(Inggris) The Art of Neural Networks

Untuk benar-benar memahami bagaimana deep learning bekerja, Anda harus terlebih dahulu memahami mekanisme dasar dari jaringan saraf buatan. Bergantung hanya pada perpustakaan tingkat tinggi dapat menyebabkan Anda memiliki kesenjangan dalam pemahaman Anda ketika mendebugging atau mengoptimalkan arsitektur model. Kursus hanya-teks ini memandu Anda melalui matematika dasar dan desain struktural jaringan saraf. Dengan melakukan perhitungan manual langkah demi langkah, Anda akan membangun pemahaman intuitif yang kuat tentang bagaimana data mengalir melalui jaringan, bagaimana kesalahan dihitung, dan bagaimana bobot diperbarui selama pelatihan. Pengetahuan dasar ini mempersiapkan Anda untuk beralih dengan percaya diri ke konsep pembelajaran mendalam yang lebih maju. Apa yang akan kau pelajari: - Mengerti inspirasi biologi di balik neuron buatan dan sejarah perceptron. - Menganalisis topologi jaringan dan fungsi aktivasi seperti Sigmoid, ReLU, dan Tanh. - Hitung propagasi feedforward dan fungsi kerugian secara manual untuk melacak aliran data. - Lakukan backpropagation secara manual menggunakan aturan rantai untuk memperbarui berat dan bias. - Mengeksplorasi teknik optimasi modern seperti Stochastic Gradient Descent dan Adam. - Desain arsitektur jaringan dasar di kertas untuk memecahkan tugas klasifikasi dan regresi sederhana. Kami akan memulai dengan definisi dasar, membandingkan neuron biologis dengan model buatan, dan menjelajahi arsitektur jaringan dasar. Anda akan maju melalui mekanika matematika pelatihan, bekerja melalui latihan perhitungan tertulis yang terperinci dan bertahap yang mendemistifikasi algoritma backpropagation. Kursus ini dirancang untuk pemula, ilmuwan data yang bercita-cita, dan siswa yang ingin memahami matematika jaringan saraf secara mendalam sebelum menulis kode. Tidak diperlukan pengalaman sebelumnya dengan perpustakaan pembelajaran mendalam, meskipun aljabar dasar akan membantu. Mulai membaca hari ini untuk membangun dasar anti peluru dalam mekanika jaringan saraf.