|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/master-neural-networks-build-with-javascript-and-react/
课程评论：没有评论
课程名称：掌握神经网络：使用 JavaScript 和 React 构建 课程概述： 欢迎参加《掌握神经网络：使用 JavaScript 和 React 构建》课程。本课程旨在帮助任何希望从零开始理解和构建神经网络的人士，使用 JavaScript 和 React 技术。 您将学习到的内容： 1. 神经网络简介 - 理解感知器的基础知识及其与生物神经元的相似性。 - 学习感知器的基本工作原理。 2. 构建简单感知器 - 编写一个感知器来分类简单物体（如铅笔和橡皮），使用硬编码数据。 - 从头实现基本感知器，并用样本输入和输出进行训练。 - 绘制图形并解释定义加权和及激活函数所需的步骤。 3. 数字识别的感知器 - 进阶至编码数字识别的感知器，使用 MNIST 数据集识别数字是否为 0。 - 使用 MNIST 数据集训练感知器，优化权重和偏差。 - 学习计算准确率和处理误分类数据的技巧。 - 保存和导出训练好的模型以在网页应用中使用。 4. 解析和预处理 MNIST 数据 - 学习如何自行解析和预处理 MNIST 数据。 - 理解文件格式及将图像数据转换为可用于训练的格式所需的步骤。 5. 构建多层感知器 (MLP) - 开发更复杂的 MLP 以识别数字 0 到 9。 - 实现训练算法并理解反向传播。 - 探索不同的激活函数，例如 ReLU 和 Softmax。 6. 使用 JavaScript 和 React 的实际实现 - 将神经网络集成到使用 JavaScript、React 和 Node.js 的网页应用中。 - 构建和部署具有神经网络功能的全栈应用程序。 - 创建一个 React 应用程序以测试和可视化模型，包括在画布上绘制和进行预测。 7. 集成 TensorFlow 库 - 学习如何设置使用 TensorFlow 的神经网络。 - 使用 TensorFlow 识别数字 0-9。 课程特色： - 一步一步的编码教程和详细解释。 - 动手项目以巩固您的理解。 - 神经网络决策边界的图形可视化。 - 保存和导出训练模型的技术以用于现实世界应用。 - 从基本感知器到多层感知器的全面覆盖。
Welcome to Master Neural Networks: Build with JavaScript and React. This comprehensive course is designed for anyone looking to understand and build neural networks from the ground up using JavaScript and React.What You'll Learn:Introduction to Neural NetworksUnderstand the basics of perceptrons and their similarities to biological neurons.Learn how perceptrons work at a fundamental level.Building a Simple PerceptronCode a perceptron to classify simple objects (e.g., pencils vs. erasers) using hardcoded data.Implement a basic perceptron from scratch and train it with sample inputs and outputs.Draw graphs and explain the steps needed, including defining weighted sums and activation functions.Perceptron for Number RecognitionAdvance to coding a perceptron for number recognition using the MNIST dataset to identify if a number is 0 or not.Train the perceptron using the MNIST dataset, optimizing weights and biases.Learn techniques to calculate accuracy and handle misclassified data.Save and export the trained model for use in web applications.Parsing and Preprocessing MNIST DataLearn to parse and preprocess MNIST data yourself.Understand the file formats and the steps needed to convert image data into a usable format for training.Building a Multi-Layer Perceptron (MLP)Develop a more complex MLP to recognize digits from 0 to 9.Implement training algorithms and understand backpropagation.Explore various activation functions like ReLU and Softmax.Practical Implementation with JavaScript and ReactIntegrate neural networks into web applications using JavaScript, React, and Node.js.Build and deploy full-stack applications featuring neural network capabilities.Create a React application to test and visualize your models, including drawing on a canvas and making predictions.Integrate TensorFlow libraryLearn to setup Neural networks with TensorFlowUse Tensorflow to recognize numbers from 0-9Course Features:Step-by-step coding tutorials with detailed explanations.Hands-on projects to solidify your understanding.Graphical visualization of neural network decision boundaries.Techniques to save and export trained models for real-world applications.Comprehensive coverage from basic perceptrons to multi-layer perceptrons.
