Syväoppiminen
( 25 Moduulit )

moduuli #1
Johdatus syvälliseen oppimiseen
Yleiskatsaus syvään oppimiseen, historiaan ja sovelluksiin

moduuli #2
Matemaattiset esitiedot
Lineaarialgebran, laskennan ja todennäköisyysteorian katsaus

moduuli #3
Neuroverkkojen perusteet
Johdanto keinotekoisiin hermoverkkoihin, perceptroneihin ja monikerroksisiin perceptroneihin

moduuli #4
Aktivointifunktiot ja backpropagation
Aktivointifunktiot, taaksepäin eteneminen ja gradienttilaskeutuminen

moduuli #5
Neuraaliverkkojen rakentaminen ja harjoittaminen
Käytännön kokemus rakentamisesta ja neuroverkkojen koulutus syvän oppimiskehyksen avulla

moduuli #6
Konvoluutiohermoverkot (CNN:t)
Johdatus CNN:ihin, konvoluutiokerroksiin ja poolauskerroksiin

moduuli #7
CNN-arkkitehtuurit
AlexNet, VGGNet, GoogLeNet ja ResNet arkkitehtuurit

moduuli #8
Siirto-oppiminen ja hienosäätö
Ennalta koulutettujen CNN-mallien käyttö ja hienosäätö kuvien luokittelutehtäviin

moduuli #9
Toistuvat hermoverkot (RNN:t)
Johdatus RNN:ihin, yksinkertaisiin RNN:ihin, ja LSTM-verkot

moduuli #10
RNN-arkkitehtuurit
GRU-, kaksisuuntaiset RNN- ja enkooderi-dekooderimallit

moduuli #11
sekvenssistä sekvenssiin -mallit
konekäännös, chatbotit ja sarjasta sekvenssiin -mallit

moduuli #12
Generatiiviset mallit
Johdatus generatiivisiin malleihin, GAN:ihin ja VAE:ihin

moduuli #13
Autoenkooderit ja vaihtelevat autoenkooderit
Ulottuvuuden vähentäminen, automaattiset enkooderit ja VAE

moduuli #14
Generative Adversarial Networks (GAN)
GANit, DCGANit ja ehdolliset GANit

moduuli #15
Deep Reforcement Learning
Johdatus vahvistusoppimiseen, Q-oppimiseen ja käytäntöjen gradienteihin

moduuli #16
Deep Enforcement Learning Algorithms
DDPG, Actor-Critic menetelmät, ja AlphaGo

moduuli #17
Valvomaton oppiminen ja klusterointi
K-välineet, hierarkkinen klusterointi ja ulottuvuuksien vähentäminen

moduuli #18
Deep Learning for Natural Language Processing
Sanojen upotukset, kielimallit ja tekstin luokittelu

moduuli #19
Attention Mechanisms
Attention in NLP, transformers ja BERT

moduuli #20
Deep Learning for Computer Vision
Object detection, segmentation and tracking

moduuli #21
Deep Learning Frameworks
TensorFlow, PyTorch, ja Keras

moduuli #22
Model Evaluation and Hyperparameter Tuning
Mallin arviointimetrit, hyperparametrien viritys ja ristiinvalidointi

moduuli #23
Deep Learning Deployment and Production
Mallin käyttöönotto, mallin käyttö ja tuotanto

moduuli #24
Ethics and Fairness in Deep Learning
Eettiset näkökohdat, puolueettomuus ja oikeudenmukaisuus syvän oppimisen malleissa

moduuli #25
Kurssin yhteenveto ja johtopäätökset
Suunnittelemme Deep Learning -uran seuraavia vaiheita

Oletko valmis oppimaan, jakamaan ja kilpailemaan?