Pochopenie spätného šírenia: Základy hlbokého učenia

Prednáška zo Stanfordu CS229 Machine Learning sa ponorila do fascinujúceho sveta spätného šírenia, kľúčového algoritmu v oblasti hlbokého učenia. Táto prednáška, ktorá je súčasťou série Spring 2026, sa zameriava na to, ako počítať gradienty funkcie straty s ohľadom na parametre neurónovej siete. Aj keď implementácia môže byť ponechaná na softvérové balíky, pochopenie princípov spätného šírenia je nevyhnutné pre návrh a optimalizáciu modelov hlbokého učenia.

Čo je to spätné šírenie?

Spätné šírenie (backpropagation) je algoritmus, ktorý umožňuje neurónovým sieťam učiť sa z dát. Predstavte si, že máte neurónovú sieť, ktorá predpovedá niečo – napríklad, či na obrázku je mačka alebo pes. Sieť robí chybu a my chceme vedieť, ako upraviť jej parametre (váhy), aby robila menej chýb. Spätné šírenie nám hovorí, ako sa majú tieto váhy zmeniť.