100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
College notes Deep Learning deel 1 (XM_0083), Master VU AI €4,39   In winkelwagen

College aantekeningen

College notes Deep Learning deel 1 (XM_0083), Master VU AI

1 beoordeling
 79 keer bekeken  0 keer verkocht

Those are the notes I made during the whole course, it is not a summary! As long as you understand this document you do not need to watch any lecture. With those notes I have passed the course with a 7.5.

Laatste update van het document: 2 jaar geleden

Voorbeeld 4 van de 98  pagina's

  • 23 februari 2022
  • 23 februari 2022
  • 98
  • 2021/2022
  • College aantekeningen
  • Jakub tomczak
  • 1-8
Alle documenten voor dit vak (2)

1  beoordeling

review-writer-avatar

Door: meessoek • 1 jaar geleden

avatar-seller
MeldaMalkoc

Deep Learning
Created @October 30, 2021 4:35 PM

Class S2

Type

Materials




Lecture 1
Introduction
Foundations of Deep Learning

Probabilistic Learning

e.g. Toss a coin




Bernoulli distribution




Deep Learning 1

, likelihood function in this case: product, because independent and identical from same coin, one probability




Objective function: .. all identically distributed so all follow Bernoulli




finding best x:




formulating it as general approach, probabilistic learning (likelihood-based) —> always done like this
p(y|x) is probability distribution



Deep Learning 2

, probabilistic values bernoulli can be used, real or continues values can be done with gaussian or
others

identically and independently —> iid, else if sequential you are dependent of past so a method with
sequential (generative regressive models, rnn)

Logistic Regression

= model that allows us to classify objects
linear dependency: when the result of coin depends on the hand velocity while coining, or the mail calling
spam depends on the words. Its probabilistic so we need sigmoid




Deep Learning 3

, gradient = vector of derivatives




note for image: derivative with respect to theta applying the chain rule

we get the difference between our prediction (sigmoid, y?) and the label x which comes into the gradient. If
our model is correct, the weights θ will not change, else we will follow the direction of x (-1)

next image not important to know in very detail:




Deep Learning 4

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

Verzekerd van kwaliteit door reviews

Verzekerd van kwaliteit door reviews

Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!

Snel en makkelijk kopen

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

Focus op de essentie

Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper MeldaMalkoc. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €4,39. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 67474 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€4,39
  • (1)
  Kopen