Описание
Введение в классификацию и регрессию. Оптимизация, векторизация, градиентный спуск, функции стоимости, потерь и активации. Введение и основы ИИ, искусственных нейронных сетей, прямого и обратного распространения, многослойного перцептрона и других типов моделей глубоких нейронных сетей, их применения в мультимедиа, сетях, финансах и т. п.
Предварительные требования
- Предварительное требование(я): BIT 2000 и BIT 2400 .
Условия и порядок
- Также числится как IRM 4005 .
- Предварительное требование(я): BIT 2000 и BIT 2400 .
- Лекции три часа в неделю.
Текст источника на языке оригинала
Introduction to classification and regression. Optimization, vectorization, gradient descent, cost, loss and activation functions. Introduction and basics to AI, Artificial Neural Networks, forward and backward propagation, Multi Layer Perceptron, and other types of Deep Neural Network models, their applications in multimedia, networks, finance, etc.
- Prerequisite(s): BIT 2000 and BIT 2400 .
- Also listed as IRM 4005 .
- Lectures three hours a week.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://calendar.carleton.ca/undergrad/courses/OSS/