Como este curso funciona e sua primeira previsão
Por que isso importa A maioria das pessoas aprende redes neurais vendo o código de outra pessoa rodar. Aqui você constrói cada peça e prevê o que vai acontecer antes que aconteça. Prever primeiro é o que transforma assistir em entender.
Antes de começar
- Do que você precisa. Matemática do ensino médio (o curso ensina cada inclinação, log e probabilidade que usa) e um pouco de Python: loops, funções, listas e dicionários. Nada para instalar: tudo roda neste navegador.
- Quanto tempo. A Parte 1 (Construir e Treinar, Módulos 0 a 14) é de cerca de 90 horas de trabalho, umas 80 se você pular o módulo de Python: a 6 horas por semana, cerca de 15 semanas. A Parte 2 (Gerar, Escalar e Entender, Módulos 15 a 24: modelos generativos, difusão, aprendizado autossupervisionado, leis de escala, adaptar modelos e olhar dentro deles, julgar afirmações, um projeto final e o exame final) acrescenta cerca de 50 horas, mais 9 semanas. Cada parte tem seu próprio certificado. Cada módulo mostra seu próprio tempo na página do curso.
- Já é fluente em Python? O Módulo 1 termina com um portão. Faça-o primeiro: passar nele pula o módulo, e você vai direto para a matemática.
- Programador experiente? Os tempos mostrados são para alguém novo no assunto. Quem já programa profissionalmente muitas vezes precisa de um terço deles, principalmente nos módulos de matemática e das primeiras redes (2 a 4): leia o exercício de cada lição primeiro e só vá devagar onde for novidade para você.
- Já conhece o tema de um módulo? Os Módulos 1 (Python), 2 (matemática), 3 (do neurônio à rede), 4 (autograd) e 7 (dados novos) terminam cada um com um portão que você pode fazer primeiro, com o tutor de IA desligado. Passar nele marca o módulo como concluído e abre o próximo; o certificado conta o portão para aquele módulo.
Quatro hábitos que você vai praticar
- Chame a Curva. Antes de uma execução de treino, você chuta a perda em alguns pontos. Depois ela roda e você vê o quanto chegou perto. Ao longo do curso seus chutes ficam mais precisos; esse ganho de precisão é intuição de verdade.
- Conquiste a Camada. O curso tem uma pequena biblioteca de camadas prontas. Cada uma fica bloqueada até você construí-la sozinho em NumPy puro e ela passar em uma verificação de gradiente. Depois disso, você usa a versão rápida.
- O Livro de FLOPs. Um FLOP é uma multiplicação ou uma soma. Toda execução no curso informa quantos usou, para você aprender o que é barato e o que é caro.
- Quatro indicadores. Seu progresso é medido em quatro habilidades: Construir (escrever), Diagnosticar (achar o que está quebrado), Prever (dizer o que vai acontecer) e Confiar (julgar quando uma resposta de IA está errada).
Seu primeiro Chame a Curva
Abaixo, um único neurônio aprende a reta y = 3x + 1 por gradient descent. A perda começa alta e cai. Chute a perda nos passos 0, 5, 20 e 100 e depois rode o código: ele treina e imprime seu chute ao lado do valor real, com uma pontuação. Não se preocupe em acertar. Faça um chute de verdade.
Perda: um número que diz o quanto o modelo está errado agora. Treinar é o trabalho de deixá-lo menor.
Palavras e símbolos nesta lição
- perda
- um número que diz o quanto o modelo está errado; o treino o deixa menor
- Chame a Curva
- chutar a perda em alguns pontos antes de uma execução e depois comparar
- FLOP
- uma multiplicação ou soma; como o curso mede o custo de uma execução
- quatro indicadores
- Construir, Diagnosticar, Prever e Confiar: as quatro habilidades que os exames medem
Substitua cada None em my_guess com seu palpite para a perda nos steps 0, 5, 20 e 100. Depois execute. Qualquer palpite honesto passa; a pontuação é para você.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Seu progresso é contado anonimamente. Mude isso
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.