Deep Learning con MATLAB
Vea los horarios e inscríbaseDetalles del curso
- Importar datos de imágenes y secuencias
- Usar redes neuronales convolucionales para la clasificación de imágenes, la regresión y otras aplicaciones con imágenes
- Usar redes de memoria a corto-largo plazo para la clasificación de secuencias y la previsión
- Modificar arquitecturas de redes habituales para solucionar problemas de personalización
- Aumentar el rendimiento de una red modificando las opciones de entrenamiento
Deep learning con MATLAB está avalado por NVIDIA's Deep Learning Institute. NVIDIA Deep Learning Institute ofrece formación especializada también basada en GPU. Revise el contenido específico de su industria y los cursos de programación CUDA avanzada.
Día 1 de 2
Transferencia del aprendizaje para la clasificación de imágenes
Objetivo: Realice la clasificación de imágenes mediante redes previamente entrenadas. Use la transferencia del aprendizaje para entrenar redes de clasificación personalizadas.
- Redes previamente entrenadas
- Almacenes de datos de imágenes
- Transferencia del aprendizaje
- Evaluación de la red
Interpretar el comportamiento de la red
Objetivo: Obtenga información sobre cómo funciona una red visualizando los datos de la imagen a medida que pasa a través de la red. Aplique esta técnica a diferentes tipos de imágenes.
- Activaciones
- Extracción de características para machine learning
Crear redes
Objetivo: Cree redes convolucionales desde cero. Aprenda cómo se transmite la información entre las capas de la red y cómo funcionan los diferentes tipos de capas.
- Entrenamiento desde cero
- Redes neuronales
- Capas y filtros de convolución
Día 2 de 2
Entrenamiento de una red y mejora del rendimiento
Objetivo: Aprenda cómo funcionan los algoritmos de entrenamiento. Defina las opciones de entrenamiento para supervisar y controlar el entrenamiento. Elija e implemente modificaciones en las opciones del algoritmo de entrenamiento, la arquitectura de la red o los datos de entrenamiento para aumentar el rendimiento de la red.
- Entrenamiento de la red
- Gráficas de progreso del entrenamiento
- Validación
- Opciones de entrenamiento
- Grafos acíclicos dirigidos
- Almacenes de datos ampliados
Realizar la regresión de una imagen
Objetivo: Cree redes convolucionales que puedan predecir respuestas numéricas continuas.
- Transferencia del aprendizaje para la regresión
- Métricas de evaluación para redes de regresión
Usar deep learning para visión artificial
Objetivo: Entrene redes para localizar y etiquetar objetos específicos en las imágenes.
- Flujo de trabajo de la aplicación de imágenes
- Detección de objetos
Clasificación y generación de datos de secuencias
Objetivo: Cree y entrene redes para realizar la clasificación en secuencias ordenadas de datos, como series temporales o datos de sensores. Use redes recurrentes para crear secuencias de predicciones.
- Redes de memoria a corto-largo plazo
- Clasificación de secuencias
- Preprocesamiento de secuencias
- Secuencias categóricas
- Clasificación de secuencia a secuencia
- Previsión de secuencias
Nivel: Intermedio
Prerrequisitos:
Duración: 2 días
Idiomas: English, 中文, 日本語, 한국어
