WEBVTT 00:00.820 --> 00:03.980 Bonjour et bienvenue au cours sur l'intelligence artificielle. 00:04.060 --> 00:08.550 Et la section d'aujourd'hui, nous allons nous attaquer à l'apprentissage CULE par convolution profonde. 00:08.550 --> 00:14.860 Nous sommes donc en train de faire un apprentissage en profondeur, même un pas en avant. Nous avons donc commencé par refroidir en gagnant 00:14.860 --> 00:15.650 cet apprentissage simple. 00:15.670 --> 00:20.840 Ensuite, nous avons pris cela pour un apprentissage en profondeur et maintenant nous prenons un apprentissage par convolution trop profond. 00:20.920 --> 00:23.960 Voyons donc ce que nous allons discuter en termes d'intuition. 00:24.010 --> 00:26.200 Différentes sections vont être assez rapides. 00:26.260 --> 00:33.730 Il ne faut pas ajouter grand chose tant que nous maîtrisons les réseaux de neurones convolutionnels et nous en parlerons à 00:33.730 --> 00:35.940 la fin de cet essai. 00:36.130 --> 00:41.770 Donc, dans cette section, nous allons parler aujourd’hui de relations profondes qui apprennent l’intuition sous-jacente 00:41.770 --> 00:49.960 et de la raison pour laquelle il est si puissant pourquoi il est si important de s’éloigner de l’apprentissage en profondeur de 00:49.960 --> 00:56.500 Kule et pourquoi l’apprentissage en profondeur n’est qu’un élément fondamental Passez pour nous sur les postes d’apprentissage relationnel 00:56.560 --> 01:01.710 profond et quels types de cheminements profonds l’apprentissage convolutionnel lucien Lucian ouvre 01:01.740 --> 01:07.020 vers quels types de cheminements les connaissances ouvrent et où elles peuvent être appliquées. 01:07.480 --> 01:11.590 Nous aurons quelques exemples de cela, puis nous parlerons de l’admissibilité. 01:11.590 --> 01:19.740 Tracez ou terminez l’apprentissage en ajoutant un ajout puissant au concept d’apprentissage en profondeur. 01:19.810 --> 01:21.820 Et nous parlerons de l'intuition derrière cela. 01:21.820 --> 01:26.140 C’est un sujet assez complexe, mais nous allons néanmoins décomposer 01:26.620 --> 01:32.350 l’intuition en termes assez simples, puis je vous donnerai quelques références supplémentaires où vous pourrez 01:32.350 --> 01:37.120 en savoir plus sur l’éligibilité de Tracy si vous souhaitez approfondir, mais 01:37.120 --> 01:43.510 c’est important. pour que nous puissions comprendre l'intuition parce que nous allons l'utiliser de manière pratique, 01:43.510 --> 01:53.260 car nous approfondissons des sujets beaucoup plus complexes, maintenant que nous devons ajouter ces éléments supplémentaires à nos agents ou à nos algorithmes d'apprentissage. afin 01:53.260 --> 01:58.100 qu'ils puissent réellement gérer ces environnements complexes et y naviguer avec succès. 01:58.510 --> 02:05.380 Et bien sûr, dans cette section, étant donné que nous parlons de réseaux de neurones convolutifs, il est vivement recommandé 02:05.380 --> 02:09.300 de vérifier un nombre x pour les réseaux de neurones convolutifs. 02:09.340 --> 02:15.460 Encore une fois, si vous avez fait des apprentissages profonds au cours, vous connaissez déjà déjà ces 02:15.640 --> 02:21.510 informations afin de pouvoir poursuivre en toute sécurité ces tutoriels sur l’apprentissage émotionnel profond de Kule. 02:21.580 --> 02:27.790 Si vous n'avez pas fait l'apprentissage approfondi bien sûr, alors c'est une bonne idée d'examiner les réseaux de neurones convolutionnels 02:27.790 --> 02:29.540 et de voir ces intuitions. 02:29.540 --> 02:36.820 Charles afin que vous compreniez mieux comment les images sont traitées par les réseaux de neurones afin de 02:36.820 --> 02:44.290 rechercher des caractéristiques. Quelles sont les couches convolutives de la mise en commun des couches d'aplatissement et comment tout 02:44.320 --> 02:51.190 cela fonctionne-t-il pour définir des paramètres décrivant l'environnement? ou qui décrivent cette image et par conséquent, nous 02:51.190 --> 02:56.710 allons les utiliser comme entrées dans nos réseaux de neurones au lieu du vecteur 02:56.710 --> 02:58.300 dont nous parlons. 02:58.300 --> 03:00.020 Mais plus à ce sujet dans le prochain tutoriel. 03:00.040 --> 03:06.610 Donc, si vous n'avez pas encore vu ces contrôles, nous vous conseillerons de les vérifier pour vous familiariser avec 03:06.640 --> 03:10.460 les réseaux de neurones illusionnels de Cullerton ou les actualiser. 03:10.480 --> 03:16.180 Au total, nous avons une section passionnante et comme vous pouvez voir ce que beaucoup de tournelles intuitives signifie que 03:16.180 --> 03:16.850 vous pouvez. 03:17.140 --> 03:21.860 Vous serez capable de sauter très rapidement dans le côté pratique des choses. 03:22.210 --> 03:24.430 Donc, sur cette note, j'ai toujours vu le premier tutoriel. 03:24.440 --> 03:26.660 Et jusque-là, profitez de l'IA.