Просто восхитительно, настолько просто и понятно преподносить информацию, сколько же часов и месяцев нужно было потратить на ее понимание сортировку и перефразирование. Волшебный курс, спасибо огромное за такое подробное и хорошее объяснение, как вся эта магия работает.
Есть лишь 2 проблемы в данных уроках - сильная взаимосвязь между уроками и отсутствие передовых направлений (например, datashift set). Желаю вам дальнейших успехов и развития в более углубленных сферах науки. За нужными статьями - обращайтесь в лс
Наверно, все же стандартизируем, т.к. бывают последовательности сложных зависимостей и разработчик сам решает, как их лучше видоизменить для ускорения обучения НС.
@@selfedu_rusВ русском тут каша с терминологий: нормировка, нормирование, нормализация, стандартизация. Лучше по англоязычным источникам ориентироваться. Там нормализацией (normalization) называется приведение вектора к норме, например деление на корень из суммы квадратов или на сумму модулей - так ограничивается длина вектора параметров. А по одному признаку из разных образов выборки делается масштабирование (scaling) - основные варианты: мин-макс (x - x_min)/(x_max - x_min) или стандартизация (x - x_mean)/x_std.
вы говорите что без базовой математической подготовки и знаний основных моментов тут никуда. а что посоветуете перед вашим курсом изучить? что бы всё это понимать.
Теория вероятностей, мат. статистика, векторы + матрицы, дифференцирование, градиентный спуск, марковские последовательности. Это только для моего, а вообще для понимания НС нужно хорошо знать высшую математику + цифровая обработка сигналов. (Это минимум).
Здравствуйте. Подскажите, как правильно проводить нормализацию выборкам трехмерным координатам, где одна координата всегда около ноля а вторые две вплоть до 6го порядка.
@@Ваня-ш4ф получается практически плоскость. каждую координату по своему мин-макс наверно надо нормировать, чтобы получаалось более менее равномерное распределение входных данных.
Посмотрев 4 видео и когда вы показываете код, я ничего не понимаю, вот и думаю где у меня пробел. Я новичок в Python, успел изучить основы языка, ООП, немного numpy, немного pandas, а вот сейчас начал смотреть ваши видео. Подскажите пожалуйста что еще необходимо посмотреть перед этим курсом, что бы было более понятно что тут происходит?
@@selfedu_rus когда вы начинаете писать код, рассказываете, это мы модель тренируем, это мы модель проверяем и используете различные методы, вот они и не понятны, что можно посмотреть дополнительно и где рассказывается о создании своей нейросети, как я понимаю у меня в этом пробел, я не совсем понимаю это
@@iglstivens Каждый решает сам, как удобнее. Эти курсы пересекаются. Попробуйте этот пройти, пусть с пробелами, потом же можно вернуться и посмотреть снова.
Смотря какая функция активации на выходных нейронах. Если softmax или сигмоида, то выходы будут от 0 до 1, при гиперболическом тангенсе - [-1; 1] при линейной - любые числа. Все зависит от конкретной задачи.
Нормировать? В сетИ обычно говорят "нормализовать". :) Видимо, так проще всего мозгу, ведь в англоязычном интернете это "normalization". Кстати, про "сЕтИ". Хоть тут и спорят про ударение, но чисто логически -- если ударение на первый слог, то без контекста это всегда множественное число (сЕти). А если на второй, то это однозначно единственное число и какой-то падеж. Соотвественно, безусловное использование слова с ударением на первый слог повышает E (энтропию), заставляя каждый раз точнее распознавать контекст. А использование "сЕти" для множ. и "сетИ" для ед. ч., в свою очередь, наоборот Information Gain. :) Ну да ладно, кому как нравится. :) Возможно, это лишь для меня как удары в гонг, от которых аж подвисаю. :) А, кстати, про "биос/биас". :) Лучше таки использовать правильное произношение, а то люди ж запомнят, а потом не распознают это слово от других людей. Правильно оно звучит примерно так: баяс/байас /ˈbaɪ.əs/ . Т.е. не БИ в начале, а БАЙ.
Не всегда так. 😊 Я помню в далёком детстве не понимал, почему некоторые дяди очень похожи на тётю. Я тогда имел ввиду только причёску. Но когда мне было уже за 20 и я по телеку увидел "тётю" с бородой. Я чуть не получил "перелом мозгов". 😂
Этот парень просто красавчик! Спасибо тебе большое! В ВУЗе не преподают НС, хоть тут учусь.
Просто восхитительно, настолько просто и понятно преподносить информацию, сколько же часов и месяцев нужно было потратить на ее понимание сортировку и перефразирование. Волшебный курс, спасибо огромное за такое подробное и хорошее объяснение, как вся эта магия работает.
Вы лучший учитель! Спасибо Вам!
У вас шикарные видео. Хоть и разбирался в работе алгоритма back propagation по вашему коду часа 2-3 )
Приятно слушать, Вы явно где-то преподаете.
именно так, зрите в корень )
@@selfedu_rus а если не секрет где?
большое спасибо за уроки!
Очень хорошая серия уроков
спасибо, думала, что в моей нейронке что-то не так с алгоритмом, оказалось, что нужно просто нормировать данные
Супер! Отличная серия уроков, спасибо!
Отличные уроки! Большое спасибо!
Очень толковые рекомендации!
Товарищ редактор текстов, будь здоров!)
а есть где-то текстовые варианты конспектов? чтобы можно было если что заглянуть, если забыл?
шикарно
Есть лишь 2 проблемы в данных уроках - сильная взаимосвязь между уроками и отсутствие передовых направлений (например, datashift set). Желаю вам дальнейших успехов и развития в более углубленных сферах науки. За нужными статьями - обращайтесь в лс
Спс
я новичок в дата сайнс подскажите какие темы стоит параллельно изучать в купе с этими уроками по нс?
Супер !!!!!
Благодарю!! 👍🔥
6:43 извините, вопрос, стандартизируем или все-таки нормализуем значения? Похоже на нормализацию.
Наверно, все же стандартизируем, т.к. бывают последовательности сложных зависимостей и разработчик сам решает, как их лучше видоизменить для ускорения обучения НС.
Рекомендуется для начала выполнить нормализацию, а после выполнить стандартизацию
@@selfedu_rusВ русском тут каша с терминологий: нормировка, нормирование, нормализация, стандартизация. Лучше по англоязычным источникам ориентироваться. Там нормализацией (normalization) называется приведение вектора к норме, например деление на корень из суммы квадратов или на сумму модулей - так ограничивается длина вектора параметров. А по одному признаку из разных образов выборки делается масштабирование (scaling) - основные варианты: мин-макс (x - x_min)/(x_max - x_min) или стандартизация (x - x_mean)/x_std.
Спасибо.
Для стандартизации можно использовать z преобразование?
(X(I) - X(средний))/√(D(Дисперсия))
Здесь строгих правил нет, все зависит от задачи, эрудиции и фантазии разработчика.
@@selfedu_rus спасибо
4:43 А где эти ссылки? В описании и комментариях нет
ua-cam.com/video/xDpe9KlYj9Q/v-deo.html
Первый, спасибо за урок
Вот это годнота!
А как можно с помощью нейросети скопировать какую-нибудь систему поведения? Ведь по идее, сеть более внимательная к мелочам, чем человек.
Это глобальный вопрос, над которым сейчас бьются ученые мира! ))
Эм извините а как все таки это в ide записать я непонимаю
вы говорите что без базовой математической подготовки и знаний основных моментов тут никуда. а что посоветуете перед вашим курсом изучить? что бы всё это понимать.
Теория вероятностей, мат. статистика, векторы + матрицы, дифференцирование, градиентный спуск, марковские последовательности. Это только для моего, а вообще для понимания НС нужно хорошо знать высшую математику + цифровая обработка сигналов. (Это минимум).
@@selfedu_rus а есть курсы в интернете которые вы бы порекомендовали для того что бы этому всему обучиться?
@@xrrrx1528 есть на канале. Чекай плейлисты
Здравствуйте. Подскажите, как правильно проводить нормализацию выборкам трехмерным координатам, где одна координата всегда около ноля а вторые две вплоть до 6го порядка.
@@Ваня-ш4ф получается практически плоскость. каждую координату по своему мин-макс наверно надо нормировать, чтобы получаалось более менее равномерное распределение входных данных.
Посмотрев 4 видео и когда вы показываете код, я ничего не понимаю, вот и думаю где у меня пробел. Я новичок в Python, успел изучить основы языка, ООП, немного numpy, немного pandas, а вот сейчас начал смотреть ваши видео. Подскажите пожалуйста что еще необходимо посмотреть перед этим курсом, что бы было более понятно что тут происходит?
Основы Python и ООП Python, математика, numpy. Если это хорошо известно, то должно быть понято.
@@selfedu_rus когда вы начинаете писать код, рассказываете, это мы модель тренируем, это мы модель проверяем и используете различные методы, вот они и не понятны, что можно посмотреть дополнительно и где рассказывается о создании своей нейросети, как я понимаю у меня в этом пробел, я не совсем понимаю это
@@iglstivens Есть курс по Tensorflow + Keras на этом же канале. Там подробнее все это объясняется.
@@selfedu_rus т.е лучше сперва пройти курс по Tensorflow а потом пройти этот?
@@iglstivens Каждый решает сам, как удобнее. Эти курсы пересекаются. Попробуйте этот пройти, пусть с пробелами, потом же можно вернуться и посмотреть снова.
а нужно ли стандартизировать отклики?
Смотря какая функция активации на выходных нейронах. Если softmax или сигмоида, то выходы будут от 0 до 1, при гиперболическом тангенсе - [-1; 1] при линейной - любые числа. Все зависит от конкретной задачи.
Нормировать? В сетИ обычно говорят "нормализовать". :) Видимо, так проще всего мозгу, ведь в англоязычном интернете это "normalization".
Кстати, про "сЕтИ". Хоть тут и спорят про ударение, но чисто логически -- если ударение на первый слог, то без контекста это всегда множественное число (сЕти). А если на второй, то это однозначно единственное число и какой-то падеж. Соотвественно, безусловное использование слова с ударением на первый слог повышает E (энтропию), заставляя каждый раз точнее распознавать контекст. А использование "сЕти" для множ. и "сетИ" для ед. ч., в свою очередь, наоборот Information Gain. :)
Ну да ладно, кому как нравится. :) Возможно, это лишь для меня как удары в гонг, от которых аж подвисаю. :)
А, кстати, про "биос/биас". :) Лучше таки использовать правильное произношение, а то люди ж запомнят, а потом не распознают это слово от других людей.
Правильно оно звучит примерно так: баяс/байас /ˈbaɪ.əs/ . Т.е. не БИ в начале, а БАЙ.
6+ )))
6+
+
5+
+++
ВЕДЬ человеку не надо для того чтобы отличать женшену он мужчины смотреть на 5 милион людей
мы наследуем уже обученный мозг, потом только немного доводим и все
Не всегда так. 😊
Я помню в далёком детстве не понимал, почему некоторые дяди очень похожи на тётю. Я тогда имел ввиду только причёску. Но когда мне было уже за 20 и я по телеку увидел "тётю" с бородой. Я чуть не получил "перелом мозгов". 😂