Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie do sieci neuronowych

  1. Czym są sieci neuronowe
  2. Aktualny stan zastosowania sieci neuronowych
  3. Sieci neuronowe a modele regresji
  4. Uczenie nadzorowane i nienadzorowane

Przegląd dostępnych pakietów

  1. nnet, neuralnet i inne
  2. Różnice między pakietami i ich ograniczenia
  3. Wizualizacja sieci neuronowych

Zastosowanie sieci neuronowych

  • Koncept neuronów i sieci neuronowych
  • Uproszczony model mózgu
  • Możliwości neuronów
  • Problem XOR i natura rozkładu wartości
  • Polimorficzna natura funkcji sigmoidalnej
  • Inne funkcje aktywacyjne
  • Budowa sieci neuronowych
  • Koncept połączeń neuronów
  • Sieć neuronowa jako węzły
  • Budowanie sieci
  • Neurony
  • Warstwy
  • Skale
  • Dane wejściowe i wyjściowe
  • Zakres od 0 do 1
  • Normalizacja
  • Uczenie sieci neuronowych
  • Propagacja wsteczna
  • Kroki propagacji
  • Algorytmy uczenia sieci
  • Zakres zastosowań
  • Estymacja
  • Problemy z możliwością aproksymacji
  • Przykłady
  • Rozpoznawanie wzorców OCR i obrazów
  • Inne zastosowania
  • Implementacja sieci neuronowej do modelowania prognozowania cen akcji spółek giełdowych

Wymagania

Zalecana znajomość programowania w dowolnym języku programowania.

 14 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (4)

Propozycje terminów

Powiązane Kategorie