básicamente cada capa capta cierto atributos de la imagen, generalmente las primeras captan “bordes” , pero entre mas profunda la red capta caracteristicas mas complejas. En si aplicar una convolucion resulta en aplicar una matriz de numeros a la imagende input vista igualmente como una matriz de números. donde dichos numeros hacen referencia a los pixeles de la misma que van de 0 a 256. El tema es valga la redundancia muy profundo pero espero el comentario sirva a algunos.
Fundamentos prácticos
Aplica Platzidoro en este curso y asegura el éxito de tu aprendizaje
Los fundamentos de machine learning que aprenderás
Introducción a Numpy
Introducción y manipulación de datos con Pandas
Introducción a ScikitLearn
Comandos básicos de las librerías usadas en el curso (Numpy, Pandas y ScikitLearn)
Regresión Lineal y Logística
¿Qué es la predicción de datos?
Sobreajuste y subajuste en los datos
Regresión lineal simple y regresión lineal múltiple
Regresión lineal simple con Scikit-Learn: división de los datos
Regresión lineal simple con Scikit-Learn: creación del modelo
Regresión logística con Scikit-Learn: definición y división de datos
Regresión logística con Scikit-Learn: evaluación del modelo
Matriz de confusión
PlatziDoro Cápsula 1
Árboles de decisión
¿Qué es un árbol de decisión y cómo se divide?
Comprendiendo nuestro data set para la creación de un árbol de decisión
Creando un clasificador con Scikit-Learn
Entrenamiento del modelo de clasificación
Visualización del árbol de decisión
K-Means
¿Qué es K-Means?
Cargando el data set de Iris
Construcción y evaluación del modelo con K-Means
Graficación del modelo
PlatziDoro Cápsula 2
Aprendizaje profundo
Introducción al aprendizaje profundo
Conceptos básicos de Tensor Flow
Red neuronal convolucional
Conociendo el set de datos para la creación de la red neuronal
Crea y entrena tu primera red neuronal convolucional con Tensor Flow
Evaluación de la red convolucional
PlatziDoro Cápsula 3
Despedida
Recomendaciones para analizar correctamente tu problema
Siguientes pasos para continuar aprendendiendo de Machine Learning
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Red neuronal convolucional
28/34Recursos
Aportes 11
Preguntas 0
Ordenar por:
Aquí un video pare entender el mejor o ampliar el conocimiento sobre redes neuronales convoucionales: https://www.youtube.com/watch?v=V8j1oENVz00
Red neuronal convolucional:
- utilizada para el reconocimiento de imagenes.
- divide la informacion de una manera consecutiva de modo que se concentra en aprender cada seccion en particular.
- al final, se une cada parte del aprendizaje para asignarle una etiqueta.
Red neuronal convolucional:
- Modelan de forma consecutiva pequeñas piezas de información, al final combinan información en las capas más profundas de la red.
- Ésta red es especial para trabajar imágenes y audios.
Red neuronal convolucional
Modelan de forma consecutiva pequeñas piezas de información, al final combinan información en las capas más profundas de la red.
Existen diferentes tipos de redes neuronales para diversas tareas, a la hora de manejar imágenes o audio se usan redes neuronales convolucionales
Las redes neuronales convolucionales se caracterizan porque tienen una sección que va dividiendo la información de una manera consecutiva
De esta forma se puede enfocar en aprender únicamente ciertas secciones
logrando así encontrar diferentes patrones que existen en los datos
en el caso de las imágenes se divide en multiples segmentos y cada segmento se vuelve una capa que es analizada para luego procesarla con las funciones de activación
la capa de salida se calcula en base a los pesos de cada una de las características para así poder asignarles una etiqueta a los datos.
En el siguiente enlace se muestra gráficamente sobre Redes Neuronales Convolucionales por Dot CSV
Cómo funciona una red neuronal convolucional
Cabe recalcar que las redes neuronales convolucionales son un tipo de arquitectura y que usualmente se usa para imágenes y genómica. Otros tipos de arquitectura son Deep Feed-Forward y Recurrent.
Convolutional neural network
Muy bueno el tema y se entiende
Red Neuronal convolucional
Nos premite dividir la información en pequeñas piezas que se van combinando en las capas más profundas de la red, así la red puede enfocarse en aprender únicamente ciertas áreas de la información para luego integrarlas en un todo.
Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.