Νευρωνικά δίκτυα και perceptron πολλαπλών επιπέδων

31 λεπτά
Ενότητα 11 — Αλγόριθμοι ταξινόμησης
Στόχος
να ορίσεις αυστηρά τον τεχνητό νευρώνα και την αρχιτεκτονική σε στρώματα, να κατανοήσεις τον μηχανισμό μάθησης με οπισθοδιάδοση, να ξέρεις να παραμετροποιείς ένα MLPClassifier σε διοχέτευση, και να αποφασίζεις αν ένα πολυστρωματικό perceptron δικαιολογείται σε πινακοποιημένα δεδομένα.
Εκτιμώμενη διάρκεια
55 λεπτά
Προαπαιτούμενα
κεφάλαια 023 (κλιμάκωση), 029 (fit / predict), 030 (σφάλμα, απώλεια, μετρική), 031 (υπερπροσαρμογή), 033 (μείωση της υπερπροσαρμογής), 036 (λογιστική παλινδρόμηση)
Σχετικά κουίζ
043.1-quiz-neurone-artificiel.md έως 043.7-quiz-positionnement-tabulaire.md

Προεπισκόπηση — η συνέχεια του μαθήματος είναι διαθέσιμη στους εγγεγραμμένους.

Έχετε ήδη εγγραφεί με κωδικό;

Η πρόσβασή σας συνδέεται με τον λογαριασμό σας, όχι με αυτόν τον σύνδεσμο. Συνδεθείτε με το ίδιο email που χρησιμοποιήσατε στην τάξη: το μάθημά σας σας περιμένει, δεν χρειάζεται να ξαναβάλετε τον κωδικό.

ΣύνδεσηΔεν έχετε λογαριασμό; Δημιουργήστε έναν
Αυτό το μάθημα ανήκει στην ενότητα «Αλγόριθμοι ταξινόμησης»

Οι πρώτες ενότητες του μαθήματος είναι σε ελεύθερη πρόσβαση. Για τη συνέχεια υπάρχουν τρεις δρόμοι: αγοράστε αυτό το μάθημα μία φορά, κάντε συνδρομή, ή εισαγάγετε τον κωδικό που δόθηκε στην τάξη.

Συνδρομή — 19 $ US/μήναΕπιστροφή στο πλάνο
Είστε φοιτητής σε αυτό το μάθημα;

Ο κωδικός συνδέεται με τον λογαριασμό σας: συνδεθείτε ή δημιουργήστε λογαριασμό και θα εφαρμοστεί αυτόματα όταν επιστρέψετε.

Δεν έχετε λογαριασμό; Δημιουργήστε έναν