Basic Artificial Neural Networks in Python

4.2
étoiles
39 évaluations
Offert par
Coursera Project Network
1,751 déjà inscrits
Dans ce projet guidé, vous :

Generate a sample dataset using Scikit-Learn.

Implement an activation function and feed-forward propagation in a multi-layer ANN in Python code

Utilize gradient descent to adjust the weights of each layer of our ANN through back-propagation implementation in Python code

Clock2 hours
IntermediateIntermédiaire
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

In this 1-hour long project-based course, you will learn basic principles of how Artificial Neural Networks (ANNs) work, and how this can be implemented in Python. Together, we will explore basic Python implementations of feed-forward propagation, back propagation using gradient descent, sigmoidal activation functions, and epoch training, all in the context of building a basic ANN from scratch. All of this will be done on Ubuntu Linux, but can be accomplished using any Python I.D.E. on any operating system. We will be using the IDLE development environment to write a single script to code our simple ANN. We will avoid using advanced frameworks such as Tensorflow or Pytorch, for educational purposes. Note that the resulting ANN we build will be use-case agnostic and be provided with dummy inputs. Hence, while the ANN we build and train today may appear to be a useless demonstration, it can easily be adapted to any type of use case if given proper, meaningful inputs. I would encourage learners to experiment- How easy is it to add more layers without using frameworks like Tensorflow? What if we add more nodes? What limitations do we come across? The learner is highly encouraged to experiment beyond the scope of the course. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Les compétences que vous développerez

Deep LearningArtificial Neural NetworkPython ProgrammingPropagationTensorflow

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  1. Generate a dataset using Scikit-Learn

  2. Plot generated sample dataset to a graph using pyplot

  3. For each layer, multiply inputs by randomly generated weights

  4. For each layer, calculate the dot products of our two-dimensional sample features

  5. Write a sigmoidal activation function in Python and pass the dot product of our features through it before passing as input to the next layer to accomplish feed-forward propagation

  6. Write a cost function in Python based on the Mean Squared Error method

  7. Utilize gradient descent to adjust the weights of each layer of our ANN through back-propagation implementation in Python code

Comment fonctionnent les projets guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Avis

Meilleurs avis pour BASIC ARTIFICIAL NEURAL NETWORKS IN PYTHON

Voir tous les avis

Foire Aux Questions

Foire Aux Questions

  • En achetant un projet guidé, vous obtenez tout ce dont vous avez besoin pour terminer ce projet guidé, y compris l'accès à un espace de travail de bureau cloud, via votre navigateur web, qui contient les fichiers et les logiciels dont vous avez besoin pour commencer, ainsi que les instructions vidéo étape par étape d'un expert en la matière.

  • Comme votre espace de travail contient un bureau cloud dimensionné pour un ordinateur portable ou de bureau, les projets guidés ne sont pas disponibles sur votre appareil mobile.

  • Les enseignants des projets guidés sont des experts en la matière qui ont de l'expérience dans les compétences, les outils ou le domaine de leur projet et qui sont passionnés par le partage de leurs connaissances avec des millions d'étudiants dans le monde.

  • À partir du projet guidé, vous pouvez télécharger et conserver tout fichier que vous avez créé. Pour ce faire, vous pouvez utiliser la fonction « Navigateur de fichiers » pendant que vous accédez à votre bureau cloud.

  • Aucun remboursement n'est disponible pour les projets guidés. Consulter notre politique de remboursement complète.

  • Aucune aide financière n'est disponible pour les projets guidés.

  • L'audit n'est pas disponible pour les projets guidés.

  • En haut de la page, vous pouvez appuyer sur le niveau d'expérience de ce projet guidé pour afficher les connaissances requises. Pour chaque niveau de projet guidé, votre enseignant vous guidera étape par étape.

  • Vous apprenez en effectuant des tâches dans un environnement à écran partagé, directement dans votre navigateur. Sur le côté gauche de l'écran, vous terminez la tâche dans votre espace de travail. Sur le côté droit de l'écran, vous voyez un(e) enseignant(e) qui vous guide tout au long du projet, étape par étape.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.