|
Кількість
|
Вартість
|
||
|
|
|||
Порушено розширені теми глибокого навчання: оптимізаційні алгоритми, налаштування гіперпараметрів, відсів та аналіз помилок, стратегії вирішення типові завдання під час тренування глибоких нейронних мереж. Описані прості активаційні функції з єдиним нейроном (ReLu, сигмоїда та Swish), лінійна та логістична регресії, бібліотека TensorF\ow, вибір вартісної функції, а також більш складні нейромережеві архітектури з численними шарами та нейронами. Показано налагодження та оптимізація розширених методів відсіву.
та регуляризації, налаштування проектів машинного навчання, орієнтованих на глибоке навчання із використанням складних наборів даних. Наведено результати аналізу помилок нейронної мережі з прикладами вирішення проблем, що виникають
через дисперсію, зсув, перепідгонку або розрізнені набори даних.
За кожним технічним рішенням дано приклади вирішення практичних задач.
Для розробників систем глибокого навчання