Aprendizado profundo
Delegar a engenharia de atributos a camadas empilhadas
OVERVIEW
- Todos os conceitos
- 6
- Iniciante
- 2
- Intermediário
- 3
- Especialista
- 1
The turning point of deep learning was not “more layers” but the discovery that with enough width, data and stable optimisation, the intermediate abstractions grow on their own. This domain starts from a single neuron and works up to backpropagation, convolution, attention and the normalisation tricks that make depth actually trainable.
Perguntas que este domínio responde
- Q1
What is a single neuron actually computing?
- Q2
How does backpropagation carry error backwards?
- Q3
Why are deeper networks harder to train?
Entradas deste domínio
- 01Neurônio e perceptronInicianteA peça menor de uma rede neural: uma soma ponderada, um viés e um toque de não linearidade
- 02RetropropagaçãoIntermediárioTransformar “calcular o gradiente” de um trabalho matemático penoso em uma única chamada de função: o instante em que o aprendizado profundo decolou
- 03Funções de ativaçãoInicianteSem ela, até a mais profunda rede é apenas uma única transformação linear
- 04Redes neurais convolucionaisIntermediárioSubstituir as conexões densas por “olhar localmente e reutilizar o mesmo filtro em toda parte”: a ideia que tornou o reconhecimento de imagens funcional
- 05Redes neurais recorrentesIntermediárioDar memória à rede: uma mesma unidade reutilizada no tempo para tratar sequências de qualquer comprimento
- 06Normalização e conexões residuaisEspecialistaTornar treinável uma rede de cem camadas: um atalho de identidade e uma reescala por camada