How Neural Networks Learn: Exploring Architecture, Gradient Descent, and Backpropagation
0 Cours
Aperçu
Les réseaux neuronaux alimentent aujourd'hui de nombreuses applications d'intelligence artificielle. Ce cours vous enseignera ce qui se cache derrière la magie - la dynamique de l'entraînement des réseaux neuronaux, y compris la rétropropagation, la descente de gradient et comment optimiser les performances du réseau. Vous comprenez donc les réseaux neuronaux conceptuellement - ce qu'ils sont et comment ils fonctionnent généralement. Mais vous vous demandez peut-être encore tous les détails qui les font réellement fonctionner.
Dans ce cours, Comment les réseaux neuronaux apprennent : exploration de l'architecture, la descente de gradient et la rétropropagation, vous comprendrez les détails nécessaires pour construire et entraîner un réseau neuronal. Tout d'abord, vous explorerez l'architecture du réseau - composée de couches, de nœuds et de fonctions d'activation - et comparerez les types d'architecture. Ensuite, vous découvrirez comment les réseaux neuronaux s'adaptent et apprennent à utiliser la rétropropagation, la descente de gradient, les fonctions de perte et les taux d'apprentissage. Enfin, vous apprendrez comment implémenter la rétropropagation et la descente de gradient en utilisant Python.
Quand vous aurez terminé ce cours, vous aurez les compétences et les connaissances des architectures de réseaux neuronaux et de l'apprentissage nécessaires pour construire et entraîner un réseau neuronal.
Catégories : Cours Python, Cours de réseaux neuronaux, Cours de descente de gradient
Programme
Enseigné par
Étiquettes
