WEBVTT 00:00.360 --> 00:04.170 Ciao e benvenuto nella sezione sulle reti neurali convoluzionali. 00:04.170 --> 00:07.600 Sono eccitato che tu ti unisca a noi anche per questa sezione. 00:07.740 --> 00:13.650 E oggi coloreremo il piano di attacco come impareremo tutto in questa sezione. 00:13.650 --> 00:15.630 C'è così tanto da imparare. 00:15.660 --> 00:17.490 Vediamo come ci avvicineremo a questo. 00:17.490 --> 00:19.590 Va bene quello che apprendiamo nella sezione. 00:19.590 --> 00:25.140 Prima di tutto parleremo di ciò che le reti convoluzionali in realtà sono molto importanti per comprendere l'obiettivo finale 00:25.140 --> 00:28.770 a cui state lavorando prima di iniziare effettivamente a lavorare su di esso. 00:28.770 --> 00:32.090 Quindi sentiremo quali caratteristiche daranno un'occhiata ad alcuni piccoli esempi. 00:32.090 --> 00:36.750 Paragonerà il cervello umano a reti neurali artificiali in termini di riconoscimento dell'immagine. 00:36.840 --> 00:42.630 Quindi sarà un divertente tutorial sulla luce per iniziare per questa intera sezione. 00:42.630 --> 00:44.810 Quindi parleremo del passaggio 1. 00:44.850 --> 00:47.410 Immergersi direttamente nell'operazione di voluzione. 00:47.420 --> 00:56.280 Quindi questa parte del Corso contiene diversi passaggi che dobbiamo seguire per costruire una rete neurale convoluzionale e questo è il 00:56.310 --> 00:59.040 modo in cui questi interni verranno demoliti. 00:59.040 --> 01:06.510 Quindi questo sarebbe stato il primo passo dell'operazione di evoluzione, impareremo tutto sui rilevatori di funzionalità. 01:06.510 --> 01:08.790 Parleremo di quali sono anche i filtri. 01:08.790 --> 01:11.030 Parleremo delle mappe future. 01:11.070 --> 01:16.110 E sai come sono i diversi parametri che sono ciò che intendono e dare un'occhiata 01:16.110 --> 01:17.360 ad alcuni esempi visivi. 01:17.520 --> 01:26.010 Quindi parleremo della Fase 1, Parte B, del regno di Lehre o di quello che viene poi rettificato, 01:26.130 --> 01:34.830 e parleremo del perché la linearità non è buona e di come vogliamo più non linearità nella nostra rete 01:34.830 --> 01:36.700 per il riconoscimento dell'immagine. 01:36.870 --> 01:42.420 pooling o ad alcuni pooling e altri approcci che è possibile adottare per il processo di pooling . 01:42.420 --> 01:48.960 Quindi parleremo della fase 2 del pooling e capiremo come funziona il pool parleremo in modo specifico del pooling massimo 01:48.960 --> 01:51.960 e menzioneremo anche un paio di cose riguardo al 01:51.960 --> 01:58.650 Anche in questa conferenza faremo un esempio davvero interessante, quindi ci sarà uno strumento interattivo molto 01:58.650 --> 01:59.730 visivo che vedremo. 01:59.730 --> 02:05.190 Quindi assicurati di rimanere fedele fino alla fine di quella lezione perché questo aggiungerà molto valore 02:05.190 --> 02:06.810 al tuo processo di apprendimento. 02:06.810 --> 02:09.110 Di cosa parleremo alla fine lì. 02:09.120 --> 02:10.650 Fase tre appiattimento. 02:10.680 --> 02:16.290 Quindi qui ci sarà un breve tutorial su come procedere dai livelli raggruppati al tuo 02:16.380 --> 02:19.560 covo appiattito e poi parleremo di connessioni complete. 02:19.560 --> 02:26.130 Questo è un tutorial molto carnoso che mette tutto insieme e mette tutto in prospettiva 02:26.130 --> 02:29.680 e in realtà ti mostra come tutto funziona. 02:29.700 --> 02:35.100 Alla fine della giornata e come quei neuroni finali capiscono come classificare Umich molto molto importante. 02:35.100 --> 02:42.340 Tauriel e, si spera, questo riassumerà o tipo di mettere tutto insieme per te. 02:42.540 --> 02:46.260 E finalmente avremo un riassunto che riassumerà tutto ciò di cui abbiamo parlato. 02:46.560 --> 02:52.260 E come piccola caratteristica extra ho incluso un tutorial su Max morbido e cross entropy. 02:52.260 --> 02:57.780 Quindi non devi fare questo tutorial, ma ho pensato che sarebbe una grande aggiunta di conoscenza 02:57.780 --> 03:02.010 perché questi sono termini che incontrerai quando si tratta di reti neurali convoluzionali. 03:02.070 --> 03:08.130 Quindi forse prendilo subito forse quando ti imbatti in questi termini puoi sempre sapere che puoi 03:08.130 --> 03:13.800 tornare a questo corso e fare questo tutorial per capire meglio cosa sono Max e 03:13.800 --> 03:14.530 cross entropy. 03:14.760 --> 03:20.610 E come sempre in tutti questi editoriali ci saranno molte letture consigliate per 03:20.670 --> 03:23.100 migliorare ulteriormente e ottenere più conoscenza. 03:23.370 --> 03:28.250 E su quella nota non vedo l'ora di vedere sul primo tutorial che sarà molto divertente ed emozionante. 03:28.310 --> 03:31.260 S. E fino alla prossima volta goditi un apprendimento profondo.