|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/neuralnet/
课程评论：没有评论
《NumPy・Python3でゼロから作るニューラルネットワーク》是Coursera上的一门课程，旨在帮助学习者从零开始、使用NumPy和Python3构建神经网络。 **课程亮点：** * **无需特定库：** 课程不依赖TensorFlow、Chainer等深度学习框架，而是专注于使用NumPy和Pandas等基础库进行矩阵计算和数据处理。 * **深入理解原理：** 通过手动实现神经网络，学习者将深入理解误差逆传播（Backpropagation）算法、梯度下降法的原理，以及如何优化权重。 * **实践驱动：** 课程鼓励学习者通过调整学习率、隐藏层数量等参数，亲身体验它们对模型性能的影响。 * **数学基础讲解：** 课程会详细解释实现神经网络所需的数学概念，包括指数、对数、微分和链式法则（复合函数微分），即使数学基础薄弱（初中水平）的学习者也能理解。 **适合人群：** * 希望深入理解神经网络和深度学习底层原理的学习者。 * 希望通过实践掌握梯度下降和反向传播算法的学习者。 * 对使用基础库（如NumPy）构建模型感兴趣的学习者。 **不适合人群：** * 只需要快速使用深度学习框架（如TensorFlow）进行模型构建而无需深入理解原理的学习者。 * 对数学讲解不感兴趣或不适合通过视频学习的学习者。 **更新内容：** * 新增了最终課題的Jupyter Notebook格式示例代码。 * 加入了关于反向传播的讲座。 * 补充了关于多层神经网络输出计算的讲解。 总而言之，这门课程提供了一个扎实的基础，让学习者能够真正掌控神经网络的构建和优化过程。
＊2017/8/14 最終課題のサンプルコード（Jupyter Notebook形式）を掲載しました。 ＊2017/6/2 バックプロパゲーションのレクチャーを追加しました。 ＊2017/5/17 多層ニューラルネットワークでの出力計算を掲載しました。 ニューラルネットワークを多層化したディープラーニングは、画期的な精度向上を実現し、大変注目を集めています。そして、TensorFlow, Chainer, Caffe 2などさまざまなライブラリが登場して、以前より手軽にディープラーニングを実装できるようになりました。 しかし、こうしたライブラリを使いこなすためにも、ブラックボックス化されている最適化の手法を理解しておくと、学習の精度を向上させるためのパラメーター最適化などに役立ちます。 この講座では、上記のような各種ライブラリを使用せず、NumPyやPandasなど行列計算やデータ入出力ライブラリだけを使用してニューラルネットワークを作成し、誤差の逆伝播（バックプロパゲーション）による重みの最適化や、勾配降下法の原理についての理解を目指します。 これにより学習率や隠し層の数などのパラメーターを変化させると、結果にどのような影響があるのか、を体験を通じて理解できます。 レクチャーでは数学的な処理についても逐一解説をしていきます。中学レベルの数学的知識があれば理解できるように指数対数や、微分、合成関数の微分（チェインルール）などについて解説をしますので、高校数学に自信がない方でもチャレンジできます。 数学的な解説・理解が不要な方、映像による学習は好きではない方には受講をお勧めしませんので、十分ご注意ください。 それでは一緒に学びましょう！
