Kurs ten wprowadza kluczowe elementy uczenia głębokiego. Nauczysz się jak budować głębokie sieci sprzężenia zwrotnego, sieci konwolucyjne, rekurencyjne i warianty odszumiania autokoderów. Sieci neuronowe są wykorzystywane do rozwiązywania problemów, które obejmują tradycyjną klasyfikację, klasyfikację obrazu i wyniki zależne od sekwencji. Kurs zawiera mieszankę teorii i zastosowań praktycznych. Realne problemy są włączone w celu wzmocnienia zrozumienia kluczowych pojęć. Opisane i zademonstrowane są metody poszukiwania hiperparametrów w celu znalezienia optymalnego zestawu modeli głębokiego uczenia się. Uczenie się poprzez transfer jest uwzględnione, ponieważ pojawienie się tej dziedziny okazało się obiecujące w procesie głębokiego uczenia się. Wreszcie, na szkoleniu uczymy, jak dostosować SASowy model głębokiego uczenia się do badania nowych obszarów głębokiego uczenia maszynowego.
Naucz się
- Definiować i rozumieć procesy głębokiego uczenia się.
- Budować modele przy użyciu technik głębokiego uczenia się.
- Stosować modele w celu skorowanie nowych danych.
- Modyfikować dane w celu uzyskania lepszych wyników analiz.
- Szukać przestrzeni hiperparametrów modelu głębokiego uczenia się.
Kto powinien uczestniczyć
Osoby zainteresowane uczeniem maszynowym
Przed uczestnictwem w tym kursie należy mieć wstępną wiedzę z podstaw modelowania sieci neuronowych. Wiedzę na temat modelowania sieci neuronowych można zdobyć poprzez ukończenie kursu Modelowanie sieci neuronowych. Wcześniejsze doświadczenie w zakresie oprogramowania SAS jest pomocne, ale nie jest wymagane.
To szkolenie wykorzystuje oprogramowanie SAS Viya, SAS Visual Data Mining and Machine Learning
