WEBVTT 00:00.420 --> 00:05.990 Bună ziua și bun venit la tutorialele de intuiție pentru rețeaua artificială neuronală a cursului. 00:06.060 --> 00:08.760 Super incantat sa inceapa aceste lucruri. 00:09.000 --> 00:11.870 Și astăzi vom afla cum vom aborda această secțiune. 00:11.880 --> 00:14.760 Deci, în această secțiune vom învăța următoarele lucruri. 00:14.760 --> 00:20.550 Mai întâi vom vorbi despre neuron, așa că vom avea un pic de neuroștiință și vom afla 00:20.550 --> 00:25.700 un pic despre cum funcționează creierul uman și de ce încercăm să replicăm asta. 00:25.710 --> 00:32.160 Și vom vedea, de asemenea, cum arată blocul principal al unei rețele neuronale a neuronului. 00:32.160 --> 00:37.740 Apoi, în tutorialul următor vom vorbi despre funcția de activare și vom analiza câteva 00:37.740 --> 00:43.980 exemple de funcții de uzură pe care le-ați putea folosi în rețelele dvs. neuronale și vom afla 00:43.980 --> 00:52.770 care dintre ele unul dintre ele este cel mai utilizate frecvent unul în rețele neuronale și în care straturi ați prefera să utilizați 00:52.770 --> 00:53.770 ce funcții. 00:53.860 --> 00:56.430 Sa discutat despre funcționarea rețelelor neuronale. 00:56.430 --> 01:03.990 Deci, spre deosebire de ceea ce v-ați aștepta și de ceea ce a fost probabil transmis în alte cursuri 01:04.260 --> 01:10.800 și tutoriale, nu vom intra în învățare, de fapt, vom merge mai întâi în funcționarea rețelelor 01:10.800 --> 01:18.690 neuronale, pentru că în felul acesta, rețea neuronală în acțiune care ne va permite să înțelegem ce ne îndreptăm 01:19.020 --> 01:20.740 spre scopul nostru. 01:20.740 --> 01:27.120 Deci, aici vom examina un exemplu de rețea neuronală pe care o vom examina într-un exemplu ipotetic foarte 01:27.120 --> 01:33.060 simplificat și foarte simplificat sau când propria dvs. rețea de lucru pentru a prezice prețurile locuințelor 01:33.060 --> 01:34.830 sunt practic prețurile imobiliare. 01:34.980 --> 01:40.350 Și uitandu-ne la acest exemplu, vom înțelege mai bine exact ceea ce vrem să urmărim și ceea ce dorim să obținem 01:40.350 --> 01:41.620 în cele din urmă. 01:42.060 --> 01:49.560 Și apoi vom trece la înțelegerea modului în care învățăm rețelele neuronale, pentru că vom fi mai pregătiți pentru 01:49.560 --> 01:51.070 ceea ce vine. 01:51.180 --> 01:53.010 Apoi vom vorbi despre coborârea înclinării. 01:53.010 --> 02:00.750 Aceasta este, de asemenea, parte din învățarea rețelelor neuronale și vom înțelege cum acest algoritm este mai bun decât metoda 02:00.750 --> 02:08.670 forței brute pe care ați putea intenționa sau doriți să o luați ca o primă soluție sau o primă metodă care 02:08.940 --> 02:10.140 vine în minte. 02:10.140 --> 02:14.400 Așadar, vom afla cât de mare este avantajul coborârii în gradient. 02:14.520 --> 02:17.130 Și apoi vom vorbi despre coborârea stochastică. 02:17.140 --> 02:23.580 Este o continuare a tutorialului minunat și decent, dar este o metodă chiar mai bună și chiar mai 02:23.580 --> 02:26.120 puternică și vom afla exact cum funcționează. 02:26.220 --> 02:33.060 În cele din urmă, vom încheia lucrurile, menționând lucrurile importante despre propagarea înapoi 02:33.060 --> 02:40.400 și rezumând totul într-un set pas cu pas de instrucțiuni pentru rularea rețelelor neurale artificiale. 02:40.440 --> 02:46.230 Sper că acest lucru ți se pare foarte interesant pentru că sunt foarte entuziasmat de mine și nu pot să aștept 02:46.230 --> 02:46.810 să încep. 02:46.950 --> 02:49.310 Aștept cu nerăbdare să vă văd în primul tutorial. 02:49.320 --> 02:51.420 Și până atunci se bucură de învățare profundă.