Course Outline

Introduction to Transfer Learning

  • Apa itu pembelajaran transfer?
  • Manfaat dan keterbatasan utama
  • Bagaimana pembelajaran transfer berbeda dari pembelajaran mesin tradisional

Memahami Model yang Telah Dilatih Sebelumnya

  • Tinjauan umum model pra-latihan yang populer (misalnya, ResNet, BERT)
  • Arsitektur model dan fitur utamanya
  • Aplikasi model pra-terlatih di seluruh domain

Menyetel Model yang Telah Dilatih Sebelumnya

  • Memahami ekstraksi fitur vs fine-tuning
  • Teknik untuk fine-tuning yang efektif
  • Menghindari overfitting selama fine-tuning

Transfer Learning dalam Natural Language Processing (NLP)

  • Mengadaptasi model bahasa untuk tugas NLP khusus
  • Menggunakan Hugging Face Transformer untuk NLP
  • Studi kasus: Analisis sentimen dengan pembelajaran transfer

Transfer Pembelajaran di Computer Vision

  • Mengadaptasi model visi yang telah dilatih sebelumnya
  • Menggunakan pembelajaran transfer untuk deteksi dan klasifikasi objek
  • Studi kasus: Klasifikasi gambar dengan pembelajaran transfer

Latihan Praktis

  • Memuat dan menggunakan model yang telah dilatih sebelumnya
  • Menyempurnakan model yang telah dilatih sebelumnya untuk tugas tertentu
  • Mengevaluasi kinerja model dan meningkatkan hasil

Aplikasi Pembelajaran Transfer di Dunia Nyata

  • Aplikasi dalam perawatan kesehatan, keuangan, dan ritel
  • Kisah sukses dan studi kasus
  • Tren dan tantangan masa depan dalam pembelajaran transfer

Ringkasan dan Langkah Berikutnya

Requirements

  • Pemahaman dasar tentang konsep pembelajaran mesin
  • Keakraban dengan jaringan saraf dan pembelajaran mendalam
  • Pengalaman dengan pemrograman Python

Hadirin

  • Ilmuwan data
  • Penggemar pembelajaran mesin
  • Profesional AI mengeksplorasi teknik adaptasi model
 14 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories