Advanced deep learning: foundation

Over de cursus Advanced deep learning: foundation

Deze cursus biedt engineers, programmeurs en researchers een diepgaand inzicht en begrip voor deep learning. Je krijgt een overzicht van de deep learning theorie en tools en je leert over de diverse applicaties.

Let op: Deze cursus wordt in het Engels gegeven.
Bekijk hier de Engelstalige informatie over de cursus.

De deep learning cursus bestaat uit vier delen:

1. Introductie van deep learning
2. Artificial Neurale Networks
3. Convolutional Neural Networks
4. Recurrent Neural Networks

Per deel krijg je Pythoncode opdrachten en huiswerkprojecten in de vorm van Jupyter notebooks. Je leert hierbij veel van de algoritmes zelf te ontwikkelen zodat de technische skills in huis heeft om zelf een deep learning project te starten.

Specialiseren in computer vision

Na het volgen van deze cursus kun jij je verder specialiseren in bijvoorbeeld computer vision. Tijdens de cursus Advanced deep learning: computer vision, leer je geavanceerde algoritmes te ontwikkelen voor toepassingen zoals: objectdetectie, beeldsegmentatie en generative modellen. Ook leer je deze toepassingen in te zetten in de praktijk, bijvoorbeeld binnen de industriële of agriculturele omgevingen.

Studiebelasting:

• Tijdens de cursus worden er opdrachten verstrekt waar je thuis mee aan de slag gaat. Voor iedere cursusdag dien je rekening te houden met +/- 8 uur ‘huiswerk’.

Bewijs van Deelname

Indien je de cursus volledig heeft doorlopen ontvang je een Bewijs van Deelname.

Dag 1: introductie deep learning

• Geschiedenis van Artificial Intelligence
• Overzicht van de deep learning technologie
• Introductie van tools als Python, NumPy, Pandas, Matplotlib en Jupyter notebooks.

Dag 2: Artificial Neural Networks

• Neurale netwerken vormen veelal de basis van deep learning algoritmes. Tijdens deze lesdag komen de volgende onderwerpen aan bod:
• Perceptrons (multi-layer)
• Gradient descent
• RMSProp
• AdaGrad
• ADAM
• TensorFlow
• Keras
• Machine learning training flow

Dag 3: Convolutional Neural Networks

Neurale netwerken die geoptimaliseerd zijn voor computer toepassingen worden Convolutional Neural Networks (CNNs) genoemd. Tijdens deze lesdag wordt de basis van CNNs uitgelegd en worden o.a. de volgende algoritmen besproken:

• AlexNet
• ResNet
• GoogleNet
• MobileNet

Dag 4: Recurrent Neural Networks

Neurale netwerken die geoptimaliseerd zijn voor time series data worden Recurrent Neural Networks (RNNs) genoemd. Tijdens deze lesdag worden verschillende technieken voor time series classificatie besproken, waaronder:

• LSTMs
• WaveNet
• Backpropagation door de tijd