学习如何使用普通Python构建神经网络视频教程

通过构建没有库或框架的神经网络来理解线性回归、梯度下降等等

你会学到什么
理解神经网络背后的思想。
了解如何使用普通Python创建神经网络。
学习概念，如前馈，反向传播，梯度下降，逐步回归。
了解Softmax、ReLU和Sigmoid如何让您逼近复杂的非线性预测函数。
要意识到神经网络不是魔术，可以不用库，用你想要的任何语言实现。

MP4 |视频:h264，1280×720 |音频:AAC，44.1 KHz，2声道
语言：英语+中英文字幕（云桥CG资源站 机译） |时长:20节课(3小时10分钟)|大小解压后:956 MB


要求
你对神经网络感兴趣。
你有一些Python或其他语言的编程经验。
这门课没有练习。请随意编写代码示例。

描述
我叫Loek van den Ouweland，是一名拥有25年工作经验的高级软件工程师。我是Wunderlist for windows、Microsoft To-do和麻将for windows的创建者，我喜欢教授软件工程！

在本课程中，您将学习如何使用普通Python构建神经网络。无需任何库，您将看到一个简单的神经网络如何从4行代码演变成一个能够识别手写数字的网络。在这个过程中，你会学到一些概念，如:前馈，成本，反向传播，隐藏层，线性回归，梯度下降和矩阵乘法。Python neural networks from scratch. Build them step by step

本课程的主题是

线性回归

成本函数

偏见

多端输入

标准化

梯度下降

分类

激活

多类分类

非线性数据

隐藏层

每个主题都是前一个例子的延续。这样，你将从头开始学习神经网络。


为什么这门课和其他的不一样？

许多教程声称从零开始，但导入外部库或快速输入代码，在执行之前，你甚至会看到50行代码。当代码最终运行时，您完全不知所措，仍然试图理解第3行。

我的目标是从绝对的开始开始。这意味着一个空的python文件，并且没有导入库。在我们达到目标之前，我们需要采取许多步骤。但是，只要我们一步一步来，这并不一定是个问题！

我从我的学生那里得到的反馈是，在这个课程之后，他们理解了如何以一种保护他们免受需求变化影响的方式来设计他们的软件！

这门课是给谁的
希望学习如何从零开始，一步一步地构建神经网络，而不使用任何库的开发人员。



云桥CG资源站 为三维动画制作，游戏开发员、影视特效师等CG艺术家提供视频教程素材资源！