CS 230 ― Deep Learning
Avec mon frère jumeau
Afshine,
on a créé des pense-bêtes d'apprentissage profond parcourant le contenu de la classe de Deep Learning de Stanford que j'ai enseigné en tant que TA durant l'hiver 2019 à Stanford. Ils peuvent s'avérer utiles pour tous ceux qui sont intéressés par l"apprentissage profond.
- • Types de couche, paramètres de filtre, fonctions d'activation
- • Détection d'objet, vérification et reconnaissance de visage
- • Transfert de style neuronal, architectures utilisant des astuces de calcul
- • Gradient qui disparait/explose, GRU, LSTM, variantes de RNNs
- • Word2vec, skip-gram, échantillonnage négatif, GloVe, modèle d'attention
- • Modèle de langage, recherche en faisceau, score Bleu
- • Augmentation des données, normalisation de lot, régularisation
- • Initialisation de Xavier, apprentissage par transfert, taux d'apprentissage adaptatifs
- • Surapprentissage d'un mini-lot, vérification de gradient