Fundamentos prácticos

1

Aplica Platzidoro en este curso y asegura el éxito de tu aprendizaje

2

Los fundamentos de machine learning que aprenderás

3

Introducción a Numpy

4

Introducción y manipulación de datos con Pandas

5

Introducción a ScikitLearn

6

Comandos básicos de las librerías usadas en el curso (Numpy, Pandas y ScikitLearn)

Regresión Lineal y Logística

7

¿Qué es la predicción de datos?

8

Sobreajuste y subajuste en los datos

9

Regresión lineal simple y regresión lineal múltiple

10

Regresión lineal simple con Scikit-Learn: división de los datos

11

Regresión lineal simple con Scikit-Learn: creación del modelo

12

Regresión logística con Scikit-Learn: definición y división de datos

13

Regresión logística con Scikit-Learn: evaluación del modelo

14

Matriz de confusión

15

PlatziDoro Cápsula 1

Árboles de decisión

16

¿Qué es un árbol de decisión y cómo se divide?

17

Comprendiendo nuestro data set para la creación de un árbol de decisión

18

Creando un clasificador con Scikit-Learn

19

Entrenamiento del modelo de clasificación

20

Visualización del árbol de decisión

K-Means

21

¿Qué es K-Means?

22

Cargando el data set de Iris

23

Construcción y evaluación del modelo con K-Means

24

Graficación del modelo

25

PlatziDoro Cápsula 2

Aprendizaje profundo

26

Introducción al aprendizaje profundo

27

Conceptos básicos de Tensor Flow

28

Red neuronal convolucional

29

Conociendo el set de datos para la creación de la red neuronal

30

Crea y entrena tu primera red neuronal convolucional con Tensor Flow

31

Evaluación de la red convolucional

32

PlatziDoro Cápsula 3

Despedida

33

Recomendaciones para analizar correctamente tu problema

34

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

28/34
Recursos

Aportes 13

Preguntas 0

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

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.

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:

  • 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:

  • 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.

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.

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.

En el siguiente enlace se muestra gráficamente sobre Redes Neuronales Convolucionales por Dot CSV

Dejo un video de las Redes Neuronales CONVOLUCIONALES:
https://www.youtube.com/watch?v=V8j1oENVz00&t=22s&ab_channel=DotCSV

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