این دوره چگونه کار میکند، و اولین پیشبینی شما
چرا مهم است بیشتر مردم شبکههای عصبی را با تماشای اجرای کد کس دیگری یاد میگیرند. اینجا شما هر تکه را میسازید و پیش از آنکه چیزی رخ دهد پیشبینی میکنید چه خواهد شد. پیشبینی کردن در ابتدا همان چیزی است که تماشا را به فهم تبدیل میکند.
پیش از شروع
- آنچه لازم دارید. ریاضی مدرسه (دوره هر شیب، لگاریتم و احتمالی را که به کار میبرد آموزش میدهد) و کمی پایتون: حلقهها، تابعها، فهرستها و دیکشنریها. چیزی برای نصب نیست: همه چیز در همین مرورگر اجرا میشود.
- چقدر طول میکشد. بخش 1 (ساختن و آموزش، ماژولهای 0 تا 14) حدود 90 ساعت کار است، و اگر ماژول پایتون را رد کنید حدود 80 ساعت: با 6 ساعت در هفته، حدود 15 هفته. بخش 2 (تولید، مقیاس و فهم، ماژولهای 15 تا 24: مدلهای مولد، انتشار، یادگیری خودنظارتی، قوانین مقیاس، سازگار کردن مدلها و نگاه به درونشان، سنجیدن ادعاها، یک پروژهٔ پایانی و آزمون نهایی) حدود 50 ساعت، یعنی 9 هفتهٔ دیگر، اضافه میکند. هر بخش گواهی خودش را دارد. هر ماژول زمان خودش را در صفحهٔ دوره نشان میدهد.
- از قبل به پایتون مسلطید؟ ماژول 1 با یک دروازه تمام میشود. اول آن را امتحان کنید: قبول شدن در آن ماژول را رد میکند و مستقیم به ریاضی میروید.
- برنامهنویس باتجربه هستید؟ زمانهای نشاندادهشده برای کسی است که با این موضوع تازه آشنا میشود. کسانی که از پیش کارشان برنامهنویسی است اغلب به یکسوم آن نیاز دارند، بهویژه در ماژولهای ریاضی و اولین شبکه (2 تا 4): اول تمرین هر درس را بخوانید و فقط جایی که برایتان تازه است آهسته کنید.
- موضوع یک ماژول را از قبل میدانید؟ ماژولهای 1 (پایتون)، 2 (ریاضی)، 3 (از نورون تا شبکه)، 4 (autograd) و 7 (دادهٔ تازه) هر کدام با دروازهای تمام میشوند که میتوانید اول، با دستیار هوش مصنوعی خاموش، امتحانش کنید. قبول شدن در آن ماژول را تمامشده علامت میزند و ماژول بعدی را باز میکند؛ گواهی دروازه را برای آن ماژول حساب میکند.
چهار عادتی که تمرین میکنید
- پیشبینی منحنی (Call the Curve). پیش از یک اجرای آموزش، زیان آن را در چند نقطه حدس میزنید. سپس اجرا میشود و میبینید چقدر نزدیک بودید. در طول دوره حدسهایتان دقیقتر میشوند؛ این دقیقتر شدن شهود واقعی است.
- لایه را به دست آورید (Earn the Layer). دوره یک کتابخانهٔ کوچک از لایههای آماده دارد. هر کدام قفل میماند تا وقتی خودتان آن را با NumPy ساده بسازید و از بررسی گرادیان بگذرد. پس از آن از نسخهٔ سریع استفاده میکنید.
- دفتر FLOP. یک FLOP یک ضرب یا جمع است. هر اجرا در دوره گزارش میدهد چند تا مصرف کرده، پس یاد میگیرید چه چیزی ارزان و چه چیزی گران است.
- چهار شاخص. پیشرفت شما روی چهار مهارت سنجیده میشود: ساختن (نوشتن آن)، تشخیص (پیدا کردن آنچه خراب است)، پیشبینی (گفتن آنچه رخ خواهد داد) و اعتماد (قضاوت اینکه کی پاسخ یک هوش مصنوعی اشتباه است).
اولین پیشبینی منحنی شما
در زیر، یک نورون تنها خط y = 3x + 1 را با نزول گرادیان یاد میگیرد. زیان بالا شروع میشود و پایین میآید. زیان را در گام 0، 5، 20 و 100 حدس بزنید، سپس کد را اجرا کنید: آموزش میبیند و حدس شما را کنار مقدار واقعی، همراه با یک امتیاز، چاپ میکند. نگران درست بودن نباشید. یک حدس واقعی بزنید.
زیان (loss): یک عدد که میگوید مدل در همین لحظه چقدر اشتباه میکند. آموزش یعنی کوچکتر کردن آن.
واژهها و نمادهای این درس
- زیان
- یک عدد که میگوید مدل چقدر اشتباه میکند؛ آموزش آن را کوچکتر میکند
- پیشبینی منحنی
- حدس زدن زیان در چند نقطه پیش از یک اجرا و سپس مقایسه
- FLOP
- یک ضرب یا جمع؛ روشی که دوره با آن هزینهٔ یک اجرا را میسنجد
- چهار شاخص
- ساختن، تشخیص، پیشبینی و اعتماد: چهار مهارتی که آزمونها میسنجند
هر None در my_guess را با حدستان برای زیان در گامهای 0، 5، 20 و 100 جایگزین کنید. سپس اجرا کنید. هر حدس صادقانهای قبول میشود؛ امتیاز برای خود شماست.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
پیشرفت شما ناشناس شمرده میشود. تغییر این
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.