|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/reseau-neurones/
课程评论：没有评论
**课程名称：** 从零开始构建神经网络 **课程概述：** 本课程将带您从零开始，不依赖任何专业库，使用Python语言实现神经网络。通过本课程的学习，您将能够理解并使用任何编程语言来构建神经网络。课程将从直观和数学两方面深入剖析神经网络的工作原理。您还将学习到一些至关重要的训练技巧，例如log-sum-exp trick，用于稳定训练过程，以及jacobian-vector product，用于防止训练过程中内存呈指数级增长。这些技巧对于成功训练大多数神经网络至关重要。课程内容涵盖了在图像分类和回归等实际问题中训练神经网络，我们将实现各种成本函数和激活函数。本课程适合希望从头开始构建神经网络的开发人员，以及希望从根本上理解神经网络工作原理的学习者。课程使用Python进行教学，要求具备基础的编程知识。若基础薄弱，建议先学习编程速成课。同时，具备代数和分析学的知识将有助于更深入地学习本课程。 **课程涵盖的主要概念：** * 神经网络基础 * 从零开始实现神经网络 * 梯度下降与雅可比矩阵 * 构建可嵌套的模块以创建复杂的神经网络架构 * log-sum-exp trick * 雅可比矢量积 * 激活函数（如 ReLU、Softmax、LogSoftmax 等） * 成本函数（如 MSELoss、NLLLoss 等） *本课程会定期更新，并添加额外内容。立即开始您的机器学习之旅吧！*
Dans ce cours, nous allons implémenter un réseau de neurones en partant de zéro, sans librairies dédiées. Ainsi, bien que nous allons utiliser le langage de programmation python, à l'issue de ce cours, vous aurez la capacité d'implémenter un réseau de neurones, dans n'importe quel langage de programmation. Nous verrons le fonctionnement des réseaux de neurones de manière intuitive, puis mathématique. Nous verrons également certaines astuces primordiales, qui permettent de stabiliser l'entraînement des réseaux de neurones (log-sum-exp trick), et d'empêcher que la mémoire utilisée pendant l'entraînement ne croisse de manière exponentielle (jacobian-vector product). Sans ces astuces, la plupart des réseaux de neurones ne pourraient être entraînés. Nous allons entraîner nos réseaux de neurones sur des problèmes réels de classification d'images et de régression. Pour cela, nous allons implémenter différentes fonctions de coûts, ainsi que plusieurs fonctions d'activations. Ce cours s'adresse aux développeurs qui aimeraient implémenter un réseau de neurones en partant de zéro ainsi qu'à ceux qui veulent comprendre comment fonctionne un réseau de neurones de A à Z. Ce cours est enseigné en utilisant le langage de programmation Python et requiert des connaissances de base en programmation. Si vous n'avez pas les bases requises, je vous recommande de vous mettre à jour en suivant un cours accéléré de programmation. Il est également recommandé d'avoir des connaissances en Algèbre et en Analyse afin de profiter au mieux de ce cours.Concepts abordés: Les réseaux de neurones L'implémentation de réseaux de neurones en partant de zéro Descente de gradient et matrice Jacobienne La création de Modules qui peuvent s'imbriquer dans le but de créer une architecture neuronale complexe Le log-sum-exp trick Produit vectoriel jacobien Les fonctions d'activations (ReLU, Softmax, LogSoftmax,...) Les fonctions de coûts (MSELoss, NLLLoss,...) Ce cours est fréquemment mis à jour, avec l'ajout de bonus.N'attendez plus avant de vous lancer dans le monde du machine learning!
