แรงบันดาลใจจากทรานซิสเตอร์
การเรียนรู้ของเครื่องเป็นเรื่องยากบทเรียนจำนวนมากเป็นเรื่องยากที่จะติดตามและยากที่จะเข้าใจซอฟต์แวร์ 2.0 จากหลักการแรก
คุณอยากเป็นวิศวกร ML หรือไม่? นี่คือขั้นตอนที่จะทำได้ดี:
- ดาวน์โหลดกระดาษ
- นำไปใช้
- ทำสิ่งนี้ต่อไปจนกว่าคุณจะมีทักษะ
- George Hotz
สร้างเครือข่ายประสาทเรียบง่าย - โปรแกรมเล็ก ๆ แห่งแรกของคุณ! การทำให้แบบจำลองทำงานและเรียนรู้พื้นฐานของการเรียนรู้อย่างลึกซึ้ง [รหัส] [วิดีโอ]
การสร้าง CNN ง่าย ๆ - บทอินโทรเพื่อการเรียนรู้ลึกเรียนรู้วิธีสร้าง CNN ง่าย ๆ และเข้าใจแนวคิดของการโน้มน้าวใจและการรวมกลุ่ม [รหัส] [วิดีโอ]
การสร้าง RNN ง่าย ๆ - เรียนรู้พื้นฐานของเครือข่ายประสาทที่เกิดขึ้นอีกและเข้าใจแนวคิดของ "หน่วยความจำ" ที่ช่วยให้พวกเขาเก็บสถานะของอินพุตก่อนหน้านี้ [รหัส] [วิดีโอ]
การใช้งาน Lenet - เรียนรู้เกี่ยวกับสถาปัตยกรรม Lenet และแอปพลิเคชัน [รหัส] [กระดาษ]
การใช้ Alexnet - เรียนรู้วิธีการใช้ Alexnet สำหรับงานการจำแนกรูปภาพ [รหัส] [กระดาษ]
การใช้ ResNet - เรียนรู้วิธีการใช้ RESNET สำหรับงานการจำแนกรูปภาพ [รหัส] [กระดาษ]
การสร้าง DCGAN - เรียนรู้วิธีการสร้าง DCGAN และแนวคิดของการฝึกอบรมฝ่ายตรงข้าม [รหัส] [กระดาษ]
การใช้งาน GRU และ LSTM - เรียนรู้เกี่ยวกับแนวคิดของเซลล์ LSTM และ GRU [รหัส] [กระดาษ]
การใช้ CBOW และ SKIP-GRAM-เรียนรู้เกี่ยวกับสถาปัตยกรรม Word2veC และแอปพลิเคชัน [รหัส] [กระดาษ]
การสร้างหม้อแปลง - เรียนรู้เกี่ยวกับสถาปัตยกรรมหม้อแปลงและแอปพลิเคชัน [รหัส] [กระดาษ]
ปรับแต่งเบิร์ต-เรียนรู้เกี่ยวกับสถาปัตยกรรมเบิร์ตและปรับแต่งแบบจำลองที่ผ่านการฝึกอบรมมาก่อน [รหัส] [กระดาษ]