คำอธิบาย
บทนำสู่การจำแนกและการถดถอย การเพิ่มประสิทธิภาพ การเวกเตอร์ไรเซชัน การลาดเอียงลง (gradient descent) ต้นทุน ฟังก์ชันความสูญเสียและฟังก์ชันการกระตุ้น บทนำและพื้นฐานของปัญญาประดิษฐ์ เครือข่ายประสาทเทียม การส่งผ่านไปข้างหน้าและย้อนกลับ โครงข่ายหลายชั้น (Multi Layer Perceptron) และชนิดต่าง ๆ ของแบบจำลองเครือข่ายประสาทลึก การประยุกต์ใช้ในมัลติมีเดีย เครือข่าย การเงิน เป็นต้น
รายวิชาก่อนหน้า
- เงื่อนไขก่อนเรียน: BIT 2009 และ BIT 2400
เงื่อนไขและข้อกำหนด
- มีรายชื่อวิชาเดียวกันเป็น OSS 4005
- เงื่อนไขก่อนเรียน: BIT 2009 และ BIT 2400
- บรรยายสามชั่วโมงต่อสัปดาห์
ข้อความอ้างอิงในภาษาต้นฉบับ
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 2009 and BIT 2400 .
- Also listed as OSS 4005 .
- Lectures three hours a week.
แหล่งที่มาและอ้างอิง
วันที่และแหล่งที่มาถูกเก็บไว้เพื่อช่วยให้คุณตรวจสอบข้อมูล การแปลเสนอเพื่ออำนวยความสะดวกในการอ่าน แหล่งทางการเป็นที่อ้างอิงสำหรับเงื่อนไขและข้อกำหนด
แหล่งอ้างอิง : https://calendar.carleton.ca/undergrad/courses/IRM/