WEBVTT

00:00.560 --> 00:02.950
มาถึงการกวดวิชาที่น่าตื่นเต้นข้างหน้า

00:02.950 --> 00:04.850
ยินดีต้อนรับกลับสู่หลักสูตรการเรียนรู้ลึก

00:04.870 --> 00:08.090
วันนี้เรากำลังพูดถึงวิธีการทำงานของเครือข่ายประสาท

00:08.110 --> 00:16.420
ตอนนี้เราได้นำไปสู่การทำงานภาคพื้นดินจำนวนมากที่เราได้พูดคุยเกี่ยวกับวิธีโครงข่ายประสาทเทียมที่มีโครงสร้างองค์ประกอบใดบ้างที่พวกเขาประกอบด้วย

00:16.660 --> 00:28.340
และวันนี้เราจะดูและตัวอย่างจริงของวิธีการใช้โครงข่ายประสาทที่ผิดปกติและเราจะทำงานทีละขั้นตอนผ่านกระบวนการของแอปพลิเคชันเพื่อให้เรารู้ว่าเกิดอะไรขึ้น

00:28.360 --> 00:30.690
ลองดูตัวอย่างที่เราจะพูดถึงกัน

00:30.790 --> 00:39.600
เรากำลังจะดูการประเมินค่าทรัพย์สินดังนั้นเราจะดูโครงข่ายประสาทที่ใช้ในพารามิเตอร์ของคุณสมบัติและค่าของเรา

00:39.640 --> 00:40.930
และสิ่งที่นี่

00:40.960 --> 00:45.820
มีข้อแม้เล็ก ๆ สำหรับการกวดวิชาในวันนี้และนั่นคือเราจะไม่ฝึกเครือข่าย

00:45.820 --> 00:53.430
ดังนั้นส่วนที่สำคัญมากในเครือข่ายประสาทเทียมคือการฝึกอบรมพวกเขาและเราจะดูในบทช่วยสอนต่อไปในส่วนนี้

00:53.440 --> 01:04.870
สำหรับตอนนี้เราจะมุ่งเน้นไปที่การใช้งานจริงพวกเรากำลังจะทำงานร่วมกับเครือข่ายประสาทที่เรากำลังจะแกล้งทำเป็นฝึกอบรมแล้วและจะช่วยให้เรามุ่งเน้นไปที่แอปพลิเคชันของสิ่งต่าง ๆ

01:04.870 --> 01:11.750
ด้านการฝึกอบรมและจากนั้นเราจะปิดการฝึกอบรมเมื่อเราทราบเป้าหมายสุดท้ายที่เรากำลังดำเนินการไปแล้ว

01:11.800 --> 01:12.640
ฟังดูเข้าท่า.

01:12.640 --> 01:14.900
เอาล่ะกระโดดลงไปเลย

01:15.250 --> 01:19.090
สมมุติว่าเรามีพารามิเตอร์อินพุต

01:19.090 --> 01:24.670
สมมุติว่าเรามีพารามิเตอร์เต็มรูปแบบเกี่ยวกับอสังหาริมทรัพย์ที่เรามีพื้นที่เป็นตารางฟุตเรามีจำนวนห้องนอนที่ห่างจากตัวเมืองและ Miles the New

01:24.670 --> 01:29.950
York City และอายุของทรัพย์สินและทั้งสี่นั้นจะประกอบด้วยข้อมูลของเรา

01:29.950 --> 01:33.590
ชั้น.

01:33.670 --> 01:43.000
ตอนนี้แน่นอนว่าพวกเขาอาจมีพารามิเตอร์มากกว่าที่กำหนดราคาทรัพย์สิน แต่เพื่อความง่ายเราจะดูที่นี่ในตอนนี้

01:43.010 --> 01:52.300
มันเป็นรูปแบบพื้นฐานที่เครือข่ายนิวรัลมีเพียงอินพุตที่เรียนเลเยอร์เอาท์พุทดังนั้นจึงไม่มีเลเยอร์ที่ซ่อนอยู่และเลเยอร์เอาท์พุทของเราคือราคาที่เราคาดการณ์

01:52.300 --> 02:04.150
ดังนั้นในรูปแบบนี้สิ่งที่ตัวแปรอินพุตเหล่านี้จะทำก็คือพวกมันจะถูกถ่วงน้ำหนักโดยซินเนส

02:04.150 --> 02:06.190
โดยทั่วไปราคาจะถูกคำนวณและจะได้รับราคา

02:06.190 --> 02:14.250
และตัวอย่างเช่นราคาสามารถคำนวณได้ง่ายเหมือนผลรวมถ่วงน้ำหนักของอินพุตทั้งหมด

02:14.290 --> 02:17.720
และอีกครั้งที่นี่คุณสามารถใช้ฟังก์ชั่นใดก็ได้ที่คุณสามารถใช้ได้

02:17.830 --> 02:26.020
สิ่งที่เราใช้อยู่ตอนนี้เราสามารถใช้ฟังก์ชั่นการเปิดใช้งานใด ๆ ที่เรามีมาก่อนหน้านี้คุณสามารถใช้การถดถอยโลจิสติก

02:26.050 --> 02:33.570
คุณสามารถใช้ฟังก์ชันกำลังสองได้คุณสามารถทำอะไรที่นี่ได้มาก แต่ประเด็นก็คือคุณได้ผลลัพธ์ที่แน่นอน

02:33.600 --> 02:40.980
และยิ่งกว่านั้นอัลกอริทึมการเรียนรู้ของเครื่องส่วนใหญ่ที่มีอยู่สามารถแสดงในรูปแบบนี้และนี่คือการแสดงแผนภาพวิธีการที่คุณจัดการกับตัวแปรหรือโดยการเปลี่ยนวิธีการเป็นกรงเล็บที่คุณสามารถทำได้ค่อนข้างมาก

02:40.990 --> 02:58.900
เราได้พูดคุยกันก่อนหน้านี้และนำมาไว้ในแบบฟอร์มนี้และนั่นก็มีแนวโน้มที่จะแสดงให้เห็นว่า Noul ทรงพลังเป็นเครือข่ายประสาท

02:58.960 --> 03:05.360
แม้จะไม่มีเลเยอร์ที่ซ่อนอยู่เราก็พร้อมที่ซึ่งเรามีตัวแทนที่เหมาะกับอัลกอริทึมการเรียนรู้ของเครื่องอื่น ๆ ส่วนใหญ่

03:05.470 --> 03:17.050
แต่ในเครือข่ายประสาทเทียมสิ่งที่เรามีคือข้อดีที่ทำให้เรามีความยืดหยุ่นและพลังซึ่งเป็นที่มาของความแม่นยำที่เพิ่มขึ้น

03:17.050 --> 03:24.490
และพลังนั้นคือเลเยอร์ที่ซ่อนเร้นและไปที่นั่นนั่นคือ Alair

03:24.490 --> 03:30.100
ของเราที่เราเพิ่มเข้าไปและตอนนี้เราจะเข้าใจว่าถ้ำที่ซ่อนนั้นให้พลังพิเศษแก่เราได้อย่างไร

03:30.300 --> 03:40.150
และในความเป็นจริงที่จะทำเช่นนั้นเรากำลังจะเดินผ่านตัวอย่างดังนั้นเมื่อเราตกลงเครือข่ายประสาทนี้ได้รับการฝึกฝนจริง ๆ

03:40.150 --> 03:51.880
และตอนนี้เราเพิ่งจะเสียบเข้าไป เราจะเดินทีละขั้นตอนวิธีเครือข่ายประสาทจะจัดการกับตัวแปรอินพุตและคำนวณพื้นที่ Hindol แล้วคำนวณเอาท์พุท

03:51.880 --> 03:54.430
งั้นมาดูกันว่ามันจะเป็นเรื่องที่น่าตื่นเต้น

03:54.430 --> 03:54.880
เอาล่ะ

03:55.060 --> 04:01.420
เรามีตัวแปรทั้งสี่ทางด้านซ้ายและเราจะเริ่มด้วย Nurin อันดับต้น ๆ ของ Hindle ที่นั่นก่อน

04:01.450 --> 04:08.290
ตอนนี้เมื่อก่อนหน้านี้เราเห็นตัวอักษรทั้งหมดของเซลล์ประสาทจากชั้นข้อมูลเข้าพวกมันมี Cynapsus

04:08.290 --> 04:12.940
เชื่อมต่อมันกับแต่ละเซลล์เหล่านั้นกับเซลล์ประสาทด้านบนในถ้ำที่ซ่อนอยู่

04:13.480 --> 04:15.240
และระบบเหล่านั้นมีน้ำหนัก

04:15.250 --> 04:29.420
ตอนนี้เราตกลงกันว่าน้ำหนักบางส่วนจะมีค่าที่ไม่เป็นศูนย์บางวิธีจะมีค่าเป็นศูนย์เพราะโดยทั่วไปแล้วอินพุตทั้งหมดจะไม่ถูกต้องหรือไม่อินพุตทั้งหมดจะมีความสำคัญสำหรับเซลล์ประสาทเดี่ยวทุกครั้ง

04:29.420 --> 04:34.180
ที่นี่เราสามารถดูตัวอย่างสองตัวอย่างที่

04:34.180 --> 04:40.540
X-1 ถัดไปสามพื้นที่และระยะทางไปยังเมืองและไมล์มีความสำคัญสำหรับเซลล์ประสาทนั้นในขณะที่ห้องนอนและอายุไม่เหมือนกันลองคิดกันสักวินาที

04:40.550 --> 04:47.350
เหมือนกับว่าทำไมเซลล์ประสาทถึงถูกเชื่อมโยงกับพื้นที่และระยะทางนั่นหมายความว่าอะไร

04:47.350 --> 04:58.420
นั่นอาจหมายถึงว่าโดยปกติยิ่งคุณอยู่ห่างจากตัวเมืองมากเท่าไรอสังหาริมทรัพย์ที่ราคาถูกลงก็จะกลายเป็นพื้นที่ในตารางฟุตของอสังหาริมทรัพย์ที่มีขนาดใหญ่ขึ้น

04:58.420 --> 05:02.640
ดังนั้นในราคาเดียวกันคุณจะได้รับทรัพย์สินที่ใหญ่กว่ายิ่งคุณอยู่ไกลจากตัวเมืองซึ่งเป็นเรื่องปกติ

05:02.640 --> 05:17.630
นั่นทำให้เข้าใจได้และอาจเป็นไปได้ว่าเซลล์ประสาทนี้กำลังทำอยู่มันกำลังมองหาโดยเฉพาะมันเหมือนมือปืนที่กำลังมองหาคุณสมบัติของพื้นที่ซึ่งอยู่ไม่ไกลจากเมือง แต่มีพื้นที่ขนาดใหญ่

05:17.630 --> 05:24.830
ดังนั้นสำหรับระยะทางจากเมืองพวกเขามีพื้นที่ตารางฟุตที่ไม่เป็นธรรม

05:24.850 --> 05:35.290
ดังนั้นสิ่งที่ความสูงของความผิดปกตินั้นสูงกว่าค่าเฉลี่ยดังนั้นพวกเขาจึงค่อนข้างใกล้กับเมือง

05:35.290 --> 05:50.830
แต่ก็ยังมีขนาดใหญ่เมื่อเทียบกับคนอื่น ๆ ในระยะทางเดียวกันและเซลล์ประสาทอีกครั้งที่เราคาดเดาที่นี่

05:50.830 --> 06:01.990
แต่เซลล์ประสาทนั้นอาจ การเก็บเลเซอร์จะเลือกคุณสมบัติเฉพาะเหล่านั้นและมันจะเปิดใช้งานและด้วยเหตุนี้ฟังก์ชั่นการเปิดใช้งานก็จะเปิดใช้งานมันจะเกิดขึ้นเมื่อมีคุณสมบัติตรงตามเกณฑ์ที่คุณทราบระยะทางและพื้นที่ของระยะทางที่เหมาะสม ของคุณสมบัติและทำการคำนวณภายในตัวมันเองและรวมสองสิ่งนั้นเข้าด้วยกันและทันทีที่พื้นที่บางส่วนที่มันเกิดเพลิงไหม้และก่อให้เกิดราคาในเอาท์พุท

06:02.260 --> 06:07.730
ดังนั้นเซลล์ประสาทนี้จึงไม่สนใจเกี่ยวกับห้องนอนและอายุของอสังหาริมทรัพย์เพราะมันมุ่งเน้นไปที่สิ่งนั้น

06:07.750 --> 06:14.390
นั่นคือสิ่งที่พลังของเครือข่ายประสาทเทียมมาจากคุณมีหลายปีที่ผ่านมาและจะเห็นได้ว่าคนอื่นทำงานอย่างไร

06:14.650 --> 06:27.290
แต่สิ่งที่ฉันต้องการเห็นด้วยที่นี่ก็คืออย่าให้เราวาดเส้นเหล่านี้สำหรับบทสรุปที่ไม่ได้อยู่ในตำแหน่งเพื่อที่เราจะได้ไม่ทำให้ภาพของเรายุ่งเหยิงเพราะเหตุผลเดียวที่เราไม่วาดมัน ของเหล่านั้นด้วย

06:27.460 --> 06:33.940
และวิธีการที่เราจะรู้ว่าตกลงดังนั้นเซลล์ประสาทนี้จะมุ่งเน้นไปที่พื้นที่และระยะทางไปยังเมือง

06:33.940 --> 06:34.520
เอาล่ะ

06:34.900 --> 06:35.980
เช่นเคยเราเห็นด้วยกับสิ่งนั้น

06:35.980 --> 06:36.830
ไปกันต่อไป

06:36.850 --> 06:46.010
ลองพาพวกมันมาอยู่ตรงกลางตรงนี้เรามีสามพารามิเตอร์ป้อนเข้าสู่เซลล์ประสาทนี้เราจึงมีพื้นที่ห้องนอนและอายุของทรัพย์สิน

06:46.030 --> 06:48.600
ดังนั้นสิ่งที่อาจเป็นเหตุผลที่นี่

06:48.600 --> 06:56.110
ลองอีกครั้งลองทำความเข้าใจสัญชาตญาณและความคิดของเซลล์ประสาทนี้ว่าเซลล์ประสาทนี้คิดอย่างไร

06:56.110 --> 06:57.770
ทำไมมันถึงเลือกพ่อแม่สองคนนี้

06:57.780 --> 07:02.110
มันจะเป็นอะไรได้บ้างที่จะมีสิ่งที่ฮิตอย่างที่พบในข้อมูล

07:02.110 --> 07:20.590
ถูกต้องแล้วเราได้สร้างข้อมูลการฝึกอบรมนี้ขึ้นมาแล้วการฝึกอบรมได้เกิดขึ้นเมื่อนานมาแล้วอาจจะเหมือนวันที่ผ่านมาหรือบางคนเขียนขึ้นเพราะตอนนี้เราเพิ่งสมัครและเรารู้ว่าเซลล์ประสาทนี้ผ่านทุกพัน ตัวอย่างของคุณสมบัติพบว่าพื้นที่รวมทั้งห้องนอนและการรวมอายุของพารามิเตอร์เหล่านั้นมีความสำคัญ

07:20.590 --> 07:21.600
ทำไมถึงเป็นเช่นนั้น

07:21.610 --> 07:38.860
ตัวอย่างเช่นบางทีในเมืองเฉพาะในเขตชานเมืองเหล่านั้นที่เครือข่ายประสาทนี้ได้รับการฝึกฝนในบางทีอาจมีหลายครอบครัวที่มีเด็กที่มีเด็กสองคนขึ้นไปที่กำลังมองหาที่พักขนาดใหญ่ที่มีห้องนอนมากมาย แต่เป็นสิทธิใหม่

07:40.000 --> 07:52.910
ยังไม่แก่เพราะอาจอยู่ในบริเวณนั้นเกือบจะเหมาะสมหรือเป็นอสังหาริมทรัพย์ขนาดใหญ่ที่มักจะแก่

07:52.930 --> 08:07.540
แต่มีครอบครัวสมัยใหม่จำนวนมากและอาจมีการเปลี่ยนแปลงทางด้านสังคมและหรืออาจจะมีหลายอย่างเช่นการเติบโตในแง่ของการจ้างงานและการจ้างงานสำหรับประชากรตัวเองที่อายุน้อยกว่าบางทีคุณแค่รู้ว่าประชากรประชากรมีการเปลี่ยนแปลงและ

08:07.570 --> 08:27.370
ตอนนี้คู่รักที่อายุน้อยกว่าหรือครอบครัวที่อายุน้อยกว่ากำลังมองหาคุณสมบัติ แต่พวกเขาต้องการคุณสมบัติใหม่เพื่อให้พวกเขาต้องการอายุของทรัพย์สินที่จะลดลงและจากการฝึกอบรมที่เครือข่ายประสาทนี้ได้รับ

08:27.370 --> 08:36.790
มันรู้ว่าเมื่อมีสถานที่ให้บริการที่มีพื้นที่ขนาดใหญ่และมีห้องนอนจำนวนมากที่มีสามอย่างน้อยสามห้องนอนสำหรับผู้ปกครองสำหรับลูกคนแรกของลูกคนที่สองอย่างน้อยสามห้องนอนอาจเป็นห้องพักแขกเมื่อคุณมีพื้นที่สูง

08:36.790 --> 08:48.270
ของห้องนอนที่มีค่าในตลาดนั้นมีค่าดังนั้น Meuron จึงเลือกห้องนั้นขึ้นมา

08:48.280 --> 08:49.390
มันรู้อย่างนั้น

08:49.420 --> 08:51.490
ตกลงดังนั้นนี่คือสิ่งที่ฉันจะมองหา

08:51.490 --> 08:57.080
ฉันไม่สนใจระยะทางของเมืองและไมล์ไม่ว่าจะอยู่ที่ไหนตราบใดที่มีห้องนอนจำนวนมากในพื้นที่สูง

08:57.110 --> 09:11.300
ทันทีที่เกณฑ์นั้นบรรลุตามนั้นเซลล์ประสาทก็จะยิงขึ้นและการรวมกันของพารามิเตอร์ทั้งสองนี้และนี่ก็เป็นอีกครั้งที่พลังงานของเครือข่ายประสาทนั้นมาจากการที่มันรวมพารามิเตอร์ทั้งสองนี้เข้ากับพารามิเตอร์ใหม่ในคุณลักษณะใหม่

09:11.470 --> 09:17.860
ที่ช่วยในการประเมินที่ช่วยในการประเมินค่าทรัพย์สิน

09:17.860 --> 09:21.910
มันรวมไว้ในคุณสมบัติใหม่และดังนั้นจึงแม่นยำยิ่งขึ้น

09:21.910 --> 09:24.160
นั่นคือวิธีการทำงาน

09:24.250 --> 09:35.540
ลองดูอีกอันลองดูที่ก้นล่างสุดตัวอย่างเช่นเซลล์ประสาทนี้อาจจะสามารถหยิบขึ้นมาได้เพียงคู่เดียวและมันอาจจะหยิบขึ้นมาแปดตัว

09:35.540 --> 09:37.530
และเป็นไปได้อย่างไร

09:37.900 --> 09:47.710
นี่คือตัวอย่างคลาสสิกเมื่ออายุอาจหมายถึงเหมือนที่เราทุกคนรู้ว่าคุณสมบัติที่มีอายุมากกว่ามักจะมีค่าน้อยเพราะมันหมด

09:47.710 --> 09:50.740
อาจเป็นตึกเก่าคุณอาจจะรู้ว่าสิ่งต่าง ๆ กำลังพังทลายลงมา

09:50.740 --> 09:55.460
จำเป็นต้องมีการบำรุงรักษามากขึ้นดังนั้นราคาจะลดลงในแง่ของราคาอสังหาริมทรัพย์

09:55.480 --> 09:58.880
ในขณะที่อาคารใหม่จะมีราคาแพงกว่าเพราะเป็นอาคารใหม่

09:59.200 --> 10:03.980
บางทีถ้าทรัพย์สินมีอายุเกินกว่าที่กำหนดได้ก็อาจบ่งบอกได้ว่าเป็นทรัพย์สินที่มีคุณค่าทางประวัติศาสตร์

10:04.030 --> 10:11.240
ตัวอย่างเช่นหากทรัพย์สินมีอายุต่ำกว่า 100 ปีก็จะยิ่งมีค่าน้อยลง

10:11.380 --> 10:17.050
แต่ทันทีที่มันกระโดดขึ้นไป 100

10:17.050 --> 10:20.840
ปีในทันใดมันก็กลายเป็นทรัพย์สินทางประวัติศาสตร์เพราะนี่เป็นทรัพย์สินที่ผู้คนยังคงมีหลายร้อยปีที่ผ่านมา

10:20.860 --> 10:26.240
มันบอกเล่าเรื่องราวที่มีประวัติทั้งหมดข้างหลังนี้และบางคนชอบที่บางคนให้ความสำคัญกับมัน

10:26.290 --> 10:32.110
ในความเป็นจริงแล้วผู้คนจำนวนมากต้องการเช่นนั้นและภูมิใจที่ได้อยู่ในอสังหาริมทรัพย์และโดยเฉพาะอย่างยิ่งในชั้นเรียนทางเศรษฐกิจและสังคมที่สูงขึ้นพวกเขาจะแสดงให้เพื่อนหรือสิ่งต่าง ๆ เช่นนั้นดังนั้นคุณสมบัติที่มีอายุมากกว่า

10:32.110 --> 10:36.970
100

10:37.000 --> 10:42.330
ปี ถือว่าเป็นประวัติศาสตร์

10:42.330 --> 10:49.360
และด้วยเหตุนี้เซลล์ประสาทนี้ทันทีที่มันเห็นทรัพย์สินที่มีอายุมากกว่า 100 ปีมันจะลุกขึ้นและมีส่วนทำให้ราคาโดยรวม

10:49.360 --> 10:55.090
มิฉะนั้นถ้ามันมีอายุต่ำกว่า 100 ปีมันจะไม่ทำงานและนี่เป็นตัวอย่างที่ดีของมัน

10:55.180 --> 10:57.580
ฟังก์ชัน rectifier ที่กำลังถูกใช้

10:57.580 --> 11:04.630
ดังนั้นที่นี่คุณจะได้เหมือนศูนย์จนกระทั่งถึงจุดหนึ่งแล้วสมมุติว่าอายุ 100 ปีแล้วหลังจากนั้นอายุมากกว่า

11:04.630 --> 11:11.310
100 ปีมันจะได้มูลค่าที่สูงกว่ายิ่งมีส่วนร่วมของเซลล์ประสาทนี้ต่อราคาโดยรวมสูงขึ้น

11:11.470 --> 11:18.910
และมีเพียงตัวอย่างที่ยอดเยี่ยมของตัวอย่างง่ายๆของฟังก์ชันตัวเรียงกระแสในการทำงาน

11:18.910 --> 11:19.720
ดังนั้นเราไปกันเลย

11:19.750 --> 11:20.960
อาจเป็นปีนี้

11:21.100 --> 11:28.530
และยิ่งไปกว่านั้นโครงข่ายประสาทอาจเลือกสิ่งที่เราไม่คิดว่าถูก

11:28.570 --> 11:43.510
ตัวอย่างเช่นห้องนอนและระยะทางอาจเป็นเพราะการรวมกันของราคาอาจจะไม่แรงเท่า ๆ กับเซลล์ประสาทอื่น ๆ

11:43.510 --> 11:51.040
และมันมีส่วนช่วย

11:51.040 --> 11:58.840
แต่ก็ยังมีส่วนช่วยหรืออาจลดลงจากราคาที่อาจเป็นกรณีหรือสิ่งอื่น ๆ

11:58.840 --> 12:08.260
เช่นนั้นและ อาจเพิ่มของคุณเองทั้งหมดเพื่อรวมกันของพารามิเตอร์ทั้งสี่เหล่านี้และในขณะที่คุณสามารถเห็นว่าเซลล์ประสาทเหล่านี้สถานการณ์เลเยอร์ที่ซ่อนอยู่ทั้งหมดนี้ช่วยให้คุณเพิ่มความยืดหยุ่นของเครือข่ายประสาทของคุณและช่วยให้คุณมอง สำหรับสิ่งที่เฉพาะเจาะจงมากและจากนั้นเมื่อรวมเข้าด้วยกันนั่นก็คือพลังที่มาจากไหน

12:08.260 --> 12:12.570
มันเหมือนตัวอย่างที่คำตอบที่ฉันต้องการโฆษณาด้วยตัวเองไม่สามารถสร้างมดได้

12:12.580 --> 12:18.600
แต่เมื่อคุณมีโฆษณาหนึ่งพันหรือ 100,000 โฆษณาพวกเขาสามารถสร้าง anthill ร่วมกันและนั่นคือสถานการณ์ที่นี่

12:18.610 --> 12:20.990
นิวรอนเหล่านี้แต่ละตัวไม่สามารถทำนายราคาได้

12:21.100 --> 12:30.300
แต่ด้วยกันพวกเขามีพลังวิเศษและพวกเขาทำนายราคาและพวกเขาสามารถทำงานได้อย่างถูกต้องหากฝึกอบรมอย่างถูกต้อง

12:30.730 --> 12:35.410
และนั่นคือสิ่งที่หลักสูตรทั้งหมดนี้เกี่ยวกับการทำความเข้าใจวิธีการใช้พวกเขา

12:35.410 --> 12:42.430
เราไปที่นั่นเป็นตัวอย่างทีละขั้นตอนและคำแนะนำว่าเครือข่ายประสาททำงานอย่างไร

12:42.460 --> 12:45.590
ฉันหวังว่าคุณจะสนุกกับการกวดวิชาของวันนี้และฉันไม่สามารถรอที่จะพบคุณในครั้งต่อไป

12:45.610 --> 12:47.350
จนแล้วสนุกกับการเรียน