В данном курсе мы детально разберём процесс создания и применения нейронных сетей. В первую очередь, мы ставим перед собой цель объяснить основополагающие теоретические идеи и практические приёмы, использующиеся при обучении самых разных нейросетевых моделей. Первая часть курса фокусируется на алгоритмах, лежащих в основе обучения нейронных сетей, вторая больше ориентирована на практическое применение полученных знаний.
Основы линейной алгебры
1.1 Общая информация о курсе
1.2 Введение
1.3 Надо ли вам смотреть эту неделю? (урок с задачами)
1.4 Ликбез по линейной алгебре: векторы
1.5 Ликбез по линейной алгебре: матрицы
1.6 NumPy: основы
1.7 Линейная алгебра в деле
Перцептрон и градиентный спуск
2.1 Нейроны: настоящие и искусственные
2.2 Перцептрон
2.3 Перцептрон: обучение
2.4 Больше искусственных нейронов!
2.5 Градиентный спуск
2.6 Больше градиентного спуска!
2.7 Однослойные модели
Алгоритм обратного распространения ошибки
3.1 Многослойный перцептрон
3.2 Алгоритм обратного распространения ошибки
3.3 Алгоритм обратного распространения ошибки: продолжение
3.4 Целевые функции
Мониторинг состояния сети
4.1 Мониторинг состояния сети
4.2 Визуализация
4.3 Тест
4.4 Практика
Сюрприз и заключение
5.1 Сюрприз!
5.2 Заключение
Arseny Moskvichev and Anastasia Miller
