Introduction to Deep Learning an der TU München

Karteikarten und Zusammenfassungen für Introduction to Deep Learning an der TU München

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Introduction to Deep Learning an der TU München.

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

Describe Reinforcement Learning

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

How does the k-NN Algorithm work?

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

What does Cross Validation do?

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

How can we prevent our model from overfitting?

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

What is a problem with Gradient Descent?

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

What does the analogy "AI is the new electricity" refer to?

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

When an experienced deep learning engineer works on a new problem, they can usually use insight from previous problems to train a good model on the first try, without needing to iterate multiple times through different models.

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

A demographic dataset with statistics on different cities' population, GPD per capita, economic growth is an example of "unstructured" data because it contains data coming from different sources.

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

Why is a Recurrent Neural Network (RNN) used for machine translation?

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

What does a neuron compute?

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

Which of the following are true?

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

During forward propagation, in the forward function for a layer l you need to know what is the activation function in a layer (Sigmoid, tanh, ReLU, etc.). During backpropagation, the corresponding backward function also needs to know what is the activation function for layer l, since the gradient depends on it.

Kommilitonen im Kurs Introduction to Deep Learning an der TU München. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für Introduction to Deep Learning an der TU München auf StudySmarter:

Introduction to Deep Learning

Describe Reinforcement Learning

Agent learns by reward

Introduction to Deep Learning

How does the k-NN Algorithm work?

A classifier that looks at the distance of k neighbors:

1. Load the data

2. Initialise the value of k 

3. For gettin the predicted class, iterate from 1 tot toal number of training data points

3.1. Calculate the distance between test data and each row of training data (e.g. Euclidean Distance)

3.2. Add the distance and the index of the example to an ordered collection

4. Sort the calculated distances in ascending order based on distance values

5. Get top k rows from the sorted array

6. Get the most frequent class of theses rows

7. Return the predicted class

8. If regression: return the mean of the K; else: return the mode of the K Labels

Introduction to Deep Learning

What does Cross Validation do?

It tests the effectiveness of a machine learning model: Under-, Over-fitting or Well generalised

Introduction to Deep Learning

How can we prevent our model from overfitting?

Regularization

Introduction to Deep Learning

What is a problem with Gradient Descent?

We can only determine the local minimum and Neural Networks are non-convex -> there are many local minima

But this can be good enough to solve our problem.

Introduction to Deep Learning

What does the analogy "AI is the new electricity" refer to?

Similar to electricity starting about 100 years ago, AI is transforming multiple industries

Introduction to Deep Learning

When an experienced deep learning engineer works on a new problem, they can usually use insight from previous problems to train a good model on the first try, without needing to iterate multiple times through different models.

False

Introduction to Deep Learning

A demographic dataset with statistics on different cities' population, GPD per capita, economic growth is an example of "unstructured" data because it contains data coming from different sources.

False

Introduction to Deep Learning

Why is a Recurrent Neural Network (RNN) used for machine translation?

It can be traiend as a supervised learning problem

Introduction to Deep Learning

What does a neuron compute?

A neuron computes the mean of all features before applying the output to an activation function

Introduction to Deep Learning

Which of the following are true?

X is a matrix in which each column is one training example

Introduction to Deep Learning

During forward propagation, in the forward function for a layer l you need to know what is the activation function in a layer (Sigmoid, tanh, ReLU, etc.). During backpropagation, the corresponding backward function also needs to know what is the activation function for layer l, since the gradient depends on it.

True

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Introduction to Deep Learning an der TU München zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Introduction to Deep Learning an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

Blockchain

Cognitive System

Databases for modern CPU

Protein Prediction I

Data Analysis in R

18WS_Strategisches_IT_Management

Patterns

Softwaretechnik

Autonomous Driving

Requirements Engineering

Web Application Engineering

Business Analytics

Echtzeitsysteme

Patterns in Software Engineering

Principles of Economics

Data Mining and Knowledge Discovery

Data Mining and KD

Visual data analytics

Security Engineering

SE betr Anw

Algorithmic Game Theory

Grundlagen der Künstlichen Intelligenz

Virtual Machines

SEBA Master

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für Introduction to Deep Learning an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback