Лекция 4: Улучшение сходимости алгоритма обучения нейронных сетей

Четвертая лекция нашего курса по машинному обучению прямо перед вами!

Сегодня мы подробно разбираем методы улучшения сходимости алгоритмов для нейросетей: начиная от инициализации весов, заканчивая подбором гиперпараметров. Кроме того, обсудим дополнительные этапы работы, например, предобработку данных.

Кстати, следующее занятие практическое и завершает вводную часть курса, так что готовьтесь.

Тема: Улучшение сходимости алгоритма обучения нейронных сетей

Спикер: Максим Кретов (специалист по машинному обучению и победитель первого в России Хакатона по нейросетевому обучению)

План:

Методы улучшения сходимости:инициализация весов, выбор функции потерь, регуляризация, продвинутые методы градиентного спуска, подбор гиперпараметров и другие

Презентация: https://box.kaspersky.com/f/d767037d73/

Остальные лекции можно найти по хештегу:

Источник: vk.com

Комментарии: