Para comprender la intuición detrás del aprendizaje profundo, recomendaría los siguientes pasos:
- Comprender la intuición detrás de la propagación hacia atrás. Comprenda las matemáticas detrás de él y, básicamente, lo que significa propagar los errores para corregir los pesos capa por capa.
- Comprenda la intuición detrás del uso de convoluciones en CNN para darse cuenta de cómo resuelve el problema de la invariancia de traducción.
- Obtenga más información sobre los detalles de la agrupación máxima en CNN y comprenda por qué es necesario.
- Si ya sabe qué es el sobreajuste, tenga una idea de lo que significa el abandono y por qué se utiliza como un medio eficaz para regularizar la arquitectura de red de alta dimensión.
- Obtenga una mejor comprensión de cómo ajustar la precisión de las redes neuronales y lo que significa tener una tasa de aprendizaje muy alta / muy baja v / s diferentes medios para hacer un descenso de gradiente estocástico.
Ahora, habiendo entendido lo anterior, tome un problema de muestra como el reconocimiento facial y observe los patrones de los pesos aprendidos en diferentes capas y aprecie el aprendizaje de características jerárquicas en las CNN. Correlacione lo que ve con cada uno de los pasos anteriores que entendió y comprenda sus efectos al producir el resultado.
- ¿Por qué CS51 no está disponible en edX como CS50? ¿Estará disponible?
- ¿Qué es mejor, inteligencia artificial o desarrollo de software?
- ¿Se puede utilizar la programación lineal para la optimización de hiperparámetros en el aprendizaje automático?
- Si los números constructivos positivos también pueden tender al infinito, entonces, ¿dónde están los otros tipos de números irracionales positivos en la recta numérica?
- ¿Cuáles son los principales usos de las mini computadoras?