The spelled-out intro to neural networks and backpropagation: building micrograd

摘要

Andrej Karpathy 詳細拆解神經網路與反向傳播原理，從微分基礎到實際程式實作。適合想從零開始理解深度學習核心機制且具備基礎 Python 知識的開發者。

A step-by-step tutorial on building neural networks and backpropagation from scratch using Python.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• google collab

適合誰看

具備基礎 Python 知識且想深入理解神經網路原理的開發者。

摘要依據

講者

Andrej Karpathy

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.88

新鮮

0.60

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Building makemore Part 4: Becoming a Backprop Ninja影片 ・ Andrej Karpathy ・ 1 小時 55 分
• 【舊影片上傳】DNN Backpropagation (2015 年上課錄影)影片 ・ Hung-yi Lee ・ 31 分鐘
• 人工智慧：機器學習與理論基礎 04. Neural Network and Deep learning影片 ・ NTU OpenCourseWare ・ 2 小時 31 分
• Stanford CS229 Machine Learning | Spring 2026 | Lecture 8: Neural Networks 2 (Backprop)影片 ・ Stanford Online ・ 1 小時 2 分
• The F=ma of Artificial Intelligence [Backpropagation, How Models Learn Part 2]影片 ・ Welch Labs ・ 31 分鐘
• Hands-On Evolution of Deep Learning – Geoffrey Hinton’s AI Legacy影片 ・ freeCodeCamp.org ・ 27 小時 27 分