Всем привет,
Когда я начал экспериментировать с нейронными сетями, у меня было много вопросов относительно теории нейронных сетей, и, хотя многие вещи считались само собой разумеющимся, я всегда хотел вникнуть в подробности, когда дело доходит до того, как работают нейронные сети.
Все это заставило меня захотеть сделать простой в использовании учебник по теории глубокого обучения и нейронных сетей, который был бы достаточно описательным и ясным для новичков, но также был бы хорошим резюме для людей, уже знакомых с теорией.
ВЕСЬ ПЛЕЙЛИСТ ПО YOUTUBE ОБУЧАЮЩИЙ МОЖНО НАЙТИ ЗДЕСЬ
Обучение все еще продолжается, и примерно еженедельно добавляются новые видео.
01 - Введение
В этом первом видео вы познакомитесь с различными типами нейронных сетей, типами типов машинного обучения, различными реализациями глубокого обучения и как правило, вы должны пройти всю подготовку, прежде чем заниматься нейронными сетями и глубоким обучением.
Хотя это первое вводное видео может выглядеть так, как будто вы пропустите его, я настоятельно рекомендую его посмотреть, поскольку он даст вам прочную основу для различных типов нейронных сетей и многих доступных архитектур и фреймворков.
02 - Основы классификации и персептроны
Легкое для понимания введение в теорию классификации и перцептронов. Мы начнем с углубленного определения самых основ, таких как веса, а затем перейдем к основам теории глубокого обучения. Персептрон.
03 - Алгоритм персептрона, функции ошибок, сигмоидальные функции и функции активации Softmax
Ранний подход к поиску линии для нашего классификатора.
Алгоритм перцептрона описывает этот ранний метод улучшения нашей линии классификации.
Теперь мы понимаем, что функция ошибок - это то, что необходимо для оценки того, насколько хороша или плоха наша линия. Итак, здесь есть ссылка на функцию ошибки.
Затем мы неизбежно начинаем говорить о новом типе функции активации, которая заменит нашу пошаговую функцию. Это функция активации сигмоида для двоичной классификации и функция активации SoftMax для классификации по нескольким классам.
04 - Максимальное правдоподобие, кросс-энтропия, одноразовое кодирование
Пользователь знакомится с функцией перекрестной ошибки для проблем классификации, просматривая Максимальное правдоподобие.
Еще одна большая глава, которая сбивает с толку многих, - это горячая кодировка, о которой мы очень четко рассказываем в последние минуты видео.
Это один из самых важных уроков, которые нужно понять, если вы хотите знать, как работают глубокие нейронные сети.
05 - Регрессия, функции ошибок MAE и MSE
Представлены функции регрессии и MAE (среднее значение абсолютных ошибок) и MSE (среднее квадратичных ошибок) для глубокого обучения.
Мы сравниваем регрессию и классификацию и показываем использование различных функций ошибок в зависимости от того, какую проблему мы пытаемся решить.
Этот урок жизненно важен для понимания функций ошибок в целом.
ЕЖЕНЕДЕЛЬНО ДОБАВЛЯЕТСЯ БОЛЬШЕ ВИДЕО
