Apprentissage profond à partir de zéro

Chapitre 3. Le Deep Learning à partir de zéro

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Tu ne t'en rends peut-être pas compte, mais tu as maintenant toutes les bases mathématiques et conceptuelles pour répondre aux questions clés sur les modèles de Deep Learning que j'ai posées au début du livre : tu comprends comment fonctionnent les réseaux neuronaux - les calculs impliqués dans les multiplications de matrices, la perte et les dérivées partielles par rapport à cette perte - ainsi que la raison pour laquelle ces calculs fonctionnent (à savoir, la règle de la chaîne issue du calcul). Nous sommes parvenus à cette compréhension en construisant des réseaux neuronaux à partir des premiers principes, en les représentant comme une série de "blocs de construction" où chaque bloc de construction est une fonction mathématique unique. Dans ce chapitre, tu apprendras à représenter ces blocs de construction eux-mêmes sous forme de classes Python abstraites, puis à utiliser ces classes pour construire des modèles de Deep Learning ; à la fin de ce chapitre, tu auras effectivement fait du "deep learning from scratch" !

Nous mettrons également en correspondance les descriptions des réseaux neuronaux en termes de ces éléments constitutifs avec des descriptions plus conventionnelles des modèles de Deep Learning que tu as peut-être déjà entendues. Par exemple, à la fin de ce chapitre, tu sauras ce que signifie ...