WEBVTT 00:00.820 --> 00:03.980 Halo dan selamat datang kembali ke kursus tentang kecerdasan buatan. 00:04.060 --> 00:08.550 Dan bagian hari ini kita akan membahas pembelajaran CULE convolutional yang mendalam. 00:08.550 --> 00:14.860 Jadi kami mengambil pembelajaran yang mendalam bahkan langkah lebih jauh, jadi kami awalnya mulai mendinginkan pembelajaran 00:14.860 --> 00:15.650 sederhana. 00:15.670 --> 00:20.840 Kemudian kami mengambil itu untuk pembelajaran yang mendalam dan sekarang kami mengambil pembelajaran convolutional yang terlalu dalam. 00:20.920 --> 00:23.960 Jadi mari kita lihat apa yang akan kita bahas dalam hal intuisi. 00:24.010 --> 00:26.200 Bagian yang berbeda akan menjadi sangat cepat. 00:26.260 --> 00:33.730 Tidak banyak yang perlu kita tambahkan selama kita terbiasa dengan jaringan saraf convolutional dan kita akan menyentuh ini 00:33.730 --> 00:35.940 menjelang akhir uji coba ini. 00:36.130 --> 00:41.770 Jadi hari ini di bagian ini kita akan berbicara tentang hubungan mendalam mempelajari intuisi di 00:41.770 --> 00:49.960 balik hal-hal dan mengapa begitu kuat mengapa sebenarnya sangat penting untuk menjauh dari pembelajaran Kule yang dalam dan mengapa pembelajaran yang mendalam 00:49.960 --> 00:56.500 hanyalah sebuah blok bangunan dasar di mana itu hanya sebuah langkah bagi kita di postes ke pembelajaran 00:56.560 --> 01:01.710 hubungan yang mendalam dan apa jenis jalan yang dalam dapat pembelajaran Lucian 01:01.740 --> 01:07.020 convolutional CULE membuka jalan seperti apa pengetahuan terbuka dan di mana itu bisa diterapkan. 01:07.480 --> 01:11.590 Kami akan memiliki beberapa contoh tentang itu dan kemudian kami akan berbicara tentang kelayakan. 01:11.590 --> 01:19.740 Lacak atau selesaikan pembelajaran tambahan yang sangat kuat untuk seluruh konsep pembelajaran mendalam. 01:19.810 --> 01:21.820 Dan kita akan berbicara tentang intuisi di balik itu. 01:21.820 --> 01:26.140 Ini adalah topik yang cukup kompleks, namun kami akan memecah 01:26.620 --> 01:32.350 intuisi dalam istilah yang cukup sederhana dan kemudian saya akan memberikan Anda beberapa referensi tambahan 01:32.350 --> 01:37.120 di mana Anda dapat membaca tentang kelayakan Tracy jika Anda ingin lebih 01:37.120 --> 01:43.510 detail tetapi penting bagi kita untuk menurunkan intuisi karena kita akan menggunakannya dalam istilah praktis karena kita 01:43.510 --> 01:53.260 mempelajari topik yang jauh lebih rumit sekarang karena kita perlu menambahkan elemen ekstra atau ekstra ini ke agen kami atau ke algoritma pembelajaran kami sehingga mereka 01:53.260 --> 01:58.100 benar-benar dapat menangani lingkungan yang kompleks ini dan menavigasi mereka dengan sukses. 01:58.510 --> 02:05.380 Dan tentu saja di bagian ini karena kita berbicara tentang jaringan saraf convolutional, sangat disarankan agar 02:05.380 --> 02:09.300 Anda memeriksa nomor x ke jaringan saraf convolutional. 02:09.340 --> 02:15.460 Sekali lagi jika Anda telah melakukan aitch belajar yang dalam pada kursus maka Anda sudah terbiasa dengan informasi 02:15.640 --> 02:21.510 ini sehingga Anda dapat dengan aman melanjutkan dengan tutorial ini pada pembelajaran Kule yang sangat emosional. 02:21.580 --> 02:27.790 Jika Anda belum melakukan aitch pembelajaran mendalam tentu saja maka itu ide bagus untuk melihat jaringan saraf convolutional 02:27.790 --> 02:29.540 dan melihat intuisi tersebut. 02:29.540 --> 02:36.820 Charles di sana sehingga Anda lebih memahami bagaimana gambar diproses oleh jaringan 02:36.820 --> 02:44.290 saraf untuk mencari fitur dan apa keseluruhan lapisan konvolusional tentang penyatuan atau yang 02:44.320 --> 02:51.190 menggambarkan gambar itu dan oleh karena itu kita akan menggunakan itu 02:51.190 --> 02:56.710 sebagai input ke jaringan saraf kita daripada vektor yang 02:56.710 --> 02:58.300 kita bicarakan. 02:58.300 --> 03:00.020 Tetapi lebih lanjut tentang itu di tutorial berikutnya. 03:00.040 --> 03:06.610 Jadi, jika Anda belum melihat kontrol itu, kami akan menyarankan Anda untuk memeriksanya untuk mempercepat 03:06.640 --> 03:10.460 atau menyegarkan pengetahuan tentang jaringan saraf ilusi Cullerton. 03:10.480 --> 03:16.180 Semua dalam semua kita punya bagian yang menarik dan karena Anda dapat melihat apa yang berarti intuisi Tournelles yang 03:16.180 --> 03:16.850 Anda bisa. 03:17.140 --> 03:21.860 Anda akan dapat melompat ke sisi praktis berbagai hal dengan sangat cepat. 03:22.210 --> 03:24.430 Jadi pada catatan itu saya selalu melihat tutorial pertama. 03:24.440 --> 03:26.660 Dan sampai saat itu nikmati AI.