GitHub - dair-ai/Prompt-Engineering-Guide: 🐙 Guides, papers, lecture, notebooks and resources for prompt engineering
Prompt engineering is a relatively new discipline for developing and optimizing prompts to efficiently use language models (LMs) for a wide variety of applications and research topics. Prompt engineering skills help to better understand the capabilities and limitations of large language models (LLMs). Researchers use prompt engineering to improve the capacity of LLMs on a wide range of common and
ニューラルネットワークの理論（逆伝播）
こちらのコンテンツは最新の情報ではない可能性があります。無料で学べる最新のコンテンツは Python&機械学習入門コース や 脱ブラックボックスコース をぜひご利用ください。 ニューラルネットワークの数学（逆伝播） 本章では、前章で学んだ順伝播の計算、目的関数の知識から、どのようにニューラルネットワークではパラメータの更新を行うのかについて学びます。次章からの実装に移る前にニューラルネットワークの学習の一連の流れを理解することをゴールとします。 勾配降下法 それでは前章でお伝えした、ニューラルネットワークの計算の流れをアニメーションで確認しましょう。 パラメータの初期値をランダムに決定 順伝播の計算 : 予測値 yyy の算出 損失の計算 : 損失 L\mathcal LL の算出 勾配の計算 : 勾配の算出 パラメータの更新 : 勾配を用いて重みを更新 2 ~ 5 を繰り返し、最適なパラ
numpy for python によるニューラルネットワーク学習 - end0tknr's kipple - web写経開発
GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016) 「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」 p.112～121 の写経です。 また、以下のキカガクのページも分かりやすいかと思います。 https://free.kikagaku.ai/tutorial/basic_of_deep_learning/learn/neural_network_basic_backward 目次 python 実行結果 python # coding: utf-8 import gzip import matplotlib.pyplot as plt import numpy as np import os imp
機械学習素人が2か月半で機械学習を入門したことまとめ - あさのひとりごと
ちまたでは、機械学習がブームのようです。 が、、まったく時代についていけていません。 しかし、機械学習、特に自然言語処理に精通した人の採用にかかわる仕事をしている、、、 にもかかわらず、自然言語処理どころか機械学習が全く分からない。 これでは、いけない。ということで 「機械学習をたしなむ学生の皆さんと、ふわっと雑談ができるレベル」 を目指して、2017年正月明けから勉強を始めました。 ちなみに、どんなにキリが悪くても1日3時間まで！と決めています。 そもそも機械学習に興味関心があるわけではない やらなければならない他の仕事がある 家事育児が優先 なので、すこしでも無理すると続かないためです。 「AIで世界を変えられる！」 「人工知能で想像もできない未来が、、、」 みたいなご時世の中、ありえないほどの低テンションで淡々と勉強しているわけで 逆に、そういう意識低い系人間はそんなに多くないでしょ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016)
GitHub - theepiccode/Awesome-Deep-Learning-Resources: An awesome collection of curated deep learning resources(Books, Tutorials, Blogs, Podcasts , ...)
