Głębsze sieci

Wprowadzenie do uczenia głębokiego w Pythonie

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

Wiele ukrytych warstw

ch1_4.003.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.004.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.005.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.006.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.007.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.008.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.009.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.010.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.011.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.012.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.013.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.014.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.015.png

Wprowadzenie do uczenia głębokiego w Pythonie

Wiele ukrytych warstw

ch1_4.016.png

Wprowadzenie do uczenia głębokiego w Pythonie

Uczenie reprezentacji

  • Głębokie sieci wewnętrznie budują reprezentacje wzorców w danych
  • Częściowo zastępują potrzebę inżynierii cech
  • Kolejne warstwy tworzą coraz bardziej zaawansowane reprezentacje surowych danych
Wprowadzenie do uczenia głębokiego w Pythonie

Uczenie reprezentacji

ch1_4.022.png

Wprowadzenie do uczenia głębokiego w Pythonie

Głębokie uczenie

  • Modelista nie musi określać interakcji
  • Podczas trenowania model uczy się wag, które wykrywają istotne wzorce i poprawiają predykcje
Wprowadzenie do uczenia głębokiego w Pythonie

Czas na ćwiczenia!

Wprowadzenie do uczenia głębokiego w Pythonie

Preparing Video For Download...