Hoppa till innehållet
AI-grafen
Logga in
☰ Meny

Mål D AI-utvecklare

Träna ditt första neuronnät

Bygg och träna ett litet neuronnät i PyTorch, och förstå varje steg: forward pass, loss, gradienter och uppdatering av vikterna.

Kunskaper
30
Från noll
ca 19 h
Labbar
6
Se vad du redan kan — utan konto

Diagnosen föreslår en startpunkt. Övningarna visar vad du faktiskt kan.

Det här kan du efteråt

Labbar på vägen

Du skriver koden. Tester du inte ser avgör om den håller.

Labb: träna en sifferklassificerare i PyTorchDsandlåda · ca 60 minProjekt 2: Bygg ett neuronnät från grundenDsandlåda · ca 150 minLabb: ett neuronnät i ren NumPy — forward, backprop, gradientkontrollDsandlåda · ca 75 minLabb: gradient descent från grundenDi webbläsaren · ca 50 minLabb: matrismultiplikation och ett lager i ett neuronnätDi webbläsaren · ca 45 minLabb: skalärprodukt, norm och cosinuslikhetDi webbläsaren · ca 40 min

Hela vägen

Allt målet bygger på, grupperat per nivå och i den ordning det bygger på varandra. Visa på kartan

AUpptäckare2 kunskaper
  1. Mönster och kategorier
  2. Sekvenser och exakta instruktioner
BUtforskare5 kunskaper
  1. Data i vardagen
  2. Algoritmiskt tänkande
  3. Regelbaserade system och maskininlärning
  4. Träningsdata, features och etiketter
  5. Klassificering: hur en modell sorterar information
CByggare8 kunskaper
  1. Funktioner och koordinatsystem
  2. Programmeringslogik — variabler, villkor, loopar
  3. Python — grunderna
  4. Python — listor, loopar och dictionaries
  5. Statistik — medelvärde, median och spridning
  6. Sannolikhet — grunderna
  7. Linjär regression: anpassa en rät linje till data
  8. Neuronnät — intuitionen
DAI-utvecklare15 kunskaper
  1. Derivata och optimering
  2. Python — funktioner, scope och undantag
  3. Python — moduler, paket och virtuella miljöer
  4. Git — versionshantering
  5. Gradient descent
  6. Precision, recall, F1 och ROC
  7. Vektorer
  8. Matriser och matrismultiplikation
  9. Neuronnät — forward pass med matriser
  10. Backpropagation
  11. PyTorch — tensorer och autograd
  12. Dataloaders, batchar och epoker
  13. Träna ett neuronnät i PyTorch
  14. MNIST från grunden
  15. Projekt D: egen klassificerare i PyTorch