Description du cours
Ce chapitre présent les réseaux de neurones. Vous apprendrez ce qu’ils sont et comment ils sont utilisés. Il présente également le type le plus élémentaire de réseau neuronal. Les entrée et les sorties seront abordées et expliqués dans ce chapitre. Ce chapitre expliquera également la différence entre la classification et la régression pour les réseaux de neurones.
Ce que vous allez apprendre
- Comprendre ce que sont les réseaux de neurones et comment ils sont utilisés
- Explorer la structure d'un réseau de neurones
- Examiner le perceptron monocouche comme le type le plus basique de réseau de neurones
- Distinguer les entrées et les sorties dans un réseau de neurones
- Différencier la classification de la régression pour les réseaux de neurones
Points clés à retenir
- Les réseaux de neurones sont présentés dans ce chapitre, couvrant ce qu'ils sont et comment ils sont utilisés.
- Le perceptron monocouche est présenté comme le type le plus basique de réseau de neurones.
- Les entrées et les sorties des réseaux de neurones sont abordées et expliquées.
- Le chapitre explique la différence entre la classification et la régression pour les réseaux de neurones.
Foire aux questions
Que couvre ce cours ?
Ce chapitre présente les réseaux de neurones, y compris ce qu'ils sont et comment ils sont utilisés, le type de réseau de neurones le plus basique, les entrées et les sorties, ainsi que la différence entre la classification et la régression pour les réseaux de neurones.
Quels sont les objectifs d'apprentissage de ce cours ?
Les objectifs sont de comprendre ce que sont les réseaux de neurones et de comprendre la différence entre la classification et la régression.
Quelles leçons sont incluses dans ce chapitre ?
Les leçons sont Les réseaux de neurones et leurs utilisations, La structure des réseaux de neurones, Le perceptron monocouche, Entrées par rapport aux sorties, et Classification par rapport à la régression.
À quelles compétences ce cours se rapporte-t-il ?
Il se rapporte aux Applications de l'intelligence artificielle, aux Réseaux de neurones artificiels, à la Rétropropagation, au Deep Learning, aux Méthodes de Deep Learning et à l'Ingénierie neuronale.
