WEBVTT 00:00.420 --> 00:05.990 Ciao e benvenuto ai tutorial di intuizione per le parti del corso di reti neurali artificiali. 00:06.060 --> 00:08.760 Super eccitato per iniziare queste cose. 00:09.000 --> 00:11.870 E oggi scopriremo come affronteremo questa sezione. 00:11.880 --> 00:14.760 Quindi in questa sezione impareremo le seguenti cose. 00:14.760 --> 00:20.550 Prima di tutto parleremo del neurone, quindi ci sarà un po 'di neuroscienza e scopriremo 00:20.550 --> 00:25.700 un po' di come funziona il cervello umano e perché stiamo cercando di replicarlo. 00:25.710 --> 00:32.160 E vedremo anche come si presenta il blocco principale di una rete neuronale del neurone. 00:32.160 --> 00:37.740 usato in reti neurali e in quali strati preferireste usare quali funzioni. 00:37.740 --> 00:43.980 Quindi nel prossimo tutorial parleremo della funzione di attivazione e vedremo un paio di 00:43.980 --> 00:52.770 esempi di funzioni di attrito che è possibile utilizzare nelle reti neurali e scopriremo quali di esse uno è il 00:52.770 --> 00:53.770 più comunemente 00:53.860 --> 00:56.430 Si è parlato di come funzionano le reti neurali. 00:56.430 --> 01:03.990 Quindi, in contrasto con ciò che ci si aspetterebbe e ciò che è stato probabilmente trasmesso in altri 01:04.260 --> 01:10.800 corsi e tutorial, non entreremo nell'apprendimento in realtà andremo prima nel funzionamento delle reti neurali perché 01:10.800 --> 01:18.690 in questo modo vedendo un rete neurale in azione che ci permetterà di capire cosa stiamo puntando verso quale 01:19.020 --> 01:20.740 sia il nostro obiettivo. 01:20.740 --> 01:27.120 Quindi qui vedremo un esempio di una rete neurale che esamineremo un esempio ipotetico molto semplificato e 01:27.120 --> 01:33.060 molto semplificato o quando la tua rete che lavora per prevedere i prezzi delle abitazioni sono 01:33.060 --> 01:34.830 fondamentalmente i prezzi degli immobili. 01:34.980 --> 01:40.350 E guardando questo esempio capiremo meglio esattamente a cosa miriamo e cosa vogliamo 01:40.350 --> 01:41.620 raggiungere alla fine. 01:42.060 --> 01:49.560 E poi passeremo alla comprensione di come le reti neurali imparano perché in questo modo saremo più preparati 01:49.560 --> 01:51.070 per ciò che accadrà. 01:51.180 --> 01:53.010 Quindi parleremo della discesa del gradiente. 01:53.010 --> 02:00.750 Questo fa anche parte dell'apprendimento delle reti neuronali e capiremo in che modo tale algoritmo è migliore del solo 02:00.750 --> 02:08.670 metodo di forza bruta che potresti voler o prendere in considerazione come prima risorsa o come primo metodo che ti 02:08.940 --> 02:10.140 viene in mente. 02:10.140 --> 02:14.400 Quindi scopriremo quanto è grande il vantaggio della discesa del gradiente. 02:14.520 --> 02:17.130 E poi parleremo della discesa del gradiente stocastico. 02:17.140 --> 02:23.580 È una continuazione del tutorial grande e decente, ma è un metodo ancora migliore e ancora 02:23.580 --> 02:26.120 più forte e scopriremo esattamente come funziona. 02:26.220 --> 02:33.060 in una serie di istruzioni passo passo per l'esecuzione delle reti neurali artificiali. 02:33.060 --> 02:40.400 Infine, concluderemo le cose menzionando le cose importanti sulla retropropagazione e riassumendo tutto 02:40.440 --> 02:46.230 Spero che tutto questo ti sembri molto eccitante perché sono molto emozionato e non vedo l'ora 02:46.230 --> 02:46.810 di iniziare. 02:46.950 --> 02:49.310 Non vedo l'ora di vederti sul primo tutorial. 02:49.320 --> 02:51.420 E fino ad allora godere di un apprendimento profondo.