Deep learning 02 - il neurone che impara 

Grazie Luigi! Ci credo tanto nel rendere comprensibile e piacevole questi temi, che sono spesso presentati in modo parecchio formale. Un saluto :)

nunzio di napoli grazie ;)

Sky-Dō grazie! ;)

Ivan Guerreschi my pleasure ;) Dovremmo tutti fidarci di Einstein: "Se non lo sai spiegare in modo semplice, non l’hai capito abbastanza bene"

Chi va piano va sano e lontano! Grazie Andrea

Grazie Luca. Ho lasciato in sospeso questo corso perchè dovevo farne prima uno sul machine learning, altrimenti qui si capisce poco. In quella playlist trovi diversi esempi di reti neurali, ma nei prossimi tempi pubblicherò corsi specifici su Tensorflow. Se finita la playlist su ML sei soddisfatto e vuoi approfondire, qui ci sono i miei corsi premium: pollo-watzlawick.teachable.com/courses A presto

Michael Zama grazie :)

Python per l'analisi dei dati trovi 2 serie sul canale (cerca pandas), mentre per il python di base ti consiglio di vedere il vanale di PyMike

Guarda la playlist su ML nel canale, sono 25 e passa video faccio vedere tutto

Che vuol dire risultato errato?

@@PieroSavastano con il codice del primo video mi esce un risultato rispettivamente di: 0.7, 0.5 e 0.2 invece di: 0.9, 0.5 e 0.04. Con il codice del secondo video ricevo un error maggiore di 0 sul primo e sul secondo input.

@@MrPaconap credo dipenda dal seed, l'importante sono le proporzioni. Vedi serie sul machine learning (uno dei primi video) per la spiegazione su numpy.random.seed

@@PieroSavastano grazie mille. In realtà ci avevo pensato però mi sembra strano che un'operazione matematica come quella fatta nel primo video (che puoi eseguire tranquillamente anche con Google) e che deve portare ad un risultato esatto dia un risultato scorretto. Per questo ho pensato ad un problema di configurazione o similari. Ho provato anche a reinstallare tutto da 0 (py ed IDE) ma senza risultato sperato.

Qui PyCharm

Ho abbandonato questa serie in favore di una più nuova e pratica: ru-vid.com/group/PLa-sizbCyh93LLkjA9TvC8JHdCTLbC2PC

@@PieroSavastano oh- va be succede

Stefano Zamprogno ciao grazie mille! Se sei a Roma sta per iniziare un mio corso su ML pensato per persone che sanno programmare ma non si ricordano o non capiscono la matematica. In alternativa ti direi di buttare un'occhio sui testi o'reilly sono ben fatti. C' è poi questo bellissimo libro gratuito in inglese che è pieno di fumetti ed esempi: guidetodatamining.com

Stefano Zamprogno per le basi di matematica in sè non saprei!

Stesso identico script e cambi solo il numeor di epoche? Mi sembra strano

@@PieroSavastano esatto anche a me... dimenticavo... learning rate a 0.001

@@MarcoNanni mi viene da pensare a un bug, ci sta che all'aumentare delle epoche la rete overfitti e quindi l'accuratezza di test diminuisca, ma l'accuratezza di train non può scendere

Sì forse stai parlando della test accuracy, vedi che la train accuracy non scende Se non ti quadra la differenza vedi i primi video del mio corso gratuito su ML, in particolare questo ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-jTK6eU2ZTwY.html

Ciao Fabrizio il web è pieno di risorse, dipende da come sei messo

@@PieroSavastano che so ben poco volevo sapere se mi potevi consigliare qualche sito per cominciare con esempi pratici di Python javascript ecc

@@DevsGame su python il canale di pyMike, per la parte matematica DatoMato

Grazie ne ho altri 2 in coda! Arrivano ;)

@@PieroSavastano quando arrivano?

@@giuseppegaleotti9149 ho fatto una serie da 25 video sul machine learning, guarda quella prima altrimenti di deep non capisci nulla

@@PieroSavastano ok

Ciao Pietro due consigli: - fai audit sui dati a disposizione: dipende tutto da qualità e quantità dei dati - gestisci le aspettive: il tuo interlocutore deve sapere che questi sono metodi statistici e non un oracolo tecnologico - misura il ritorno: stabilisci una misura di prestazione del modello e mappa le prestazioni sul piano economico Questi sono i consigli che mi sento di darti "in pubblico", se vuoi parlarne in privato puoi acquistare una consulenza e ci sentiamo su hangout: pieroit.org/portfolio/it/product/consulenza-via-hangouts-skype/

Lo sto scrivendo caro! Stay tuned ;)

@@PieroSavastano fammi sapere!!!:-)

Senso fisico? Potresti chiarire? Grazie intanto del feedback!

@@PieroSavastano minuto 2.29 sulla modifica dei pesi: il tuo cercare di spiegare, dare un senso, alla moltiplicazione dell' errore per l' ingresso...tradurre le formule in "scopi" è un pò quello che bisognerebbe fare sempre

@@coniarlo ti ringrazio, insisterò anche su questo ;)

Non saprei caro, mi sembra tutto ok. Controlla bene

@@PieroSavastano ora funziona

@@PieroSavastano grazie

@@PieroSavastano posso farti una domanda? Quando tornerai a fare video

@@giuseppegaleotti9149 presto! Ne ho 5 in coda ;) Condividi a più non posso!!

Ciao Steerlock nulla di errato, hai trovato il limite di un neurone senza soglia/bias, che è l'argomento del prossimo video (lo so, ci sto mettendo una vita a farlo XD). Per come è scritto il neurone dell'esempio, il potenziale di azione è calcolato come x1w1*x2w2*...xiwi. Questo dal punto di vista geometrico è un piano che passa per l'origine, poichè quando tutte le x sono a 0 il potenziale è sempre zero. Quando poi usi la funzione di attivazione a scalino discretizzi l'output, e anche quello scalino passa per l'origine. Per ovviare al problema si usa il cosiddetto bias o soglia, per cui al potenziale d'azione aggiungi un ulteriore w che però non dipende dall'input. In questo modo il piano ha un intercetta e se ne può andare in giro via dall'origine degli assi. Prova a fare questo: - a ogni pattern di input, aggiungi un input che è sempre fisso a 1 - aggiungi un peso in più (falli partire piccoli, tipo tra -0.1 e 0.1) - rilancia e fammi sapere come è andata. In questo modo puoi approssimare diverse funzioni logiche: AND 1000 OR 1110 NAND 0111 NOR 0001 Che succede se provi con y = 0110? Quello è impossibile con un neurone solo, perchè è un problema non lineare. Da qui nasce l'esigenza di avere reti a più strati. I prossimi video sono su questi aspetti ;)