Administrativne informacije
| Naslov | Propagiranje prema naprijed |
| Trajanje | 60 |
| Modul | B |
| Vrsta lekcija | Udžbenik |
| Fokus | Tehničko – dubinsko učenje |
| Tema | Propusnica prema naprijed |
Ključne riječi
Naprijed prolaz, Gubitak,
Ciljevi učenja
- Razumjeti proces naprijed propusnice
- Razumjeti kako izračunati predviđanje unaprijed prolaza, kao i gubitak isključen
- Razviti napredni prolaz bez modula u Pythonu (osim Numpyja)
- Razviti naprijed prolaz pomoću Keras
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
Nijedan.
Neobvezno za studente
- Množenje matrica
- Započnite s Numpyjem
- Poznavanje linearne i logističke regresije ([predavanje: Linearna regresija]
Preporuke i pozadina za studente
- John D Kelleher i Brain McNamee. (2018.), Fundamentals of Machine Learning for Predictive Data Analytics (Osnove strojnog učenja za prediktivnu analizu podataka), MIT Press.
- Michael Nielsen. (2015.), Neuralne mreže i duboko učenje, 1. Resorni tisak, San Francisco CA SAD.
- Charu C. Aggarwal. (2018.), Neuralne mreže i duboko učenje, 1. Springer
- Antonio Gulli, Sujit Pal. Dubinsko učenje s Kerasom, Packtom, [ISBN: 9781787128422].
Preporučeno nastavnicima
Nijedan.
Nastavni materijali
- [Problem 1 (slika)]
- [Problem 2. i 3. problem (HTML)]
- Drugi i treći problem (.ipynb)
Upute za učitelje
- Ovaj tutorial će upoznati studente s osnovama naprijed propagacije za umjetnu neuronsku mrežu. Ovaj tutorial će se sastojati od naprijed prolaz pomoću olovke i papira, koristeći Python sa samo Numpy biblioteka (za matrice manipulacije), a zatim pomoću KERAS. To će se temeljiti na temeljnom razumijevanju koje se funkcije aktivacije primjenjuju na specifične problematične kontekste i kako se funkcije aktivacije razlikuju u računalnoj složenosti i primjeni od olovke i papira, do kodiranja od nule pomoću Numpyja i zatim pomoću modula visoke razine -> Keras.
- Učenicima će biti predstavljena tri problema:
- Problem 1.: (Primjer 1 iz predavanja -> Slika o RHS-u ovog WIKI-ja) i zamolili su da provedu propusnicu prema naprijed koristeći sljedeće parametre (20 minuta za dovršetak):
- Funkcija aktivacije sigmoida za skriveni sloj
- Funkcija aktivacije sigmoida za vanjski sloj
- Funkcija gubitka MSE-a
- Drugi problem: (Primjer 1 iz predavanja), studenti će biti zamoljeni (s uputama ovisno o prethodnom iskustvu kodiranja) da razviju neuronsku mrežu od nule koristeći samo Numpy modul, te utege i aktivacijske funkcije iz problema 1 (koje su iste kao primjer 1. iz predavanja (20 minuta do završetka).
- Treći problem: (Primjer 1 iz predavanja i koristeći isti primjer, ali nasumične težine), studenti će biti zamoljeni (uz vodstvo ovisno o prethodnom iskustvu kodiranja) da razviju neuronsku mrežu koristeći Tensorflow 2.X modul s ugrađenim Keras modulom, te utezima i aktivacijskim funkcijama iz problema 1, a zatim pomoću slučajnih težina (koje su iste kao primjer 1. iz predavanja: 20 minuta za dovršetak).
- Problem 1.: (Primjer 1 iz predavanja -> Slika o RHS-u ovog WIKI-ja) i zamolili su da provedu propusnicu prema naprijed koristeći sljedeće parametre (20 minuta za dovršetak):
- Podcilj za ova tri problema je da se učenici naviknu na strukturu i primjenu temeljnih koncepata (funkcije aktivacije, topologije i funkcije gubitka) za duboko učenje.
- Keras i TensorFlow 2.X koriste se i koristit će se za sve buduće primjere.
Nacrt
| Trajanje (min) | Opis |
|---|---|
| 20 | Problem 1.: Olovka i papir implementacija naprijed propusnice (primjer iz predavanja) |
| 20 | Drugi problem: Razvoj neuronske mreže od nule pomoću Numpyja (primjer iz predavanja) |
| 10 | Treći problem: Razvoj neuronske mreže pomoću Kerasa (primjer iz predavanja s postavljenim utezima i slučajnim utezima) |
| 10 | Preuzmite proces naprijed prolaza |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.