Python में न्यूरॉन और एक्टिवेशन फ़ंक्शन
शुद्ध Python में एक कृत्रिम न्यूरॉन बनाएँ: इनपुट का भारित योग और बायस, जिसे sigmoid या ReLU से गुज़ारा जाता है।
उदाहरण देखें →न्यूरल नेटवर्क, मशीन लर्निंग, Transformer और क्लासिक AI कैसे काम करते हैं, यह छोटे और रन करने योग्य Python पाठों से सीखें, जिनमें कोई AI लाइब्रेरी इस्तेमाल नहीं होती।
Python में AI की अवधारणाएँ ऑनलाइन चलाएँशुद्ध Python में एक कृत्रिम न्यूरॉन बनाएँ: इनपुट का भारित योग और बायस, जिसे sigmoid या ReLU से गुज़ारा जाता है।
उदाहरण देखें →एक छोटे न्यूरल नेटवर्क में इनपुट को लेयर दर लेयर आगे भेजें, फिर स्क्वेयर्ड एरर और क्रॉस-एंट्रॉपी से गलती मापें।
उदाहरण देखें →ग्रेडिएंट डिसेंट से एक न्यूरॉन ट्रेन करें: चेन रूल से पता करें कि हर वेट लॉस पर कैसा असर डालता है, फिर ढलान पर नीचे कदम बढ़ाएँ।
उदाहरण देखें →एक ही फ़ंक्शन को कदम दर कदम न्यूनतम करते हुए सामान्य ग्रेडिएंट डिसेंट, momentum और Adam की तुलना करें।
उदाहरण देखें →min-max नॉर्मलाइज़ेशन और z-score स्टैंडर्डाइज़ेशन से फ़ीचर का स्केल बदलें, और मैट्रिक्स को हाथ से गुणा करें।
उदाहरण देखें →लीस्ट स्क्वेयर से एक सीधी रेखा फ़िट करें, फिर लॉजिस्टिक रिग्रेशन से स्कोर को प्रायिकता में बदलें।
उदाहरण देखें →softmax से स्कोर को क्लास प्रायिकता में बदलें, क्रॉस-एंट्रॉपी से उन्हें आँकें और k-नियरेस्ट नेबर्स से बिंदुओं को वर्गीकृत करें।
उदाहरण देखें →कोसाइन समानता से मापें कि दो वेक्टर कितने मिलते हैं और बिना लेबल वाले डेटा को k-means से समूहों में बाँटें।
उदाहरण देखें →भाषा मॉडल की तरह टेक्स्ट को संख्याओं में बदलें: शब्दावली बनाएँ, शब्दों को one-hot में एन्कोड करें और BPE से सबवर्ड टोकन सीखें।
उदाहरण देखें →query, key और value से scaled dot-product attention हाथ से निकालें, फिर GPT की तरह causal mask जोड़ें।
उदाहरण देखें →देखें कि भाषा मॉडल अगला टोकन कैसे चुनता है: शुद्ध Python में layer normalization, temperature और top-k सैंपलिंग।
उदाहरण देखें →A* सर्च से ग्रिड पर सबसे छोटा रास्ता ढूँढें और मिनिमैक्स से खेल में सबसे अच्छी चाल चुनें।
उदाहरण देखें →मार्कोव चेन से भविष्य की स्थितियों का अनुमान लगाएँ और epsilon-greedy बैंडिट से खोज और उपयोग में संतुलन बनाएँ।
उदाहरण देखें →एक एजेंट को लक्ष्य तक पहुँचना सिखाएँ: value iteration से स्थितियों के मान निकालें, फिर Q-learning से आज़माकर और गलती करके उन्हें सीखें।
उदाहरण देखें →