lab
Neural Network
Deutsch

Tutorials

  1. Was ist ein neuronales Netzwerk?
    1. Tauchen Sie ein in das Neuron
    2. Wie simuliert ein neuronales Netz eine beliebige Funktion
    3. Warum brauchen wir neuronale Netze
  2. Wie baut man ein neuronales Netz auf?
    1. Vollständig verbundenes neuronales Netzwerk
    2. Verwenden Sie ein grafisches Tool, um ein neuronales Netzwerk zu entwerfen
    3. Die "Aktivierungsfunktion" der Ausgabeschicht
  3. So trainieren Sie ein neuronales Netz
    1. Lernalgorithmus und -prinzip
    2. Erstellen und trainieren Sie neuronale Netze von Grund auf neu
    3. Schreiben Sie den Code mit PyTorch um
    4. Verwenden Sie ein grafisches Tool, um das neuronale Netzwerk zu trainieren
  4. Einige wichtige Probleme des neuronalen Netzes
    1. Netzwerkstruktur
    2. Überanpassung
    3. Unteranpassung
    4. Überanpassung vs. Unteranpassung
    5. Initialisierung
    6. Verschwindender Gradient und explodierender Gradient
  5. Convolutional Neural Network (CNN)
    1. 1D-Faltung
    2. 1D-Faltungsexperimente
    3. 1D-Pooling
    4. 1D-CNN-Experimente
    5. 2D-CNN
    6. 2D-CNN Experimente
  6. Rekurrentes neuronales Netz (RNN)
    1. Vanille RNN
    2. Seq2seq, Autoencoder, Encoder-Decoder
    3. Erweiterte RNN
    4. RNN-Klassifikationsexperiment
  7. Verarbeitung natürlicher Sprache
    1. Embedding: Symbole in Werte umwandeln
    2. Textkategorisierung 1
    3. Textkategorisierung 2
    4. TextCNN
    5. Entitätserkennung
    6. Wortsegmentierung, Wortart-Tagging und Chunking
    7. Sequenz-Tagging in Aktion
    8. Bidirektionales RNN
    9. BI-LSTM-CRF
    10. Beachtung
  8. Sprachmodelle
    1. n-gram-Modelle: Unigram
    2. n-gram-Modelle: Bigram
    3. n-gram-Modelle: Trigram
    4. RNN-Sprachmodelle
    5. Transformer-Sprachmodelle
  9. Lineare Algebra
    1. Vektor
    2. Matrix
    3. Eintauchen in die Matrixmultiplikation
    4. Tensor