Обучение нейронной сети на Python

Настало время написать свою собственную нейронную сеть и алгоритм её обучения. С нуля. На чистом питоне. Чтобы раз и навсегда разобраться, как именно всё это работает. В этом видео мы будем использовать информацию о том, как устроена простая полносвязная нейросеть (многослойный перцептрон), как обучить нейронную сеть с помощью стохастического градиентного спуска, как написать на Python инференс для нейросети и как вычислить градиент с помощью обратного распространения ошибки. Для ознакомления с этими темами рекомендую посмотреть предыдущие видео: 1. Знакомство с нейронными сетями: 2. Как обучить нейронную сеть: 3. Инференс нейронной сети на Python: 4. Обратное распространение ошибки: Обучать будем модель для классификации цветка ириса (по четырем скалярным признакам). В качестве обучающей выборки будем использовать набор данных — Ирисы Фишера. После создания первого минимального цикла обучения я кратко покажу, как можно улучшить алгоритм обучения за счёт различных фишек: как можно настраивать гиперпараметры, как можно менять начальную инициализацию весов нейросети, и т.д. А также покажу как реализовать батч (batch) — подход, позволяющий стабилизировать стохастический градиентный спуск. Код из видео: Меня зовут Дмитрий Коробченко, и на моём канале будет много чего интересного, так что подписывайтесь и нажимайте на колокольчик, чтобы ничего не пропустить: #Нейросети​ #ГлубокоеОбучение​ #ДмитрийКоробченко​ #НейронныеСети​ #МашинноеОбучение​ #ИскусственныйИнтеллект​ #ОбучениеНейросети #ГрадиентныйСпуск #Python #Numpy