O’REILLY、INTEL AI 主办
Put AI to work
2018年4月10-11日:培训
2018年4月11-13日:辅导课 & 会议
北京,中国

In-Person Training
用Deeplearning4j框架构建神经网络分析时间序列

Chia Wei Lim (Skymind), Wang Feng (Skymind)
Tuesday, April 10 & Wednesday, April 11, 09:00 - 17:00
Location: 多功能厅6A+B (Function Room 6A+B)
Secondary topics:  深度学习(Deep Learning), 金融服务 (Financial Services)
Average rating: ***..
(3.00, 2 ratings)

参加者应该参加全部两天的课程。白金门票和培训门票不包括周四的辅导课。

在分析时间序列或者序列数据方面循环神经网络(RNN)已经被证明是非常有效的,那么在实际的案例中如何才能把循环神经网络(RNN)的优点发挥出来呐?这里将演示如何用Deeplearning4j框架构建循环神经网络(RNN)来解决时间序列的问题。

与会观众能学到什么

  • 这次课程将学习到一些理论知识以及如何应用神经网络,例如,学习如何正确的构建数据集以供神经网络使用,如何为神经网络设置适当的超参数,根据不同的应用场景配置不同的输出层。比如预测案例和分类案例,而且我们将简述如何选择性价比合适的硬件。

预备条件:

  • 至少深入理解了一门编程语言。现场的案例演示,使用了一台安装了jdk的虚拟机设备。

硬件和/或安装要求:

  • 至少有10GB的可用内存,并且系统安装有虚拟机管理工具,比如VirtualBox,VMware Player,KVM。

概要

第一天

  • 介绍神经网络的知识并且概述不同类型的神经网络,例如前馈神经网络(FNN)、卷积神经网络(CNN)和循环神经网络(RNN) 。
  • 针对处理时间序列数据如何选择神经网络。
  • 案例演示:RNN在天气预报方面的应用。


第二天

  • 如何配置序列数据的提取。
  • 循环神经网络(RNN) 在医疗方面的应用。
  • 循环神经网络(RNN) 在序列数据分类方面的应用。
  • 案例演示:RNN)对序列数据分类。*

关于导师

林嘉薇是Skymind的公司讲师、深度学习工程师。毕业于汉阳大学计算机科学专业硕士毕业,在校期间的主研方向为机器学习,机器视觉和图像处理。期间作为该校的教学助理,曾为该校提供图像处理和数值分析教学课程。嘉薇还曾担任过系统工程师,为英特尔提供计算机视觉技术方案。

王峰是Skymind的深度学习实施工程师,在软件和互联网行业从业多年,对web全栈开发和机器学习有丰富的实践经验,加入Skymind前曾经担任过全栈工程师,并且运用深度学习框架研发应用。在大数据、分布式存储、系统架构设计、机器学习等方面能够独当一面。

会议注册

Get the Platinum pass or the Training pass to add this course to your package.