0Pricing
Deep Learning Academy · Leçon

Programmer un perceptron à partir de zéro

Un neurone en quelques lignes de Python.

Programmer un perceptron à partir de zéro est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

What Is a Perceptron

A perceptron is one neuron plus a learning rule. It is the original trainable building block of neural networks, and you can code it from scratch. 🛠️

Start with Weights

First create the weights and a bias. Starting them at zero is fine for a perceptron; learning will move them where they need to be.

weights = [0.0, 0.0]
bias = 0.0

Predict with a Step

The predict step computes the weighted sum, then applies the step function to return 0 or 1.

score = w[0]*x[0] + w[1]*x[1] + bias
return 1 if score >= 0 else 0

Measure the Error

Compare the prediction to the true label. The error is simply target minus prediction: 0 when right, plus or minus one when wrong.

error = target - prediction

The Update Rule

The update rule nudges each weight by the error times the input. Wrong guesses push the weights toward the correct answer.

w[i] += lr * error * x[i]

Update the Bias Too

The bias learns the same way, but its input is always 1. So you simply add the learning rate times the error.

bias += lr * error

The Learning Rate

The learning rate scales how big each update is. Small values learn slowly but steadily; large ones can overshoot the answer.

lr = 0.1

One Pass: an Epoch

Looping once over every training example is called an epoch. You usually repeat for several epochs until mistakes stop.

The Training Loop

Each step of training predicts, measures error, and updates the weights and bias. Repeat across the dataset to learn.

for x, target in data:
    err = target - predict(x)
    update(x, err)

It Learns AND

Feed it the AND truth table and the perceptron converges fast. Both inputs must be 1 for it to output 1.

Convergence Guarantee

If the data is linearly separable, the perceptron is guaranteed to find a separating line. That promise is the convergence theorem.

Quick Check

Recall how a perceptron corrects itself.

Recap

A perceptron predicts with a step, measures error, and updates weights by lr times error times input. Repeat over epochs and it learns separable data. ✅

Questions Fréquemment Posées

La leçon « Programmer un perceptron à partir de zéro » est-elle gratuite ?

Oui — le texte complet de « Programmer un perceptron à partir de zéro » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Programmer un perceptron à partir de zéro » ?

Un neurone en quelques lignes de Python. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?

Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.

Combien de temps prend la leçon « Programmer un perceptron à partir de zéro » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?

Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Poids, biais et somme pondérée
  2. La fonction seuil et les décisions linéaires
  3. Programmer un perceptron à partir de zéro
  4. Le problème XOR : pourquoi un neurone ne suffit pas
← Retour à Deep Learning Academy