Основи Deep Learning
Перцептрони, backpropagation, функції активації, loss functions, optimizers, batch size, epochs
1Що таке перцептрон у контексті нейронних мереж?
Що таке перцептрон у контексті нейронних мереж?
Відповідь
Перцептрон — це базова одиниця нейронної мережі, натхненна біологічним нейроном. Він приймає декілька входів, множить їх на ваги, підсумовує все з bias, а потім застосовує функцію активації для отримання виходу. Простий перцептрон може розв'язувати лише лінійно розділювані задачі, що призвело до розробки багатошарових мереж.
2Яке основне обмеження простого (одношарового) перцептрона?
Яке основне обмеження простого (одношарового) перцептрона?
Відповідь
Простий перцептрон може розв'язувати лише лінійно розділювані задачі, тобто задачі, де класи можна розділити прямою лінією (або гіперплощиною у вищих вимірах). Це обмеження, продемонстроване Мінським і Папертом у 1969 році на задачі XOR, тимчасово сповільнило дослідження нейронних мереж, поки не були представлені багатошарові перцептрони.
3Яка роль функції активації в нейронній мережі?
Яка роль функції активації в нейронній мережі?
Відповідь
Функція активації вносить нелінійність у мережу, дозволяючи їй вивчати складні зв'язки між входами та виходами. Без нелінійної функції активації навіть багатошарова мережа поводилася б як просте лінійне перетворення. Поширені функції включають ReLU, sigmoid і tanh, кожна з яких має специфічні властивості залежно від випадку використання.
Яка функція активації найчастіше використовується в прихованих шарах сучасних мереж?
Коли слід використовувати функцію активації softmax у нейронній мережі?
+21 питань зі співбесід
Інші теми співбесід Data Science & ML
Основи Python
Об'єктно-орієнтоване програмування Python
Структури даних Python
Основи Git
Основи SQL
Основи NumPy
Основи Pandas
Jupyter & Google Colab
SQL Joins та розширені запити
Просунутий Pandas
Візуалізація з Matplotlib & Seaborn
Інтерактивні візуалізації з Plotly
Описова статистика
Інференційна статистика
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Кероване ML: Регресія
Кероване ML: Класифікація
Дерева рішень та ансамблі
Некероване ML
ML Pipelines та валідація
Часові ряди та прогнозування
TensorFlow & Keras
CNN та класифікація зображень
RNN та послідовності
Transformers та Attention
NLP та Hugging Face
GenAI та LangChain
MLOps та розгортання
Опануй Data Science & ML для наступної співбесіди
Отримай доступ до всіх питань, flashcards, технічних тестів, вправ code review та симуляторів співбесід.
Почни безкоштовно