Вариационный autoencoders и Ганс были 2 из самых интересных событий в глубокого обучения и машинного обучения.
Янн Лекун, глубокий пионером обучения, сказал, что самым важным событием в последние годы стало состязательности обучения, имея в виду Ганс.
Ган означает генеративных состязательности сети, где 2 нейросети конкурируют друг с другом.
Обучение без учителя это значит, что мы не пытаемся сопоставить входные данные задачи, мы просто пытаемся узнать структуру входных данных.
Как только мы узнали, что структура, мы можем сделать некоторые довольно интересные вещи.
Одним из примеров является генерация поэзии - мы сделали примеры этого в прошлом.
Если мы можем изучать структуру языка, мы можем создавать любой вид текста. На самом деле, крупные компании вкладывают много денег в исследования, как новости могут быть написаны машин.
Ну тогда мы вам искусство в целом.
На изучение структуры искусства, мы можем создать больше произведений искусства.
Как об искусстве, как звук?
Если мы узнаем о структуре музыки, мы можем создать .
Представляю топ-40 хитов, которые вы слышите на радио несколько песен, написанных роботами, а не людьми.
Вы можете быть удивлены, "как этот курс отличается от первой глубиной без присмотра курс обучения?" В этот первый курс
, мы все еще пытались узнать структуру данных, но причины были разные.
Мы хотели узнать структуру данных для того, чтобы улучшить обучение, которое нам показали, было возможно. В этот новый курс
, мы хотим узнать структуру данных для того, чтобы производить больше вещей, которые напоминают исходные данные.
Это само по себе очень классная, но мы также заимствуя идеи из байесовского машинного обучения, Обучение с подкреплением, и теории игр.
Исчисление
вероятность
объектно-ориентированное программирование
питона кодирования: если/еще, циклы, списки, предсказывает, наборы
и NumPy кодирования: матричные и векторные операции
линейной регрессии
градиентного спуска
Узнай как построить прямые и сверточные нейронные сети в Феано и TensorFlow

DOWNLOAD






turbobit

---