Qué es una red neuronal

Para los que quieren introducirse a este mundo o recien estan comenzando esta explicacion tiene varios errores:
Primero el decir que las redes neuronales no realizan operaciones matematicas,regresiones,etc,es todo lo contrario, una NN esta basada en multiplicar nuestros inputs por los pesos y luego a eso aplicar una funcion de activacion la cual puede ser una regresion lineal o una funcion sigmoide lo cual vendria a ser una regresion logistica, en realidad hay muchas funciones de activacion dependiendo del problema.
Segundo, los pesos no se eligen por la importancia de tus datos, se inician de forma aleatoria o usando metodos estadisticos, los pesos son el corazon de tu modelo de ML, y el que tiene que configurarlos no eres tu, es el algoritmo.
Tercero, no se asusten con la funcion sigmoide o con las demas funciones, parece lo mas dificil pero en realidad es lo mas facil xd, es teoria de precalculo que la pueden aprender en un dia.Lo mas dificil que veran en mi opinion seran los metodos de optimizacion, lo cual no se explica en el video, pero que es vital para acelerar el aprendizaje de la NN e involucra conocimientos en algebra lineal,calculo diferencial y calculo multivariable.

No es algo utópico de entender, yo lo veia muy complicado al inicio e incluso imposible pero sepan que no es asi, al fin de cuentas todo se reduce en sumas y restas al momento de ejecutar codigo.Solo tienen que pensar que es algo que les va a costar, pero que es posible de lograr con mucho esfuerzo y vale la pena.

En la universidad, tuve la materia de Procesos Estocásticos, en la que me enseñaron las Cadenas de Markov, un tema muy interesante donde luego desarrolle como proyecto una aplicación tal que prediciera la calidad del aire de una región en Naucalpan(México), rellene mis matrices con datos históricos tomados de unas antenas que miden la calidad del aire y con un proceso markoviano de decisión modele mi sistema y ahora es impresionante saber que cosas como el autocorrector de Google tiene detrás algoritmos que usan Cadenas de Markov.

Tengo un aporte para dejar mas clara esta clase, si quieres debatir estoy abierto a debates:

APORTE

–> Primero que nada hay que entender que existen muchos tipos de redes neuronales artificiales, sus tipos generalmente se basan en un uso particular, en este ejemplo explicare una red neuronal para la comparacion de patrones.

Red neuronal artificial: estan basadas en como funcionan las neuronas del cerebro, se crean apartir de los elementos que se le establecen para su distinto caso de estudio, su funcion es separar elementos en categorias cuando los elementos no son muy claros de entender de forma no lineal.

–> Entonces tenemos que una red neuronal es un sistema que se basa para estudiar un caso deacuerdo a su categoria de red neuronal creada. Entonces haremos una red neuronal de comparacion para ello lo que necesitamos es:

1. Establecer los parametros: De lo que vamos a comprar. Ahora cuales son esos parametros? Pues pueden ser las variables que tenemos como por ejemplo, una manzana, los parametros pueden ser:

	* Color
	* Sabor
	* Textura
	* Tamaño
	* Forma

2. Entrenamiento: Pasamos a indicarle a una red neuronal, que seria una manzana y que no es una manzana, para esto tenemos que colocar distintos casos, donde rigidamente establecemos cuales si son los parametros que conforman a una manzana, y cuales no son, estos casos los tenemos que hacer de forma aleatoria desde los que mas se parecen hasta los que no se parecen, de esta forma, lo estaremos ayudando para que en su fase de entrenamiento tenga

3. Resultado: Luego de pasar por un entrenamiento donde ya sabe el caso que va a estudiar, hacemos la muestra de campo en este caso mostramos una manzana y una pera y la neurona o puede decir cual es o cual no es la manzana o señalarlo, esto depende de como este todo configurado.

me encontré este esquema de lo que nos explicó Freddy
3 tipos de redes neuronales que usa la IA 👇🏼

Espectacular!!!

Freddy definitivamente es elmejor profesor de platzi, lastimosmente solo he visto 30 cursos y me falta mucho data para poder afirmmar esto con seguridad, pero de todos los profesores que he tenido, Freddy te engancha hablando, tiene un muy buen manejo de público, te desafia mientras te enseña, y se nota el gran conocimiento que maneja porque realmente sabe demasiado.
Con este curso aprendi que la tecnología no es tan dificil como parece en un principio.

¿Por qué en los archivos y enlaces hay una foto de la bandera de la Unión Europea? jajaja

Qué es una red neuronal

Las redes neuronales funcionan exactamente igual cómo funcionan las neuronas en nuestro cerebro, a nivel conceptual el cerebro humano tiene alrededor de 100 mil millones de neuronas que serían las bolitas verdes. Las neuronas tienen conexiones y reciben señales eléctricas y con las señales deciden qué hacer si dispara más fuerte o lento. La combinación de todas estas son las que crean el conocimiento. Nosotros recibimos inputs (sentidos: gusto olfato, etc.). Los inputs son datos que pasamos por memoria RAM a un algoritmo. Le damos una serie de datos a la red neuronal y la entrenan (con estos datos este es el resultado).
Un ejemplo de red neuronal es una estudiante que tiene que estudiar para un examen. El estudiante empieza a notar los datos y nota que en el día que tenía el examen estudió 4 horas y durmió 6 y ese fue el resultado del examen. Otro día estudio 2 horas y durmió 8 y se da otro resultado.

Función sigmoide: si le pasamos 5, 50=0, 50.1=0.5. Va de todos los números del 0 al 5 para que las neuronas tengan muchas opciones y diferentes lugares activa diferentes puntos del sigmoide. De esa manera las neuronas prueban cada uno de los datos y lo comparan con su base de datos de entrenamiento para ver que tanto se parecen. Las neuronas que funcionaron sirven para aprendizaje.

Cadenas de Marcov: así es cómo funciona el auto predicción del teclado. Si una persona múltiples veces ha hecho esto, lo más probable es que lo vuelva a hacer. Si solemos escribir “Hola amigo” al escribir “Hola”, el teclado nos va a sugerir “amigo”.

Los autos que se conducen solos son una combinación de algoritmos de inteligencia artificial con algoritmos que no tiene que ver con inteligencia artificial. Como para un semáforo usan una cámara con un filtro que resalta los colores brillantes, rojo, verde, amarillo y buscan en la imagen un patrón de cajita donde haya círculos de sus colores muy brillantes.

ya terminé el curso de fundamentos de ingenieria de software, y no veo más información ni más clases sobre redes neuronales, además de ésta clase…

Al ver esta clase me doy cuenta de lo complejos que somos los seres humanos y de la gigantesca capacidad de procesamiento que tenemos en nuestra cabezota. Creo que nosotros somos máquinas biológicas, tenemos periféricos de entrada y de salida, tenemos sentidos para recibir la información de nuestro mundo y sentidos para dar un resultado. Creo que las redes neuronales son un pilar muy importante para desarrollar inteligencia artificial. Vamos por buen camino.

Acabe el curso de Fundamentos de ingeniera de software en el #platziday y la verdad fue el mejor uso de mi tiempo.

Las redes neuronales artificiales son un modelo computacional vagamente inspirado en el comportamiento observado en su homólogo biológico​. Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales.

Freddy, te felicito. Esta clase despertó mi curiosidad hacia el “Machine Learning”. Agradezco el compromiso por parte del Team Platzi para crear esta lección.

El cerebro humano tiene cerca de 100 mil millones de neuronas, las neuronas tienen conexiones y reciben una señal eléctrica y con esa señal deciden que hacer y una combinación de estas es lo que crea el conocimiento. Nosotros recibimos inputs (nuestros sentidos), en las máquinas los inputs son los datos que pasamos por memoria RAM a un algoritmo. Se le da una serie de datos a la red neuronal y se entrena para darnos una aproximación del resultado a partir de 2 datos.

¿Has mencionado al inicio “algoritmos valencianos”? no pude encontrar nada sobre ese término en google, lo que sí encontré fueron las cadenas de Marcov.

Redes neuronales
Input Nodes, Hidden Nodes, Output Node
Se entrenan para reconocer patrones, puede generar una aproximación de un resultado que se puede obtener
Una red le asigna un peso a los datos y los pasan por una función de activación
y las comparan con los datos de entrenamiento
cadenas de marcob para texto predictivo recuerda lo que haz escrito muchas veces
procesamiento paralelo

En en minuto 3:00 dice que a los inputs de una IA, se cargan en memoria RAM, por que en memoria RAM y no por ejemplo en la memoria de disco duro o solido en consecuencia? por que en esa memoria precisamente. Si alguien me puede ayudar estaria agradecido!

Red neuronal
evaluación de datos que se integran a un modelo matemático y que se representaría la forma en que se influencia la toma de decisiones y como afecta a los resultados.

genial el proceso para entender y la aplicación impresionante

REDES NEURONALES
.
Son la base de la IT. Este concepto de las redes neuronales se basa en el concepto de como funcionan las redes neuronales humanas.
.
El cerebro humano tiene alrededor de 100.000.000.000 de neuronas. Las neuronas funcionan por medio de conexiones sinapsis, la neurona recibe una señal eléctrica con la cual realiza una decisión. Una combinación de todas estas crean el conocimiento. En la computación los Inputs son datos que recibe un algoritmo por medio de la memoria RAM.
.
Las redes neuronales se entrenan con una determinada serie de datos.
.
Las redes neuronales no realizan operaciones matemáticas de la manera natural.
.
Las redes neuronales iteran los datos entre 2 rangos numéricos definidos con diferentes funciones. Luego el resulto se compara con el resultado original sino vuelve a intentar lo múltiples veces en paralelo.
.
Los datos se ingresan y un pequeña función se encarga de cambiarlos de múltiples maneras. Las neuronas que no funcionan se apagan y las neuronas que funcionan se prenden estas tienen mas rango de bias “sesgo”.
.
Las redes neuronales expresadas matematicamente . Se toman las datos variables de datos y se suman y se multiplican por el peso de los datos y luego se pasan por una función de activación.
.
funciones de activación
.

• Función de pasos.
• Función de signos.
• Función sigmoide.
  .

Existen múltiples tipos de redes neuronales
.

• Redes recurrentes.
• Redes simétricas.
• Neurona única.
  .

La red neuronal mas comun es Feed-forward network.
.
Las redes neuronales pueden aprender de los errores y corregirlos back propagation. Esto se consigue con los datos de prueba. Multiplicando los números en un difrente nodo de la sigmoide.

Las redes neuronales son la base de la inteligencia artificial, una neuro tiene diferentes conexiones y esto se llama sinapsis, y lo que hace la inteligencia artificial es emular la sinanpsis del cerebro humano.

Gracias, realmente aprendí muchísimo acerca de el mundo de la tech con este curso. Simplemente gracias!

Me parece SUPER interesante esto de redes neuronales, veamos que me depara el futuro despues de los cursos de programacion y tantas cosas maravillosas que quiero aprender aqui en Platzi.

El gusto, fue ignorado, feliz dia del arbol sentido del gusto, espero puedas sobrevivir sin ser nombrado, jaja

Cuanto gana un ingeniero que trabaja con inteligencia artificial?

hipergrafos… neuronas… cuanta similitud entre nosotros las maquinas y el universo entero, que gran curso

Para aligerar la carga computacional que se usa en el procesamiento de imágenes al reconocer el marco del semáforo, llantas, autos, etc. Se usa detección de bordes, se emplea para simplificar el análisis de imágenes, realizando una reducción drástica de la cantidad de datos a ser procesados, mientras que al mismo tiempo preservan la información estructural alrededor de
los límites del objeto. La característica común a todos los filtros de detección de bordes es la combinación de pesos positivos con negativos, que no son más que la forma discreta de las derivadas (gradientes) espaciales de la imagen. Los más comunes son:
-Filtros de Prewitt.
-Filtros de Sobel.
-Detector de bordes de Canny.

Yo entiendo de matemáticas y cálculo, pero esto :’'v help

Soy ingeniero electronico, he diseñado sistemas de control con redes neuronales (en la universidad) Y NUNCA HABIA ENTENDIDO LA FUNCION DE ACTIVACION SIGMOIDE ajajajajjajajajajajaj gracias!

Estoy muy feliz de que me digan que es difícil, toda mi vida me han dicho eso, y para mi afortunadamente no me parece así, y cuando he logrado cosas las personas me miran diferente, lo que me gustaría decirte “compañere” jaja, es que tu puedes lograr todo lo que te propongas.

Te comparto una frase de las que colecciono:

«Hay dos tipos de personas que te dirán que no puedes hacer algo: las que tienen miedo de intentarlo y las que tienen miedo de que tengas éxito». – Ray Goforth.

• Recuerden. El 2020 será un año muy demandante en Inteligencia Artificial

Acabo de terminar este curso: Fundamentos de Ingeniería de Software

y en serio se aprende mucho en cada lección

Que cuestion tan brutal asi por encima esta la clase, tenia cierta curiosidad por saber algo mas especifico asi fuera muy poc, gracis freddy brutal.

¿Podemos decir entonces que un ejemplo Cadena de Markoff es el autocorrector de whatsapp?

De repaso para Freddy XD

Increíble lo amplio que es el universo de la informática

Qué linea de cursos debo seguir para aprender en Platzi IA??

Muchas gracias por los conocimientos que comparten, es genial que expliquen de donde vienen las cosas. Excelente trabajo.

Me emputa no poder aumentar la velocidad de reproducción de los vídeos insertados de youtube… como este… 1.5x 2.0x

Yo si me tome una aspirina después del vídeo jeje

“Se me olvidó uno” kasjdkajsdkasjdkad

Demasiada información, clase de gran contenido!

Eso explica cómo funciona la búsqueda por imágenes de Google y otras como Pinterest

genial

Eso parece analisis factorial confirmatorio en AMOS

Excelente curso de fundamentos!

Platzi = a una capacitación inicial e intermedia para poder conocer más sobre Internet of Things

Hay que tener en cuenta que aquí en redes neuronales no se usa RAM se usan Tensores en paralelo eso es el poder cómputo, que tiene sus costos, en google, aws o Microsoft es gratis por unas pocas fotos, en producción hay que tener recursos económicos hay que utilizar GPU, TPU que son aceleradores de hardware
En machine learning básico usas RAM y procesamiento en la nube y pagas por el en producción

Se me explotó el cerebro pero doy gracias a que en la universidad mis profesores me enseñaron matemáticas logré entender

entender esto es un reto …

Inspira a aprender mas… gracias platzi

Una neurona que utiliza la sigmoide como función de activación se llama neurona sigmoide. … La podemos ver si trazamos el valor de σ(z) como función de la entrada z . Función de activación sigmoide. Podemos ver que σ(z) actúa como una especie de función “aplastadora”, comprimiendo nuestra salida a un rango de 0 a 1.

No me queda clara la diferencia entre una red neuronal y un montón de condicionales. Por ejemplo en el ajedrez un software evalúa todas las posiciones de millones en su base de datos y es capaz de aprender cuando es derrotado. Con una red neuronal es lo mismo? ser capaz de aprender. identificar posiciones ganadoras. guarda millones de posiciones? o desarrolla conceptos de juego?.

Apasionante el mundo de la Inteligencia Artificial.

Por que en archivos y enlaces hay una bandera de la EU? fue hecha con AI o algo asi?

min 7:31 necesitaba que me calmara… jajaja lo ame! excelente maestro!

Yo admiro de verdad a la gente que hace machine learning. Gran vídeo entendí poco pero fue genial.

cómo puedo seleccionar dentro de platzi este video como preferido y volver a él cada semana?

Un poco compleja esta clase, pero realmente interesante.

Entonces con el video de la cámara también puede procesar los inputs (datos) de:
Velocidad (no sé si es con una cámara especial o con el movimiento de un obajeto hasta otro punto y su tiempo)?
Tamaño (sería dándole una referencia o ya lo sabe por si mismo)?
Temperatura (esto sería con una cámara térmica no?)
Distacia ``profundidad´´(ni idea de como puede obtener este dato con un video)
Y con todos estos datos etc, la respuesta debe ser muy rápida no? Ya que con el tiempo esos datos pueden cambiar, hasta predecirlos en el tiempo no? Y así en vez de recibir inputs los estaría prediciendo y confirmándolos con los inputs que entran.
Jajajaja me he enrollado, espero que entendais las preguntas
Un Saludo =)

wow por poco me estalla el cerebro… 😄

“Hola bb”
-Andréi Márkov

algo como transformer… jajaja

7:29
Lo mejor del video xdxd

Entender no es crear. Aquella frase famosa lo que dice en realidad es que nadie puede crear un computador por si solo. Entender como funciona una pantalla, un procesador, un teclado o un software no significa que seas capaz de construirlo

Hola bebe XD

Me alegra que tocara este tema, excelente introducción a la IA. Más ahora que en pocos años que se hizo el video, tenemos a ChatGPT y otras muy poderosas.

Talvez como sugerencia es dar una pequeña introductorio a otros algoritmos que podrían hacer un mejor entendimiento, como por ejemplo como funciona un sistema experto

Las redes neuronales son complicadas de entenderlo. Pero enormemente utiles. En los proximos 5 meses espero dominar este tema

Esto me recuerda cuando me recomendaron jugar Dark Souls… Soló diré que sí, valió la pena!

Me encanto y si entendi como toman desiciones las GPU o IA

vaya!!

Aaaahhh, hay cosas que si entendí

Increíble el método de aprendizaje de Freddy, lo complicado lo hace sonar menos complejo, obviamente para poder comprenderlo a su totalidad esta la escuela de inteligencia artificial y machine learning.

Gracias Freddy Vega por compartir tu conocimiento

Interesante, es lo que buscaba

Hola “bebe” ❤️

jajaja, sos un capo enseñando …

Estalló mi cerebro.

Es excelente sobre todo como Freddy al hacer analogías con las neuronas reales hace mucho más entendible el tema, claro, para el purista no debería importar, sin embargo es interesante identificarlas.

Es similar decir que una red neuronal puede que este basado en una red de PERT CPM?

Yo vi este mismo vídeo ya hace varios meses antes de tomar este curso, se me hace increíble que aunque creí en ese momento que había entendido lo que explicaba Freddy me doy cuenta ahora que no es así y que había muchos conceptos que desconocía pero creía entender pero que con ayuda de este curso ya los conozco un poco mejor, y espero seguir aprendiendo mas para cada día poder entender mas cosas.

donde se encuentran hubicados esa redes neuronales?.

Difícil esta clase

al parecer pude salir con vida

minuto 7… no creo poder sobrevivir a esta clase

Esta clase me hizo recordar cuando en mi 9no semestre de ingenieria me toco programar una red neuronal

Nutriendome de conocimientos! Gracias Freddy!

Este video lo había visto antes 2 veces. Lo veré una vez más, claro!

Creo que en uno de los slide del principio salen maquinas de estado. Este tema es complejo, pero merece la pena leerlo

Ahora empiezo a tomarle amor a las matemáticas ❤️

Gracias Platzi

este curso es genial, te mantiene atento desde el principio al final
muy bueno el instructor

ESTE.
Este fue el vídeo con el que conocí Platzi, cuando en la universidad me dejaron investigar sobre redes neuronales, hace casi 3 años.
💚💚💚

Me encanto esta clase, muy buena de verdad

😮

El tema es complicado, pero si logre entender la mayoría. Excelente vídeo.