[DeepLearning | видео 1] Что же такое нейронная сеть?

Оригинальная запись: • But what is a neural n...

[@user-nb6vj3nf1q]

Спасибо большое автору за перевод и за то что делает материал для русскоязычных новчиков, пока еще не знающих английский, более доступным на старте.

[@user-fj1eq7rw6j]

Я надеюсь что людей, которые действительно понимают насколько это полезное видео, очень много

[@Xanadu379]

вряд ли это люди...... ха ха ха

[@Darkness-es3zb]

@@Xanadu379 могу сказать что я человек

[@sergeserg2582]

@@Darkness-es3zb конечно, по нику же понятно.

[@vielear]

​@@Xanadu379ахахахахаха

[@untitledoficcial1]

Эта серия роликов, она - на вес золота

[@evgenykonovalov4870]

Читаю книгу по нейросетям «глубокое погружение», и тут материал прям все по полочкам ставит сразу огромный респект за перевод !!!

[@morisunkas8301]

кто автор? не подскажете

[@user-bq8he2xt2w]

​@@morisunkas8301 Николенко,Кадурин, Архангельская

[@vedmak2001]

Спасибо огромное, как раз то что нужно!!! С нетерпением жду следующего видео)

[@52tonns]

Очень хорошее видео. Интересно, доступно, полезно. Можно использовать это видео как один из нейронов, активация которого позволяет распознать любое видео как крутое.

[@MrFog124]

Не останавливайтесь пожалуйста! Очень интересно!

[@user-bg5rr1hg1n]

Просто замечательный перевод, продолжайте!!!

[@dmitryrukavishnikov6711]

Впервые плюсанул до просмотра, потому что раньше смотрел это видео на английском. Спасибо за перевод.

[@Techno.Zombie]

Спасибо. Было познавательно. Объяснили даже понятнее преподавателей с вышки.

[@user-iw8yk8ii3v]

Это очень хорошее видео. Оно состоит из понятных рассуждений и обостряет интерес к продолжению. Особенно интересен алгоритм подбора весов и конечно многое другое.

[@jackfrost403]

Спасибо автор, наконец то хоть что-то понятно становится.

[@user-ej2fb5vw7x]

Это просто лучшее, что можно найти на данную тему. Спасибо!

[@Fray4eger]

Релью - это сила, я даже не знал об этом, это шикарная возможность оптимизации ресурсов, СУПЕР спасибо.

[@domenos8967]

Вот только обрезает он только левую часть. Если сверху накрутить еще max() и получить max(min(0,a),1), то будет обрезать в двух сторон

[@alexandermartin5694]

Самое эффективное вступление в тему, из тех, что мне известны. Подписка и лайк.

[@georgethehedgehog_offical]

Спасибо за видео) хотелось бы увидеть серию видео про линейную алгебру в этом переводе

[@Nini-sv1bd]

Теперь осталось распознать почерк врача

[@user10810]

Теперь у меня появилась цель в изучении нейронных сетей

[@radikusmanov7574]

Не скажу, что заполняемые от руки истории болезни остались в далёком прошлом. Однако российские врачи наших дней, кого я видел, историю болезни, как и остальную документацию ведут теперь иключительно в электронном виде на центральном сервере больницы через персональный компьютер в своём кабинете.

[@user-tg8vr1nx1s]

@@radikusmanov7574 ты хотел сказать московские врачи?

[@radikusmanov7574]

@@user-tg8vr1nx1s не надо обвинять меня в том, чего я не писал. Написано же: ""... кого я видел ...". Или вы дальше первого предложения никогда не читаете, тут же бросаетесь отвечать? Даже при том, что Москва - это не Россия, больницы в остальных крупных городах тоже компьютеризированы. А что касается сельских больниц, то там и в советские времена с медициной был полный мрак, не до компьютеров. Если во времена Брежнева роль праздничной витрины социализма исполняло государство ГДР, то в наши дни эту роль забрала себе Москва.

[@user-tg8vr1nx1s]

@@radikusmanov7574 , еще бы я твои бредни читал, много тебе чести)

[@breech709]

Хорошая озвучка. Не останавливайтесь, продолжайте. Подписался.

[@tichonromanov4307]

Очень доходчиво! Хотя и сжато! Матрицы и веса, конечно, не новое, известны из курса высшей математики😃 но главная идея, видимо, в том, что трудоёмкая ручная работа по вычислению значений переложена на компьютеры! Про сигмоиду и ее простое использование))) в операциях мне понравилось!

[@DarkFTP]

В общем, спасибо, ждем продолжения.

[@kuntumeitan]

Благодарю за видео. Жду продолжение !

[@user-wl4ms3nn2q]

Стал изучать нейросети и как раз разбирал пример кода именно этот. Где обучается сеть на базе картинок 28*28. Видео дало более глубокое понимание работы принципа, взаимосвязей, за это огромное спасибо! В примере лектор сказал что это темный ящик и не было понимания как это связано с линейной алгеброй! Тут все стало понятно, ( хотя это ага эффект и иллюзия ;))ибо в обучении сказали что это чёрный ящик. С нетерпением жду продолжение. Очень крутое объяснение про механизм весов, принцип работы, активации. Но чучуть базово изучить как работает мозг с точки зрение нейрофизиологии тоже полезно для полноты картины и объема понимания! С нетерпением жду продолжения как проходит обучение! Вы делаете очень крутую работу!

[@user-ej2fb5vw7x]

Ух ты, уже четыре года прошло с твоего комментария. Как успехи в изучении данной темы?

[@CharleyDonar]

Автору большое спасибо!

[@_v1pl_]

Лучше поняла все просмотренное, когда вспомнила прогу, где по фото человека ищут похожих/того же самого. Автору спасибо. за видео!

[@user-sz6kn1ib1s]

спасибо, перевод отличный, полезность информации стремится к ста процентам

[@bigsponsor]

Сомневаюсь что с текущим переводом вы уловили суть.

[@bornfram6257]

@@bigsponsor критикуешь - предлагай. что можешь посоветовать "понятного"?

[@monochrome6051]

@@bornfram6257 Учить английский

[@markuscartel8227]

@@monochrome6051 Автору, не мешало бы Русский выучить, для начала.

[@user-nv7db4ip6s]

И ста лайкам 🔥

[@Orakcool]

спасибо за старания, +100500! С такими видео изучать нейросети молодым людям будет гораздо легче

[@onmygo7874]

Спасибо большое за отличное видео и перевод!!!!

[@slavi8216]

Спасибо за хороший перевод, исходник очень крутой и понятный при этом. Благодаря переводу он стал доступен для РУ сегмента. Жаль остальные видео только с сабами (несколько корявыми, но и на этом спасибо, тем кто эти сабы делал). На клоунов-гуру англ языка и озвучки не обращайте внимания. Главное начинка конфеты, а не обёртка, особенно учитывая, что конфета бесплатная.

[@user-hn6zp1qj8g]

Это просто невероятно круто!

[@andreypatrick9489]

Наконец-то нормальное видео на примере, молодцы!

[@AS-ig6yb]

Мало что понимаю в математике и IT, но было очень интересно посмотреть!

[@dmitrypakseev7789]

Большое спасибо автору перевода

[@_____________-__-]

Гениально... Сканер, сравнение и вероятность... Так просто...​

[@MikhailGoncharov-tl4cr]

всё чётко сжато, настоящий талант

[@user-ew5hv1rm6o]

Спасибо, прекрасное объяснение

[@user-xl5mh7rm5m]

Благодарю тебя! Мне важно все, что ты совершаешь в мире.

[@user-vt4oh2jc1n]

Наконец-то понятное объяснение работы нейрости, другие статьи и видео объясняли слишком замудрено и много терминов использовали Не понял только зачем нужны сдвиги(если можно объясните пожалуйста, хочу сам создать проект с нейросетью, но так и не понимал, как они работают) и как всё-таки обучаются нейросети(жду видео)

[@user-wy3mr6nj6w]

Огромное спасибо за то, что вы делаете. Надеюсь, это не будет заброшено, ведь в России так мало людей, которые интересуются подобным контентом((( Очень-очень хотелось бы увидеть видео в переводе о кватернионах)

[@mikkalitmanen1434]

Мало? Дурной што ли?

[@user-rk9vh3in6g]

мда уж...

[@mikkalitmanen1434]

@@Huiko_Vsratich технологические инновации идут не только "оттуда", а их создают во всём мире, где Россия, Индия и Китай занимают лидирующие позиции. В России же не все недоразвитые, как ты.

[@mikkalitmanen1434]

@@Huiko_Vsratich чтобы писать об инновациях, нужно к ним хотя бы приблизиться немного. А судя по тому, что вы пишете, вы черпаете знания об инновациях из жёлтой прессы.

[@mikkalitmanen1434]

@@Huiko_Vsratich Как бомжи с бутылкой водки рассуждают о политике, так и ты о инновациях. А у самого даже не хватает душка собрать шмотки и уехать в развитую страну. Но только ты там нахер не сдался никому, поэтому без вариантов.

[@user-bg2zb7tp3w]

Давай продолжение, всё очень круто!!!

[@user-zj4rh5yw9g]

крутое видео и крутой перевод(всё достаточно понятно)

[@valeriy_nikolaev]

14:45 опечатка. В векторе сдвигов последний элемент должен быть bk, а не bn. Произведение слева - вектор столбец длины k+1 (во втором слое k+1 нейронов). P.S. Автору и переводчику огромный респект! Самое крутое объяеснение нейросети. Ждём продолжения переводов. По линейной алгебре тоже огонь, советую. Даёт геометрическую интуицию и реальное понимание, а не тупое зазубривание алгоритмов, как это обычно учат в школе/универе.

[@alexeylesyuta9858]

Тоже заметил.

[@coincoinb5307]

И где ты тут увидел суть обучения нейронки?

[@georgemichael6884]

где найти видео номер3 про линейную алгебру упоминаемую автором в данном видео?

[@vitaliaus]

ты либо с марса прилетел?)

[@UgorGred]

Хах. Точняк! Ведь b соответствуют след.слою, а не пред.

[@123zoobecom]

Сел поесть, Ну и думаю, посмотрю что-нибудь интересное :-) Если умножить разные виды еды на разные напитки, то получится набор блюд, В среднем которое вы любите есть. Ну от 0 до 9. Вот такая математика

[@user-mw3ff6bu8c]

Там исключение прописывать надо) молоко с рыбой например)

[@F_A_F123]

Не умножить, а сложить/объединить...

[@coincoinb5307]

Что в итоге то получил , 798 набор блюд?:))) Нахрен повров, пусть нейронка стряпает:))

[@artemfedotov30]

Добро пожаловать в комбинаторику!) у Райгородского есть крутейшие лекции по ней)

[@Fray4eger]

видео не видел еще, но подписался уже.

[@Gregorysharkov]

Люблю 3blue1brown. Когда начинал заниматься нейросетями пересмотрел все видео по этой теме. Отличный перевод, однако если вы действительно хотите этим заниматься, то умение смотреть и понимать, что говорит автор в оригинале - обязательное условие. Учите английский!!!

[@user-gt8jh7qp7t]

вау очень круто и понятно спасибо

[@bakaproductionsempai7591]

очень доходчиво интересно и по делу , строго лайк и подписон

[@vladvladov4095]

Ну и сардельку тебе в попу

[@MariaGorunova]

Довольно понятно и доступно даже для блондинки

[@lemapegas1484]

Мне почему то и страшно за будущее, но одновременно и интригующе, куда же мы придем)

[@mitz777]

Ждём продолжения!...

[@rusgames6493]

прекрасное видео

[@NSMenschMaschine]

Переводите смело все видео с того канала и распределяйте по плейлистам. Цены этому делу не будет.

[@bakaproductionsempai7591]

дададада озвучка тоже топ , а лучше напишите нейронку которая парсит все с оригинального канала и сама переводит, и сделайте это вводным видео

[@mikhailzhitnikov3715]

Шедевр

[@bogdao44]

Жду продолжение до обеда!

[@Edpaper]

Я тут из будущего. У нас появился умный ИИ Chat GPT

[@user-fk3qn7uh3z]

Автор сделай пожалуйста продолжение этой темы.

[@naturetechno6001]

Все понятно! Все хорошо рассказано, но это потому что про нейросети я читал до этого.

[@radikusmanov7574]

I met that magic when bought the FineReader program of the ABBYY company in 1996. It was great.

[@MrAndriyevski]

Перевод огонь!

[@user-mm1rl8dt9l]

Замечательно!

[@user-hn6zp1qj8g]

Это просто фантастика!

[@whereispie]

Кайф, жду 2 частт

[@linkernick5379]

Парни, спасибо за перевод, вы большие молодцы! Есть маленькое замечание, русскоязычный голос звучит странновато, если воспроизводить видео в ускоренном режиме, тембр голоса неузнаваемо меняется независимо от параметра ускорения, от 1.25х до 2х.

[@linkernick5379]

UPD: это искажение голоса только на IPad, на Андроид-телефонах и на десктопе под Linux всё нормально.

[@grandoula8022]

очень интересно как мы учимся))

[@AlexanderFedoseev]

Круууть!

[@egoist2956]

Лайк!

[@apristen]

ещё PDA распознавали циферки и буковки из рукописного ввода. но ведь у них не было мощных процессоров и нейросеть там бы тормозила. тогда как они это делали? ответ очень прост! они использовали расстояние Хэмминга - en.wikipedia.org/wiki/Hamming_distance если циферки от 0 до 9 представить в виде 1-мерного массива (расположить все пиксели от верхнего-левого угла до правого-нижнего), то получим 10 одномерных массивов. у рукописного ввода определяем границы символов (тупо сканируем по вертикальным и горизонтальным линиям где хоть 1 не белая точка встрачается пока не будут найдены строки и столбцы границ символов), а каждый символ масштабируем до размеров тех 10 эталонов и тоже приводим к 1-мерному массиву. затем каждый символ сравниваем по расстоянию Хэмминга с 10 эталонами и где расстояние Хэмминга меньше - та цифра это и есть! возможно описание кажется длинным, но это самое простое, эффективное и быстрое (для процессора и памяти компьютера или телефона) решение. да, вот так вот просто можно распознавать рукописный ввод. можно буквально за час написать и поиграться. безо всяких нейросетей. вывод: учим математику ;-)

[@eugenedukatta9355]

Супер! Что такое расстояние Хемминга для двоичных чисел я знал раньше (код Грея и все такое) но сейчас взглянув на указанную статью в Википедии был немного обескуражен тем, что "расстояние" для не-двоичных наборов вычисляется как кол-во не совпадающих разрядов, не важно кол-во возможных состояний разряда. То есть расстояние между белым и почти-белым пикселем равно 1 также как и между черным и былым! И это при том, что разложив два набора в двоичный вид (по сути, лишь изменив форму представления), получится другое расстояние! А так наводка на использование расстояния Хемминга для распознавания образов меня впечатлила, я про такое не знал, сразу (Остапа понесло) стал представлять распознавание отпечатков пальцев, жесты и т.п. Респект!

[@apristen]

@@eugenedukatta9355 и главное работать будет даже "на ардуине" потому как незатратно по CPU ;-)

[@Xenony100]

Все понятно пока....Погнали дальше!

[@trash2trash]

Может дальше переводы начать? Хороший перевод. Смысл передан.

[@-6.6-]

Спасибо!

[@SamoFix]

Только подумал, что оригинальное видео нужно перевести и в рекомендациях увидел перевод.

[@bublik20]

Очень крутое объеснение

[@aitaiq6216]

Отлично.Толково.Логично.Ясно.Без воды в решето налита информация.Спасибо автору ролика.И переводчику.Ждем новые Проекты.Переводы.Успехов.784. 28. 28. Всего то 13 тыс. Функций.Ага.Не так уж и много.

[@vartushkin]

Ребята из amplify нашли очень правильное место для размещения своей рекламы - браво!

[@LerMak]

Хауди Хо решил не запариваться над поиском информации

[@darkfrei2]

@3Blue1Brown translated by Sciberia, можно продолжение? Вторая часть очень нужна. Лайк, подписка, комментарий всегда, сам понимаю, приветствуются.

[@dedim5578]

Возможно я что-то понял, а возможно нет, но это мы поймем потом, а пока я ничего не понял.

[@user-gf4nd8in2m]

Вот очень простое объяснение что такое нейросеть и как работает kzbin.info/www/bejne/a4avYX6KpamIgNk

[@roman9598]

DeDim для этого нужно время, но времени нет

[@samflint4085]

Потом скайнет раскажет

[@mrMACTADOHT]

я тоже, но! Моя нейросеть хоть и в ступоре(сраный гуманитарий), идём дальше, тренируем биологическую нейросеть дабы понять электронную)

[@mrMACTADOHT]

@@user-gf4nd8in2m а шо недоступно та?

[@markv7552]

Теперь понятно откуда взялось photomath

[@gibbed4248]

Получается, что чем больше ассоциаций - тем лучше.

[@weisweltmonawaat6402]

spacibo bro )))

[@alfredlange1244]

Напоминает урок про «Как нарисовать сову», точно так же будет долго-долго рисуем два кружка, а потом просто дорисуйте недостающие детали.

[@Psy-Replicant]

очень интересно. ну вы в курсе.

[@14types]

Давайте следующее. Куда донатить?

[@DarkFTP]

+++

[@zosimdry]

+++

[@bublik20]

+++

[@bublik20]

Похоже что и в природе нет 2 части

[@sweetcapitan5690]

@@bublik20 есть

[@naturetechno6001]

Наш мозг пытается понять как он устроен.. И не просто пытается понять, а уже вполне конретно многое понял и сделал штуки похожие на себя! Как же причудливы формы движения материи во вселенной

[@lastchance9005]

Используете специальный психологический приём, когда вы отделяетесь от собственного мозга и как бы наблюдаете извне, чтобы создать вид, что вы исследователь или чтобы показать, что вы исследователь?

[@naturetechno6001]

@@lastchance9005 Та наверно нет

[@Last_Player555]

Естественно, мозг не может исследовать сам себя. Отсюда вывод, что мы это не мозг. Мозг лишь машина и не умеет мыслить, подобно компьютеру и нужен пользователь, который будет этой машиной управлять, пользователь это и есть тот, кто думает.

[@naturetechno6001]

@@Last_Player555 Спорные утверждения. Во первых может мозг исследовать сам себя, ну, не в прямом конечно смысле, а вот чужой мозг в томографе запросто. И исследуют и много чего уже известно

[@Last_Player555]

@@naturetechno6001 на томографе можно лишь увидеть следствие мышления, увидеть как работает машина. Это то же самое, что изучать прибором автомобиль, видеть как срабатывает руль или педали, передачи, и делать выводы на этом, почему автомобиль едет, но не видеть водителя, потому, что он скрыт от прямого наблюдения.

[@atillaattila8900]

Спасибо за информацию Очень сложно

[@ibraim3197]

1) Существуют ли стандартные форматы хранения моделей нс (обученой сети) ? может какое-то расширение xml. 2) Правильно ли я понимаю, что вычислительноёмко только обучение сети, а само использоваине - не особо?

[@Orakcool]

Все правильно - обучение сложный процесс, который требует огромного распараллеливания *(конечно зависит от размеров сети). А прогнать матрицы можно и на микроволновке)))) Формат зависит от фреймвока

[@artbotguy]

Но очень интересно!

[@drakivdome2]

УХ!ТЫ!СПАСИБО ЗА ОЗВУЧКУ.КАК ВАМ ЭТО УДАЕТСЯ?ОБЫЧНО ЧИТАЕТ ТЕКСТ)

[@eam7560]

Спасибо. Не могли бы вы и в дальнейшем переводить видео с этого канала...

[@user-cm9tb3vh6s]

СПАСИБО.

[@Shamshurin_Alexander]

Вопрос Как делаю такие анимации Всегда было интересно, но никогда не узнавал

[@tsvigo11_70]

Нейроны не "зажигаются" а достигают предела при котором происходит электрический пробой нейрона. Такая сеть очень сложна для начинающего. Надо начинать с сети которую невозможно больше упростить. Нейроны да - можно обозначать числами, но только целыми числами дробные числа усложняют задачу.

[@pashaserg1]

Просто дякую за контент

[@edgull_tlt]

Спасибо

[@CDRRMechanic]

Подписался. Где вторая часть? Надеюсь, автор видит, что это популярная тема :)

[@holly_fact]

Возможно ли создавать связи нейрона с тремя и более последующими? И есть ли в этом смысл?

[@DF-0997]

Перевод хороший) но Больше похоже на обыкновенный дешифратор только для дешифрации int чисел, тут всё просто берем элементы элементы и и складываем в итоге на выходе получается что только на выдаёт единицы это не нейросеть!

[@user-dz4yj5bf1h]

Будет продолжение? Очень интересно

[@arsendanielian5047]

спасибо

[@Felix-og7pd]

deep level decomposition sigmoid(logistic curve) vs RElu Linear algebra, matrix how to do the same learning?

[@86ILLJ]

Приятно когда не нужно делать лишних действий а просто закинуть 📸 или 📹 в дизайнерскую среду. С описанием К её ретушированию И на выходе получить желаемый результат. ЭТО не просто Ускоряет процесс редактирования и обработки 📸 а Выводит его на новый мировой уровень. Редактор Wombo Al Основан на одном из фильтров компании Adobe И является независимым проэкт ом но его развитие и обучение путём проб и ошибок и их исправлении позволяет ускорить процесс обучения всей Нейросети компании Adobe. Проэкт Wombo Al Появился на свет недавно буквально в Феврале 2021 года. И нуждается в раскрутке и возможном Спонсировани.

[@user-nh6ul7ct5m]

Это видео просто бомба ,я конечно это все и до этого знал но как оно хорошо объясняет ,кстати не знал про релу , только про сигмоиду . Больше переводов + лайк подписка колокольчик .( эх как повезло англо язычным у них столько контента сразу, но все же я выучу Английский и это будет значить ,что у меня станет больше контента и Русский и Английский)) ) Правда я за жизнь все это не выучу но нестрашно значит будет из чего выбирать .))))