Directory
视频
Курс: Нейронные сети и глубокое обучение. Чтобы вернуться, нажмите здесь.
- Добро пожаловать
- Что такое нейросеть?
- Обучение с учителем и нейросети
- Почему глубокое обучение набирает популярность?
- О курсе
- Материалы курса
- Интервью с Джеффри Хинтоном (Geoffrey Hinton)
- Бинарная классификация
- Логистическая регрессия
- Функция стоимости логистической регрессии
- Градиентный спуск
- Производные
- Еще примеры производных
- Граф вычислений
- Производные с графом вычислений
- Градиентный спуск логистической регрессии
- Градиентный спуск в m примерах
- Векторизация
- Еще примеры векторизации
- Векторизация логистической регрессии
- Векторизация градиентного спуска логистической регрессии
- Трансляция в Python
- Примечание о векторах python/numpyA note on python/numpy vectors
- Быстрый обзор блокнотов Jupyter/iPython
- Объяснение функции стоимости логистической регрессии (необязательное)
- Интервью с Питером Аббилом (Pieter Abbeel)
- Обзор нейросетей
- Представление нейросети
- Вычисление выходного значения нейросети
- Векторизация по нескольким примерам
- Объяснение того, как реализуется векторизация
- Функции активации
- Зачем нужны нелинейные функции активации?
- Производные функций активации
- Градиентный спуск для нейросетей
- Интуиция при обратном распространении (необязательное)
- Случайная инициализация
- Интервью с Яном Гудфеллоу (Ian Goodfellow)
- Глубокая нейросеть с L слоями
- Прямое распространение в глубокой нейросети
- Правильное вычисление размерности матрицы
- Зачем использовать глубокое представление?
- Строительные блоки глубоких нейросетей
- Прямое и обратное распространение ошибки
- Параметры и гиперпараметры
- Как это соотносится с мозгом?