Python - Backpropagation v neurónových sieťach

PYTHON_ML_BP
Dĺžka 5 dní
50 ITK bodov
3 termíny
SR (1 200 €)

ČR (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.

Školenie na mieru

Nenašli ste vhodný termín, alebo chcete školenie prispôsobiť špecifickým potrebám vášho tímu? Radi pre vás pripravíme školenie na mieru.

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