機器學習5:向傳遞法的困境、訓練資料正確標註、基線、資料集分類、資料擴增 蘇豐文教授
機器學習5:向傳遞法的困境、訓練資料正確標註、基線、資料集分類、資料擴增 蘇豐文教授
機器學習5:反向傳遞法的困境(Problems of Backprop)、訓練資料正確標註(ground truth)、基線(baseline)、資料集分類(訓練集 training set、 驗證集 validation set、測試集test set)、資料擴增(Data Augmentation)

講座系列

AI for Lawyers系列

講座進程

已開課

講座日期

2020-07-29

講座地點

國立清華大學

單位與講者

講座介紹

本期課程內容仍屬於機器學習中的監督式學習(Supervised Learning)分支,囊括機器學習過渡到深度學習的重要概念,包含最佳化機器學習損失函數的優化演算法:梯度下降法、小批量梯度下降法、隨機梯度下降法等。感知器演算法初始為模擬簡單神經元樹突、突觸、細胞體及軸突傳遞神經傳導物質激活動作電位的生理機轉的二元線性分類器,用以處理線性可分問題;而為了達成演算法最佳化,誤差反向傳遞法被提出,並透過適應性學習率及物理動量進行改良。

單位

財團法人理律文教基金會-circle
財團法人理律文教基金會
國立清華大學-Logo
國立清華大學

講者

蘇豐文-square
蘇豐文
教授

寒暑假營隊連結

course_pic_AI-FOR-LAWYERS程式實作課程
清華大學 x 理律學堂《AI FOR LAWYERS程式實作課程》