Budowanie sieci neuronowych od podstaw: matematyka, algorytmy i Python

Czy chcesz wyjść poza proste wywoływanie funkcji biblioteki i naprawdę zrozumieć, jak działają nowoczesne modele sztucznej inteligencji?Opanowanie matematycznych i algorytmicznych podstaw sieci neuronowych jest niezbędne dla każdego, kto poważnie myśli o głębokim uczeniu się. Ten kurs zapewnia podstawową, praktyczną ścieżkę do budowania sieci neuronowych z pierwszych zasad.Pod koniec będziesz posiadać głębokie teoretyczne zrozumienie wspólnych architektur sieci, metod optymalizacji i praktycznej zdolności do ich skutecznego wdrażania za pomocą Pythona. Czego się nauczysz: * Zrozumieć podstawy algebry liniowej i rachunku za propagacją feedforward i backpropagation. * Budowanie podstawowych elementów sieci (warstwy, funkcje aktywacji, funkcji strat) przy użyciu tylko standardowych bibliotek Pythona. * Zastosuj algorytmy optymalizacji, takie jak Gradient Descent i jego warianty, aby skutecznie trenować modele. * Ćwicz nowoczesne techniki Pythona, w tym wektoryzację, w celu wydajnego obliczania numerycznego. * Analizuj wewnętrzną mechanikę popularnych ram głębokiego uczenia się, takich jak TensorFlow i PyTorch. Treść rozpoczyna się od ustalenia niezbędnych warunków wstępnych matematycznych i wprowadzenia podstawowych pojęć, a następnie przechodzimy do krok po kroku implementacji podstawowych sieci neuronowych, a także praktycznych ćwiczeń koncentrujących się na treningu i optymalizacji. Ten kurs jest przeznaczony wyłącznie dla początkujących w AI i głębokim uczeniu się, którzy mają podstawową wiedzę na temat Pythona, ale nie mają wcześniejszego doświadczenia z teorią lub implementacją sieci neuronowych. Rozpocznij swoją podróż w kierunku zostania wykwalifikowanym praktykiem AI już dziś.