Como aprender redes neuronales

El primer paso es comprender los algoritmos básicos de aprendizaje automático, como la regresión lineal y la regresión logística, y luego estudiar las redes neuronales, cuyo mejor recurso es Andrew Ngs (Ex-Google, Stanford, Baidu), un curso en línea en Coursera. Pasar por las conferencias es suficiente para comprender los conceptos básicos, pero las tareas llevan su comprensión a otro nivel. El siguiente paso es desarrollar la intuición para las redes neuronales. Así que adelante, escribe tu primera red neuronal y juega con Tensorflow – Neural Network Playground.

Además, si tiene alguna duda, consulte los siguientes recursos

1)

2. Estas notas son muy intuitivas, intente leerlas CS231n Redes neuronales convolucionales para el reconocimiento visual

3. Redes neuronales y aprendizaje profundo.

4. Tutorial de aprendizaje de funciones y aprendizaje profundo sin supervisión

Ahora, después de tener una comprensión básica, sugeriría implementar Neural Networks, hacer alguna aplicación usando Neural Network. por ejemplo, el reconocimiento de dígitos intenta participar en la competencia de kaggle de Reconocimiento de dígitos.

Si encuentra redes neuronales interesantes y desea estudiar aprendizaje profundo, comience con lo siguiente

1. Aprendizaje profundo para principiantes

2.aprendizaje profundo

3.fast.ai · Hacer que las redes neuronales se enfríen nuevamente

La respuesta de Xavier Amatriain es correcta. Sugeriré algunos recursos más para un público un poco sofisticado, pero los autoaprendices con buenas habilidades de agarre también deberían sumergirse en él.

Las escuelas de aprendizaje profundo:

bayareadlschool: El video de YouTube de todas las sesiones está aquí:

Día 1:

Dia 2:

Escuela de verano de aprendizaje profundo, Montreal 2015

Escuela de verano de aprendizaje profundo, Montreal 2016

El mejor libro de referencia está disponible en línea de forma gratuita:

Aprendizaje profundo

Si tiene hambre de más, diríjase a:

ChristosChristofidis / impresionante-aprendizaje profundo

Los recursos anteriores deberían darle una idea de la teoría, las diversas herramientas y los diversos tipos de problemas que pueden resolverse mediante el aprendizaje profundo (redes neuronales profundas).

Después de eso, o más bien simultáneamente, quieres ensuciarte las manos con algunos buenos problemas de Kaggle:

Concursos de profundización.

Use esto para comenzar:

Predicción del virus del Nilo Occidental

Reconocimiento de dígitos | Kaggle

Reconocimiento de dígitos | Kaggle

Una vez que estés muy cómodo, estoy seguro de que Xavier estará muy ansioso por contratarte 🙂

¿Sabes cómo funciona tu cerebro?

Imagina que estás viviendo en una ciudad pequeña desde hace unos meses y tienes una casa grande. Cada vez que tienes un visitante, escuchas el sonido de la puerta. Es posible que durante los primeros días no pueda identificar si es sonido de puerta o si es algo más. De hecho, ignoras si hay algún sonido y solo sabes si hay un visitante solo cuando ella está en tu puerta. Después de unos días comienzas a identificar patrones de sonidos de la puerta. También hay otros sonidos, como el viento, pájaros piando, coches pasando. Pero su mente se vuelve buena ignorando (menos peso) y se enfoca en el sonido de la puerta (más peso).

Ahora hay otro problema: su vecino tiene el mismo tipo de puerta que usted y tiene un sonido similar cuando tiene visitante. Durante los primeros días puede confundirse con esos dos sonidos similares y concluir que tiene un visitante, pero en realidad es de su vecino. Después de unos meses, su mente se entrenó tanto que pudo identificar a sus visitantes sentados en su casa solo escuchando el sonido de la puerta. Cuando su mente se domine, incluso podrá identificar si su visitante es realmente su hijo, o su perro o es alguien que no ha visitado antes.

¡Qué grande es nuestra mente! El cerebro está lleno de neuronas y su red se llama red neuronal.

Si construyes una máquina que implementa la lógica del cerebro de cómo aprende las cosas, se llama red neuronal artificial .

He terminado ahora. Ahora lea cualquier material que tenga sobre ANN, podrá captarlo. si no, házmelo saber.

La mejor manera de aprender algo es entender la idea de que se está desarrollando.

Del mismo modo, para las redes neuronales, primero debe comprender la idea detrás de la red neuronal. Puede comenzar tratando de entrenar problemas lineales clasificables simples (como la compuerta AND). Asegúrese de comprender correctamente el concepto de propagación hacia atrás. Y luego pase a la necesidad de múltiples capas en una red neuronal (para entrenar problemas no linealmente separables como XOR). Entonces puedes pasar a problemas más grandes.

Redes neuronales y aprendizaje profundo.

Encontré esto como un recurso muy valioso para comprender las redes neuronales.

No sé si este es el mejor, pero es bastante bueno.

1. Instale python (use el instalador anaconda python de continuum analytics si está ejecutando windows).
2. Google para el tutorial para escribir una red neuronal en 11 líneas de python.
3. Hay un anexo al tutorial que agrega algunas líneas más para una funcionalidad avanzada.
4. Intenta resolver algunos problemas de aprendizaje automático con tu red neuronal.
5. Optimizar.
6. Agregue monitoreo e informes (gráficos de dibujo, errores de medición para diferentes parámetros).
7. Lea los documentos de investigación de redes neuronales, cuando encuentre un término que no entiende vaya e investigue ese término hasta que lo haga.

La palabra “más” es un poco vaga. Sin embargo, me gustaría darle una respuesta genérica 🙂

Compruebe las redes neuronales para el aprendizaje automático – Universidad de Toronto | Coursera, Georgia Tech Computer Science Degrees (curso de ciencias de datos) y Data Science | Udacity y sumérgete en las lecciones de la red neuronal 🙂

También puede consultar publicaciones recientes en la Conferencia de 2016, la ICML de la ciudad de Nueva York y otras conferencias líderes sobre aprendizaje automático, visión artificial e intentar encontrar documentos que ilustren los resultados de la investigación en redes neuronales.

Salud !

Supongo que la mejor manera es siempre seguir un curso sobre redes neuronales.

Este es un concepto bastante fácil de entender pero difícil de dominar. Es posible que tenga éxito en crear una red neuronal simple, pero no tendrá idea de cómo está funcionando. Comprender las razones por las que una red neuronal funciona de la manera que lo hace es realmente importante.

Puedes intentar leer algunos libros (hay muchos por ahí). Le recomiendo que elija un curso que lo cubra en su universidad si puede.

Espero que haya ayudado

La entrada para NN podría ser una imagen, datos numéricos, etc. y estos datos están presentes en forma de matriz / vectores que luego se pasan a la capa de entrada y los pesos deben ajustarse para imitar a NN el comportamiento esperado.

Ej .: Puertas lógicas Y / O / NO.

Puede obtener más información sobre el NN de Welch Labs, está disponible en YouTube y sus videos son mucho más informativos.

Para una mejor comprensión de NN debe tomar el curso de Machine Learning de Andrew Ng

Aprendizaje automático – Universidad de Stanford | Coursera

Intente buscar tutoriales de redes neuronales del Prof. Andrew Ng, él le dará una intuición del proceso desde cero, comprender la propagación hacia atrás y lo que está haciendo en cada paso es muy importante pero muy difícil y puede suceder que pueda sentir cosas poco complejas en el primer intento Así que ten paciencia y mira todos los tutoriales con paciencia. El profesor le dará una buena forma de técnica de bucle para hacerle comprender la propagación hacia atrás para obtener el valor de los gradientes. Y le sugiero que revise los recursos proporcionados por el equipo de Coursera para el curso de aprendizaje automático del profesor Andrew Ng, allí puede obtener la implementación vectorizada de esta técnica, que es mucho más rápida y más fácil de interpretar cuando tomé el curso.

¡¡Todo lo mejor!!

Patrick Winston en el MIT dio grandes conferencias sobre redes neuronales en su curso de Inteligencia Artificial. Los videos están disponibles en YouTube. Explica muy bien y usa pocas ecuaciones para que cualquiera pueda tener una mejor imagen.

clasificamos las redes neuronales como una nueva tecnología y su herramienta importante para resolver problemas, pero creo que debe comenzar desde el principio, ya que nos enseñan en la universidad, como comenzar con la primera generación de redes neuronales como (hip, perceptrón, perceptrón multicapa , adaline, multi adalaine,) y comprenda cómo va e intente implementarlos en matlab cuando comprenda estos elementos básicos y cómo funcionan realmente estas cosas, puede buscar el moderno

Le recomiendo que conozca la intuición detrás de las redes neuronales, qué significan realmente las redes neuronales, qué no es realmente linealidad, entonces es bueno codificar una red neuronal básica, le sugiero que compruebe el aprendizaje automático de Stanford de la manera en que Andrew Ng explicó más de lo que se requiere para un novato. Si desea ser un experto en redes neuronales, definitivamente sugeriría el curso de redes neuronales para aprendizaje automático de Hinton en Coursera.

Diría que comience con la lectura del resumen de las redes neuronales y vea videos en él. Aquí se menciona uno de los videos precisos.

Mire este video Redes neuronales en R

Hay muchos blogs excelentes, distill.pub, blogs de cOlah y contenido MIT OCW. También puede comenzar con AI: un enfoque moderno de Russell y Norvig.