas biológicas y neuronas artificiales.
  • Modelo de una ANN.
  • Funciones de activación utilizadas en RNAs.
  • Clases típicas de arquitecturas de red.

Fundamentos Matemáticos y Mecanismos de Aprendizaje.

  • Volver a visitar el vector y el álgebra matricial.
  • Conceptos espacio-estatales.
  • Conceptos de optimización.
  • Aprendizaje de la corrección de errores.
  • Aprendizaje basado en la memoria.
  • Hebbian aprendizaje.
  • Aprendizaje competitivo.

Perceptrones de una sola capa.

  • Estructura y aprendizaje de perceptrones.
  • Clasificador de patrones - introducción y clasificadores de Bayes.
  • Perceptron como un clasificador de patrones.
  • Perceptron convergencia.
  • Limitaciones de un perceptrons.

Feedforward ANN.

  • Estructuras de redes feedforward multicapa.
  • Algoritmo de propagación posterior.
  • Back propagación - formación y convergencia.
  • Aproximación funcional con retropropagación.
  • Aspectos prácticos y de diseño del aprendizaje de retropropagación.

Redes de función de base radial.

  • Separabilidad de patrones e interpolación.
  • Teoría de la Regularización.
  • Regularización y redes RBF.
  • Diseño y formación de redes RBF.
  • Propiedades de aproximación de RBF.

Aprendizaje competitivo y auto-organización ANN.

  • Procedimientos generales de agrupamiento.
  • Aprendizaje de la cuantización vectorial (LVQ).
  • Algoritmos y arquitecturas de aprendizaje competitivo.
  • Auto organización de mapas de características.
  • Propiedades de los mapas de características.

Redes neuronales difusas.

  • Sistemas Neuro-difusos.
  • Antecedentes de los conjuntos difusos y la lógica.
  • Diseño de tallos difusos.
  • Diseño de ANNs borrosas.

Aplicaciones

  • Algunos ejemplos de aplicaciones de Red Neural, sus ventajas y problemas serán discutidos.

DIA -2 APRENDIZAJE DE LA MÁQUINA

  • El Marco de Aprendizaje del PAC
    • Garantías para el conjunto de hipótesis finitas - caso consistente
    • Garantías para la hipótesis finita establecida - caso inconsistente
    • Generalidades
      • Determinista cv. Escenarios estocásticos
      • Ruido de error de Bayes
      • Errores de estimación y aproximación
      • Selección del modelo
  • Complexidad de Radmeacher y VC - Dimension
  • Bias - Compensación de la varianza
  • Regularización
  • Ajuste excesivo
  • Validación
  • Soporte de máquinas vectoriales
  • Kriging (Regresión del Proceso Gaussiano)
  • PCA y Kernel PCA
  • Mapas de organización propia (SOM)
  • Espacio vectorial inducido por kernel
    • Mercer Kernels y métricas de similitud inducidas por Kernel
  • Aprendizaje reforzado

DÍA 3 - APRENDIZAJE PROFUNDO

Esto se enseñará en relación con los temas tratados en el Día 1 y el Día 2

  • Regresión Logística y Softmax
  • Autocodificadores escamosos
  • Vectorización, PCA y Blanqueamiento
  • Aprendizaje autodidacta
  • Redes profundas
  • Decodificadores Lineales
  • Convolución y agrupación
  • Codificación Disparo
  • Análisis de componentes independientes
  • Análisis de correlación canónica
  • Demostraciones y aplicaciones

Testimonios

★★★★★
★★★★★

Categorías Relacionadas

Cursos Relacionados

Promociones

Descuentos en los Cursos

Respetamos la privacidad de su dirección de correo electrónico. No vamos a pasar o vender su dirección a otros.
Siempre puede cambiar sus preferencias o anular la suscripción por completo.

Algunos de nuestros clientes

is growing fast!

We are looking for a good mixture of IT and soft skills in Spain!

As a NobleProg Trainer you will be responsible for:

  • delivering training and consultancy Worldwide
  • preparing training materials
  • creating new courses outlines
  • delivering consultancy
  • quality management

At the moment we are focusing on the following areas:

  • Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
  • SOA, BPM, BPMN
  • Hibernate/Spring, Scala, Spark, jBPM, Drools
  • R, Python
  • Mobile Development (iOS, Android)
  • LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
  • You need to have patience and ability to explain to non-technical people

To apply, please create your trainer-profile by going to the link below:

Apply now!

Este sitio en otros países / regiones