WEBVTT 00:00.360 --> 00:04.170 Merhaba ve konvolüyonel sinir ağları bölümüne hoş geldiniz. 00:04.170 --> 00:07.600 Bu bölüm için de bize katılacağınız için heyecanlıyız. 00:07.740 --> 00:13.650 Ve bugün, saldırı planını renklendireceğiz, bu bölümdeki her şeyi nasıl öğreneceğiz. 00:13.650 --> 00:15.630 Öğrenilecek çok şey var. 00:15.660 --> 00:17.490 Bakalım buna nasıl yaklaşacağız. 00:17.490 --> 00:19.590 Pekala, bölümde ne öğrendik. 00:19.590 --> 00:25.140 Her şeyden önce, konvansiyonel ağların, aslında ona doğru çalışmaya başlamadan önce üzerinde 00:25.140 --> 00:28.770 çalıştığınız nihai hedefi anlamada çok önemli olduğunu konuşacağız. 00:28.770 --> 00:32.090 Bu nedenle, hangi özelliklerin birkaç küçük örneğe bir göz atacağını duyacağız. 00:32.090 --> 00:36.750 İnsan beynini yapay sinir ağlarıyla görüntü tanıma açısından karşılaştıracaktır. 00:36.840 --> 00:42.630 Bu bölüm için bizi eğitmek için eğlenceli hafif bir ders olacak. 00:42.630 --> 00:44.810 Sonra Adım 1 hakkında konuşacağız. 00:44.850 --> 00:47.410 Doğrudan dalmak derhal harekete geçebilir. 00:47.420 --> 00:56.280 Dolayısıyla Kursun bu kısmı, konvansiyonel bir sinir ağı oluşturmak için devam etmesi gereken birkaç adım içerir ve bu 00:56.310 --> 00:59.040 şekilde bu iç kısımlar nasıl bölünecektir. 00:59.040 --> 01:06.510 Dolayısıyla bu özellik dedektörleri ile ilgili her şeyi öğreneceğimiz evrim operasyonu bir adım olacaktı. 01:06.510 --> 01:08.790 Ayrıca hangi filtreler hakkında konuşacağız. 01:08.790 --> 01:11.030 Gelecekteki haritalar hakkında konuşacağız. 01:11.070 --> 01:16.110 Ve ne farklı parametreler olduklarını anlıyorlar ve bazı görsel örneklere 01:16.110 --> 01:17.360 de bakıyorsunuz. 01:17.520 --> 01:26.010 Sonra, Adım 1 Kısım B'yi Lehre veya gerçek katman hakkında konuşacağız ve bu daha sonra 01:26.130 --> 01:34.830 doğrusallaştırılmış birimi düzeltiyor ve doğrusallığın neden iyi olmadığını ve ağımızda resim tanıma için daha fazla doğrusal 01:34.830 --> 01:36.700 olmayanlık istediğimizi konuşacağız. 01:36.870 --> 01:42.420 ve havuz oluşturma işlemi için alabileceğiniz diğer yaklaşımlar hakkında birkaç şeyden söz edeceğiz. . 01:42.420 --> 01:48.960 Sonra Adım 2 havuzlamadan bahsedeceğiz ve havuzun nasıl çalıştığını anlayacağız, özellikle Max havuz hakkında konuşacağız ve 01:48.960 --> 01:51.960 ayrıca, havuz yapma veya bazı havuz oluşturma 01:51.960 --> 01:58.650 Ayrıca bu konferansta çok güzel bir örnek vereceğiz, böylece bakacağımız çok görsel bir etkileşimli 01:58.650 --> 01:59.730 araç olacak. 01:59.730 --> 02:05.190 Bu dersin sonuna kadar dikkat etmeyi unutmayın, çünkü bu, öğrenme sürecinize 02:05.190 --> 02:06.810 çok değer katacaktır. 02:06.810 --> 02:09.110 Orada sonunda tartışacağımız şey. 02:09.120 --> 02:10.650 Üçüncü basamak. 02:10.680 --> 02:16.290 Dolayısıyla burada, havuz halinde katmanlarınızdan yassı kanepelerinize nasıl geçileceği üzerine hızlı bir eğitim 02:16.380 --> 02:19.560 verilecek ve ardından tam bağlantılar hakkında konuşacağız. 02:19.560 --> 02:26.130 Bu, her şeyi bir araya getiren ve her şeyi perspektif haline getiren ve aslında her 02:26.130 --> 02:29.680 şeyin nasıl yürüdüğünü gösteren çok etli bir öğreticidir. 02:29.700 --> 02:35.100 Günün sonunda ve bu nihai nöronların Umich'i nasıl sınıflandıracağını çok çok önemli bir şekilde anlamaları. 02:35.100 --> 02:42.340 Tauriel ve umarım bu sizin için her şeyi özetleyecek ya da çeşit olarak bir araya getirecektir. 02:42.540 --> 02:46.260 Son olarak, konuştuğumuz her şeyi özetleyen bir özet hazırlıyoruz. 02:46.560 --> 02:52.260 Ekstra küçük bir özellik olarak, yumuşak Max ve çapraz entropi hakkında bir öğretici de ekledim. 02:52.260 --> 02:57.780 Bu dersi almak zorunda değilsiniz, ancak bu, harika bir bilgi ilavesi olacağını 02:57.780 --> 03:02.010 düşündüm, çünkü bunlar, konvolüsyonel sinir ağları ile uğraşırken karşılaşacağınız terimlerdir. 03:02.070 --> 03:08.130 Belki de derhal çekin. Belki bu terimlere rastladığınızda, bu derste tekrar gelebileceğinizi ve yumuşak 03:08.130 --> 03:13.800 Max ve çapraz entropinin ne olduğunu daha iyi anlamak için bu eğiticiyi alabileceğinizi 03:13.800 --> 03:14.530 bildireceksiniz. 03:14.760 --> 03:20.610 Ayrıca, bu yazıların her zaman olduğu gibi, daha fazla bilgi edinmek ve daha fazla bilgi edinmek 03:20.670 --> 03:23.100 için size önerilen çok sayıda okuma olacaktır. 03:23.370 --> 03:28.250 Ve bu notada, ilk öğreticide görmek çok heyecan verici ve eğlenceli olacak görmek için sabırsızlanıyorum. 03:28.310 --> 03:31.260 S. Ve bir dahaki sefere kadar derin öğrenmenin tadını çıkarın.