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

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

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

Теперь осталось распознать почерк врача

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

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

Просто замечательный перевод, продолжайте!!!

Не останавливайтесь пожалуйста! Очень интересно!

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

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

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

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

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

Хорошая озвучка. Не останавливайтесь, продолжайте. Подписался.

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

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

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

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

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

В общем, спасибо, ждем продолжения.

Благодарю за видео. Жду продолжение !

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!

Автору большое спасибо!

Спасибо большое за отличное видео и перевод!!!!

Наконец-то нормальное видео на примере, молодцы!

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

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.

спасибо, перевод отличный, полезность информации стремится к ста процентам

Это просто невероятно круто!

Большое спасибо автору перевода

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

всё чётко сжато, настоящий талант

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

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!!!

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)

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

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)

Спасибо, прекрасное объяснение

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!

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

крутое видео и крутой перевод(всё достаточно понятно)

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

Давай продолжение, всё очень круто!!!

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.

видео не видел еще, но подписался уже.

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

Довольно понятно и доступно даже для блондинки

очень доходчиво интересно и по делу , строго лайк и подписон

вау очень круто и понятно спасибо

Ждём продолжения!...

Жду продолжение до обеда!

Шедевр

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

прекрасное видео

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.

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

Автор сделай пожалуйста продолжение этой темы.

Перевод огонь!

очень интересно как мы учимся))

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

Это просто фантастика!

Кайф, жду 2 частт

Замечательно!

Все понятно пока....Погнали дальше!

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

Теперь понятно откуда взялось photomath

Получается, что чем больше ассоциаций - тем лучше.

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

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

Может дальше переводы начать? Хороший перевод. Смысл передан.

Хауди Хо решил не запариваться над поиском информации

Очень крутое объеснение

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.

Спасибо!

Лайк!

Давайте следующее. Куда донатить?

черт побери, это вообще нормально что я не только понял что было показано в этом видео, но и правильно представлял себе общую концепцию того как это работает? это настолько странно, что мне кажется я что-то неправильно понял))

Круууть!

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

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 ;-)

очень интересно. ну вы в курсе.

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

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

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.

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

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

Гораздо проще это объясняется с точки зрения геометрии. Сначала мы выбираем характеристики, получаем н-мерное пространство характеристик. В этом пространстве у нас есть точки. Затем мы строим н - 1 мерную плоскость, чтобы разделить характеристики на 2 группы. Она определяется с помощью матрицы и и оффсета. По сути задача построения модели для обучения есть построение различных плоскостей, которые будут эффективно делить наши характеристики на каждом этапе до получения результата.

за год 4 видео , збс

Просто дякую за контент

Но очень интересно!

spacibo bro )))

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.

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 .))))

ничего не понял, но очень интересно

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?

СПАСИБО.

Вы только представьте как нейросеть сможет распознавать трехмерные объекты, там ведь будут происходить бесконечные вычисления объекта, при этом в базе данных, информация об объекте должна находиться с разных ракурсов.... Это как фильме о терминаторе, когда на красном экране происходит распознавание объекта и в углу экрана выводиться таблица с 3 мерным динамическим изображением. А теперь представьте, что нейросети нужно распознать в вас не просто человека, а конкретного человека(визуально), сколько будет нужно виртуальной памяти.....

Будет продолжение? Очень интересно

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

Спасибо за информацию Очень сложно