План на курса

Introduction to Transfer Learning

  • Какво е трансферно обучение?
  • Основни предимства и ограничения
  • Как трансферното обучение се различава от традиционното машинно обучение

Разбиране на предварително обучени модели

  • Преглед на популярни предварително обучени модели (напр. ResNet, BERT)
  • Моделни архитектури и техните основни характеристики
  • Приложения на предварително обучени модели в различни области

Предварително обучени модели за фина настройка

  • Разбиране на извличането на функции срещу фината настройка
  • Техники за ефективна фина настройка
  • Избягване на пренастройване по време на фина настройка

Прехвърляне на обучение в Natural Language Processing (NLP)

  • Адаптиране на езикови модели за персонализирани NLP задачи
  • Използване на Hugging Face Трансформърс за НЛП
  • Казус от практиката: Анализ на настроението с трансферно обучение

Прехвърляне на обучение в Computer Vision

  • Адаптиране на предварително обучени зрителни модели
  • Използване на трансферно обучение за откриване и класифициране на обекти
  • Казус от практиката: Класификация на изображения с трансфер на обучение

Практически упражнения

  • Зареждане и използване на предварително обучени модели
  • Фина настройка на предварително обучен модел за конкретна задача
  • Оценка на ефективността на модела и подобряване на резултатите

Реални приложения на трансферното обучение

  • Приложения в здравеопазването, финансите и търговията на дребно
  • Истории на успеха и казуси
  • Бъдещи тенденции и предизвикателства в трансферното обучение

Обобщение и следващи стъпки

Изисквания

  • Основно разбиране на концепциите за машинно обучение
  • Запознаване с невронни мрежи и дълбоко обучение
  • Опит с Python програмиране

Публика

  • Учени по данни
  • Ентусиасти на машинното обучение
  • Професионалисти в областта на изкуствения интелект, изследващи техники за адаптиране на модели
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории