![image][1]

Искусственные нейронные сети сейчас находятся на пике популярности. Можно задаться вопросом, сыграло ли громкое название свою роль в маркетинге и применении этой модели. Я знаю некоторых бизнес-менеджеров, радостно упоминающих об использовании в их продуктах «искусственных нейронных сетей» и «глубокого обучения». Так ли рады были бы они, если бы их продукты использовали «модели с соединёнными кругами» или «машины „совершишь ошибку — будешь наказан“»? Но, вне всяких сомнений, искусственные нейросети — стоящая вещь, и это очевидно благодаря их успеху во множестве областей применения: распознавание изображений, обработка естественных языков, автоматизированный трейдинг и автономные автомобили. Я специалист по обработке и анализу данных, но раньше не понимал их, поэтому чувствовал себя мастером, не освоившим свой инструмент. Но наконец я выполнил своё «домашнее задание» и написал эту статью, чтобы помочь другим преодолеть те же самые препятствия, которые встретились мне в процессе моего (всё ещё продолжающегося) обучения.

_Код на R для примеров, представленных в этой статье, можно найти [здесь][2] в [Библии задач машинного обучения][3]. Кроме того, после прочтения этой статьи стоит изучить часть 2, [Neural Networks – A Worked Example][4], в которой приведены подробности создания и программирования нейросети с нуля._
[Читать дальше →][5]

[1]: https://gormanalysis.com/wp-content/uploads/2017/11/intro-to-nnets_sketch3-4.png
[2]: https://github.com/ben519/MLPB/blob/master/Problems/Classify%20Images%20of%20Stairs/intro_to_nnets_article_materials.R
[3]: https://github.com/ben519/MLPB
[4]: https://gormanalysis.com/neural-networks-a-worked-example
[5]: https://habrahabr.ru/post/342334/?utm_source=habrahabr&utm_medium=rss&utm_campaign=feed_posts#habracut