Практические руководства Python

Концепции ИИ на Python

Узнайте, как работают нейронные сети, машинное обучение, Transformer и классический ИИ, с помощью коротких запускаемых уроков на Python без библиотек ИИ.

Запустить Концепции ИИ на Python онлайн

Исполняемых примеров: 14

Нейроны и функции активации на Python

Соберите искусственный нейрон на чистом Python: взвешенная сумма входов плюс смещение, пропущенная через sigmoid или ReLU.

Открыть пример →

Прямое распространение и функции потерь на Python

Пропустите входные данные слой за слоем через маленькую нейросеть и измерьте ошибку с помощью квадратичной ошибки и кросс-энтропии.

Открыть пример →

Градиентный спуск и обратное распространение ошибки на Python

Обучите нейрон градиентным спуском: с помощью цепного правила найдите, как каждый вес влияет на потерю, и сделайте шаг вниз по склону.

Открыть пример →

Оптимизаторы нейросетей: SGD, Momentum и Adam на Python

Сравните обычный градиентный спуск, momentum и Adam, минимизируя одну и ту же функцию шаг за шагом.

Открыть пример →

Подготовка данных для машинного обучения на Python

Масштабируйте признаки нормализацией min-max и стандартизацией z-score и перемножьте матрицы вручную.

Открыть пример →

Линейная и логистическая регрессия на Python

Подберите прямую методом наименьших квадратов, а затем превратите оценку в вероятность с помощью логистической регрессии.

Открыть пример →

Основы классификации: softmax и k ближайших соседей на Python

Превратите оценки в вероятности классов с помощью softmax, оцените их кросс-энтропией и классифицируйте точки методом k ближайших соседей.

Открыть пример →

Косинусное сходство и кластеризация k-means на Python

Измерьте, насколько похожи два вектора, с помощью косинусного сходства и сгруппируйте неразмеченные данные методом k-means.

Открыть пример →

Токенизация: словарь, one-hot и byte pair encoding на Python

Превратите текст в числа, как это делают языковые модели: постройте словарь, закодируйте слова в one-hot и выучите подслова с помощью BPE.

Открыть пример →

Attention и self-attention на Python

Вычислите scaled dot-product attention вручную с запросами, ключами и значениями, а затем добавьте causal mask, как в GPT.

Открыть пример →

Как языковые модели генерируют текст: temperature и top-k на Python

Посмотрите, как языковая модель выбирает следующий токен: layer normalization, temperature и top-k сэмплирование на чистом Python.

Открыть пример →

Поиск и игровой ИИ: A* и минимакс на Python

Найдите кратчайший путь на сетке поиском A* и выберите лучший ход в игре с помощью минимакса.

Открыть пример →

Цепи Маркова и баланс между исследованием и использованием на Python

Предсказывайте будущие состояния с помощью цепи Маркова и балансируйте исследование и использование с epsilon-greedy бандитом.

Открыть пример →

Обучение с подкреплением: value iteration и Q-learning на Python

Научите агента добираться до цели: вычислите ценности состояний методом value iteration, а затем выучите их методом проб и ошибок с Q-learning.

Открыть пример →