Programa del Curso

  • Backprop, modelos modulares
  • Módulo Logsum
  • RBF Neto
  • Pérdida de MAP/MLE
  • Transformaciones de espacio de parámetros
  • Módulo convolucional
  • Aprendizaje basado en gradientes
  • Energía para la inferencia
  • Objetivo para el aprendizaje
  • PCA, NLL
  • Modelos de variables latentes
  • LVM probabilístico
  • Función de pérdida
  • Reconocimiento de escritura a mano

Requerimientos

Buena base en aprendizaje automático básico. Conocimientos de programación en cualquier lenguaje (idealmente Python/R).

  21 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (1)

Cursos Relacionados

Torch: Introducción a Máquina y Aprendizaje Profundo

  21 horas

Categorías Relacionadas