Mô tả
Các nguyên lý cơ bản của học máy; perceptron nhiều lớp, định lý xấp xỉ toàn cục, lan truyền ngược; mạng tích chập, mạng nơ-ron hồi tiếp, biến phân tự mã hóa, mạng đối kháng sinh sinh; các thành phần và kỹ thuật trong học sâu; Quá trình Quyết định Markov; phương trình Bellman, lặp chính sách, lặp giá trị, học Monte-Carlo, phương pháp sai khác theo thời gian, Q learning, SARSA, các ứng dụng.
Văn bản tham chiếu bằng ngôn ngữ gốc
Fundamentals of machine learning; multi-layer perceptron, universal approximation theorem, back-propagation; convolutional networks, recurrent neural networks, variational auto-encoder, generative adversarial networks; components and techniques in deep learning; Markov Decision Process; Bellman equation, policy iteration, value iteration, Monte-Carlo learning, temporal difference methods, Q learning, SARSA, applications.
Nguồn và tham khảo
Ngày và nguồn được giữ lại để giúp bạn kiểm tra thông tin. Các bản dịch được cung cấp để dễ đọc; nguồn chính thức là tham chiếu cho các điều kiện và yêu cầu.
Nguồn tham khảo : https://calendar.carleton.ca/grad/courses/COMP/