Costruire una rete neurale partendo da zero. Parte 1/4

Подписаться 448

Просмотров 8 тыс.

50% 1

Questo è il primo di una serie di 4 video dedicati a chi ha qualche conoscenza di programmazione in Python ed è interessato a capire come costruire una rete neurale partendo da zero.
Il dataset utilizzato è il MNIST (cifre scritte a mano) e verranno illustrati 9 modelli, in ordine crescente di complessità.
Alla fine del 4° video sarete in grado di costruire una rete neurale che raggiunge il 99% di accuratezza nel riconoscimento delle cifre scritte a mano
Link al Notebook Python contenente il codice illustrato nel video colab.research.google.com/dri...

Опубликовано:

7 фев 2021

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист

Посмотреть позже

Комментарии : 9

@danieleangelini6238 3 года назад

Bellissimo ! Grandeee

@sdrsystem449 Год назад

questo modello è per machine L. , per il deep L. necessitano una mole di dati maggiore , questa piattaforma supporterebbe la cosa? , se ho capito bene il sistema in deep learning il sistema controlla da solo negli input se le classificazioni cambiano, diciamo che non ha bisogno dello sviluppatore per addestrarsi, il deep learning sembra una cosa molto più complessa anche concettualmente ...

@andreadotta73 5 месяцев назад

Ciao Andrea!! spieghi molto bene!!! una cosa ho seguito i tui due video su ML e la regressione lineare. ma non hai continuato la terza parte con la lasso function per migliorare la regressione lineare! che peccato!!

@sdrsystem449 Год назад

ho messo sigmoid al posto di relu e ho ottenuto 0.8 ; con relu 0.66

@giuellio75 4 месяца назад

Ma in uscita non ci devono essere 10 valori? come fai a dire il numero con un valore?

@nicolaleoni4946 2 года назад

È possibile applicare le reti neurali per prevedere l andamento dei prezzi di una azione?

@martinodespagnaita4464 2 года назад

forse

@martinodespagnaita4464 2 года назад

ma è molto difficile

@CATDIGITAL Год назад

Certo! Questa è un'applicazione frequente della machine learning chiamata "time series analysis". Questo tipo di analisi è comune per prevedere l'andamento dei prezzi azionari, ma anche per varie attività e servizi. I modelli di machine learning hanno dimostrato di essere migliori dei modelli statistici tradizionali in questa applicazione.