TAILIEUCHUNG - Bài giảng Học sâu và ứng dụng: Bài 1 - ĐH Bách khoa Hà Nội

Bài giảng Học sâu và ứng dụng: Bài 1 Giới thiệu về học sâu, cung cấp cho người học những kiến thức như: Thế nào là học sâu; Tại sao cần học sâu; Tại sao giờ mới bùng nổ học sâu; Học máy có giám sát; Hiện tượng overfit và underfit; .Mời các bạn cùng tham khảo! | 1 Học sâu và ứng dụng IT4653 Bài 1 Giới thiệu về học sâu 2 Thế nào là học sâu Là phương pháp học máy sử dụng mạng nơ-ron nhân tạo để trích xuất đặc trưng tự động từ dữ liệu 3 Tại sao cần học sâu Phương pháp học máy truyền thống đòi hỏi trích xuất đặc trưng một cách thủ công đòi hỏi kinh nghiệm và phụ thuộc từng bài toán cụ thể Học sâu cho phép trích chọn đặc trưng tự động từ dữ liệu 4 Tại sao giờ mới bùng nổ học sâu 5 Học máy có giám sát 6 Tập huấn luyện và tập kiểm tra Data acquisition Practical usage Universal set unobserved Training set Testing set observed unobserved 7 Hiện tượng overfit và underfit Underfitting mô hình quá đơn giản để biểu diễn các tính chất của dữ liệu Bias cao và variance thấp Sai số cao trên tập huấn luyện và tập kiểm tra Overfitting mô hình quá phức tạp dẫn tới học cả nhiễu trong dữ liệu Bias thấp và variance cao Sai số thấp trên tập huấn luyện và sai số cao trên tập kiểm tra 8 Adapted from L. Lazebnik Minh họa Bias-Variance 9 Phân lớp tuyến tính 10 Phân lớp tuyến tính 11 Phân lớp tuyến tính 3 góc nhìn 12 Hàm mục tiêu 13 Hàm mục tiêu 14 Hiệu chỉnh 15 Bộ phân loại softmax 16 Hồi quy tuyến tính quot quot quot amp 17 Hồi quy tuyến tính Nên chọn hàm mục tiêu nào Mỗi là một số thực Bình phương tối thiểu là một lựa chọn tốt J 1 quot quot quot quot amp quot quot amp amp amp 18 Tối ưu hàm mục tiêu 19 Gradient Descent 20

• Cơ sở dữ liệu
• Bài giảng Học sâu và ứng dụng
• Học sâu và ứng dụng
• Phương pháp học máy truyền thống
• Phân lớp tuyến tính
• Hàm mục tiêu
• Hồi quy tuyến tính
• Phần mềm cho học sâu
• Phần cứng cho học sâu
• Đồ thị tính toán động
• Ứng dụng học sâu trong thị giác máy
• Bài toán phát hiện đối tượng
• Thị giác máy
• Xử lý ngôn ngữ tự nhiên
• Ứng dụng học sâu
• Bài toán dịch máy
• Dịch máy thống kê
• Mô hình huấn luyện sẵn
• Nhận dạng thực thể định danh
• Suy diễn logic
• Huấn luyện mạng nơ ron
• Lựa chọn siêu tham số
• Kỹ thuật chống overfitting
• Kỹ thuật học tái sử dụng
• Độ phân giải upsampling
• Bài toán phân đoạn ảnh
• Mạng phân đoạn ảnh tiêu biểu
• Mạng hồi quy
• Lan truyền ngược theo thời gian
• Bài toán dự đoán chuỗi
• Phân lớp văn bản
• Mạng nơ ron
• Mạng nơ ron một lớp ẩn
• Thuật lan truyền ngược
• Conv Neural Networks
• Mạng tích chập
• Lớp tích chập
• Lớp gộp max pooling
• Tiền xử lý dữ liệu
• Hàm kích hoạt
• Khởi tạo trọng số
• Mô hình sinh dữ liệu
• Mô hình tự mã hóa
• Variational Autoencoders
• Biểu diễn không gian ẩn