easyT
  • S'abonner
Se connecter
easyT
  • Diplômes
  • Cours
  • Livres numériques
  • Formateurs
  • S'abonner
Se connecter

Parcourir

  • Tous les cours
  • Diplômes
  • S'abonner
  • Formateurs

Compte

  • Mes cours
  • Achats
  • Favoris
  • Paramètres

Rejoignez-nous

  • Devenir formateur
  • Affiliation
  • À propos

Téléchargez l'app

Apps en développement
Tous droits réservés © 2003-2026 · easyT.onlineConditions généralesPolitique de confidentialitéPolitique de remboursementContactez-nousVérifier un certificat
Page du cours

Simulation de l'esprit humain dans la pensée

Votre progression
0%

Votre progression reflète uniquement ce que vous avez réellement regardé

Introduction

Leçon précédente

Notes

Prenez des notes pendant le cours, liées au moment exact de la vidéo, et retrouvez-les à tout moment.

Disponible avec un abonnement

Repères

Marquez les moments importants de la vidéo d'un geste et revenez-y directement.

Disponible avec un abonnement

Zico — votre guide d'apprentissage

Résume la leçon, réexplique n'importe quel point, répond à vos questions et vous évalue après chaque leçon.

Disponible avec un abonnement

Communauté

Échangez avec les autres apprenants, posez vos questions et partagez votre savoir dans chaque leçon.

Disponible avec un abonnement
Votre progression0%
0 sur 64 leçons
  • Introduction1:56
  • Réseau de neurones8:13
  • Apprentissage supervisé et réseaux de neurones7:52
  • Classification binaire13:55
  • Charger la liste des symboles
  • Algorithme de régression logistique8:51
  • Fonction de coût11:43
  • Calculer les valeurs des variables14:00
  • Calcul13:34
  • Graphique computationnel6:23
  • Graphique computationnel pour le calcul des dérivées15:24
  • Calcul des dérivées pour l'application de l'algorithme12:51
  • Calcul des dérivées pour plusieurs exemples10:34
  • Comprendre les directions15:59
  • Charger un exemple pratique
  • Utiliser les directions dans l'algorithme de régression linéaire14:45
  • Distribution en Python14:29
  • Charger un exemple pratique
  • Introduction au réseau de neurones creux11:08
  • Représentation du réseau de neurones creux et calcul de la sortie17:30
  • Calcul de la sortie pour plusieurs exemples10:25
  • Fonction d'activation11:23
  • Calcul pour les fonctions d'activation15:58
  • Chargement du format de fonction
  • Mise en œuvre de la descente de gradient pour le réseau de neurones creux18:27
  • Introduction aux réseaux de neurones profonds11:19
  • Propagation avant dans les réseaux de neurones profonds13:52
  • Comment calculer les dimensions de la matrice22:52
  • Composants essentiels pour la mise en œuvre des réseaux de neurones profonds14:14
  • Mise en œuvre des composants essentiels pour le calcul de la descente de gradient11:22
  • Hyperparamètres4:44