Apa yang sebenarnya dihitung sebuah neural network, kenapa nonlinearitas adalah intinya, dan bagaimana bobotnya belajar.
Python
PyTorch
NumPyIni simulasi asli dari modulnya. Tanpa akun.
Hanya saran, tidak pernah mengunci — Anda bisa mulai di sini.
Judul dan ringkasan setiap pelajaran terbuka untuk umum. Isi pelajarannya terbuka setelah Anda memiliki jalurnya. Pelajaran bertanda gratis bisa dibaca utuh sekarang juga, tanpa akun.
Semua pelajaran di Pengantar Deep Learning & Neural NetworkSebuah neuron hanyalah jumlah berbobot ditambah satu fungsi yang membengkokkan. Tumpuk beberapa, dan garis lurus berubah menjadi batas apa pun yang Anda butuhkan.
Kenapa sigmoid hampir hilang dari lapisan tersembunyi, dan apa yang menggantikannya.
Aturan rantai, graf komputasi, dan kenapa satu backward pass cukup untuk jutaan bobot.
Dari tensor ke model yang terlatih: forward, loss, backward, step — dan cara membaca kurvanya.
Optimizer, jadwal learning rate, inisialisasi, normalisasi, dan regularisasi — hal-hal yang membuat pelatihan benar-benar konvergen.
Tensor, autograd, nn.Module, DataLoader, dan pelatihan di GPU — PyTorch secukupnya untuk bekerja sendiri.
Konvolusi, pooling, dan arsitektur CNN — kenapa berbagi bobot membuat gambar bisa dipelajari.
Dari RNN dan LSTM ke self-attention — arsitektur di balik setiap LLM modern.
