Aperçu
Dans ce cours, vous aborderez des sujets avancés liés à l'apprentissage automatique, en mettant l'accent sur l'amélioration de la précision des modèles de prédiction de réseaux neuronaux. Explorez les différents types de réseaux neuronaux et leurs implémentations à l'aide du cadre open-source ENCOG.
Vous êtes préoccupé par la précision des prédictions de votre modèle de réseau neuronal ? Vous ne savez pas comment choisir le bon modèle de réseau neuronal pour vos problèmes d'apprentissage automatique ? Ce cours avancé s'appuie sur les concepts fondamentaux introduits dans le cours "Introduction à l'Apprentissage Automatique avec ENCOG 3", vous guidant à travers des implémentations plus complexes en apprentissage automatique.
Dans ce cours complet, apprenez diverses techniques d'optimisation pour résoudre les problèmes de sous-ajustement et de sur-ajustement, créant ainsi des modèles de prédiction plus précis. Obtenez des informations sur les différentes architectures de réseaux neuronaux et comprenez la logique derrière leurs conceptions.
L'accent principal sera mis sur l'implémentation de divers réseaux feed-forward et feedback supervisés. Tout au long du cours, nous utiliserons le cadre open-source ENCOG pour démontrer ces concepts, bien que les principes couverts soient applicables à d'autres cadres et scénarios de développement personnalisé.
Fournisseur : Pluralsight
Catégories : Cours d'Apprentissage Automatique, Cours de Réseaux Neuronaux, Cours d'Apprentissage Supervisé
Programme
Enseigné par
Étiquettes
