Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title DeepEq - An educational platform to help students develop a mathematical intuition for deep learning
Organization Unit
Authors
  • Peter Giger
Supervisors
  • Chatchavan Wacharamanotham
  • Dominik Petko
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2021
Abstract Text Understanding the flow of gradients in deep learning is essential. Without a gradient, there is no learning in an artificial neural network. Platforms such as Cognimates and Google’s TensorFlow Playground lower the barriers to machine learning and encourage users to tinker with different parameters. However, these platforms often hide the inner workings and equations of the algorithms. Backpropagation and gradient descent, the workhorses behind deep learning, remain hidden from the students. For this reason, I’ve created DeepEq, an educational platform to help students develop a mathematical intuition for deep learning. DeepEq allows users to create a small neural network by joining perceptrons, automatically provides the underlying equations, and lets users implement their own backpropagation algorithm. A complementary interactive tutorial based on the 4C/ID model serves as a guide throughout the learning process.
Zusammenfassung Das Verständnis des Gradientenflusses in Deep Learning ist essenziell. Ohne einen Gradienten lernt ein künstliches neuronales Netzwerk nicht. Plattformen wie Cognimates oder Googles TensorFlow Playground senken die Einstiegshürden für Machine Learning und ermutigen Benutzer mit verschiedenen Parametern zu tüfteln. Allerdings verbergen diese Plattformen oft das Innenleben der Algorithmen. Backpropagation und das Gradientenverfahren, die Hauptalgorithmen hinter Deep Learning, bleiben den Lernenden verborgen. Aus diesem Grund habe ich DeepEq entwickelt, eine Lernplattform die Lernenden helfen soll, ein mathematisches Verständnis für Deep Learning zu entwickeln. DeepEq ermöglicht es den Benutzern, ein kleines neuronales Netzwerk durch das Zusammenfügen von Blöcken zu erstellen, stellt automatisch die zugrunde liegenden mathematischen Gleichungen bereit und lässt die Benutzer ihren eigenen Backpropagation-Algorithmus implementieren. Ein ergänzendes interaktives Tutorial, das auf dem 4C/ID-Modell basiert, dient als Leitfaden während des gesamten Lernprozesses.
PDF File Download
Export BibTeX