Лекция 2. Основы нейронных сетей

  1. 00:16Введение
  2. 00:55Пример бинарной классификации
  3. 05:17Однослойный перцептрон
  4. 07:38Многослойный перцептрон
  5. 08:32Как найти оптимальные веса ω, b?
  6. 12:08Прямой и обратный проход
  7. 15:01Градиентный спуск
  8. 16:55Цикл обучения
  9. 17:55Теорема об универсальной аппроксимации
  10. 20:03Обучение нейронных сетей на практике
  11. 24:11Итоги
  12. 25:50Практика: обучение нейронной сети
  13. 27:18Тензоры
  14. 29:17Автоматическое дифференцирование
  15. 36:05Генерация данных
  16. 39:00Разбиение на train/validation/test
  17. 42:54Определение модели
  18. 45:59Функция потерь и оптимизатор
  19. 46:54Цикл обучения
  20. 53:21Оценка на тестовой выборке
  21. 55:32Задания