Aprender conceptos iniciales de Deep Learning

1

¿Qué es el Deep Learning?

2

¿Qué son las redes neuronales artificiales?

3

¿Por qué el Deep Learning ahora?

4

Pytorch y los diferentes frameworks de Deep Learning

5

Setup en Google Colab

Entender la API de Pytorch

6

¿Qué son los tensores?

7

Tensores y datasets

8

Capas de una red neuronal en Pytorch

9

Crear una red neuronal en Pytorch

10

¿Cómo cargar datos en Pytorch?

11

¿Cómo entrenar una red en Pytorch?

12

Loop de entrenamiento de la red neuronal

Entrenar Redes Neuronales Profundas

13

Ciclo de trabajo para el Deep Learning

14

Espacio de modelos

15

Función de perdida

16

Método de optimización: SGD y Backpropagation

17

Autograd y métodos de optimización

18

¿Cómo evaluar la performance de la red neuronal?

19

Regularización de redes neuronales profundas

20

Implementando la Regularización

21

Optimización de hiperparametros

22

Transfer learning

Construir nuestro propio modelo

23

Presentación del problema

24

Definiendo la red generativa que construiremos: CycleGAN

25

Creando la red generadora convolucional

26

Creando el decoder de la red generadora

27

Construyendo las redes discriminativas

28

Preparando el entrenamiento

29

Instanciando redes, perdidas

30

Instanciando optimizadores y schedulers

31

Calculando las pérdidas

32

Entrenando

33

Cómo visualizar y debugear el entrenamiento

34

Cómo utilizar tu modelo una vez entrenado

35

Cómo utilizar una GPU personal con Google Cloud

Llegar más lejos

36

¿Por qué el Deep Learning es más poderoso que el Machine Learning Tradicional?

37

Para ir más lejos

38

Cierre del curso

Bonus

39

¿Por qué aprender Deep Learning?

Disfruta de nuestro contenido y eventos por un año a un precio especial

Antes: $179

Currency
$149/año
¡Suscríbete!

🔥 Te quedan 🔥

1D
8H
5M
42S

Setup en Google Colab

5/39
Recursos
Transcripción

Aportes 11

Preguntas 3

Ordenar por:

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

Les indico que para algunos le dara un error, como a Pablo, lo que pasa es que despues hacen unzip del dataset estan en otro directorio.

Cambien al PWD,

import sys

course_path = '/gdrive/My drive/pytorch/dl-pytorch'

sys.path.append(course_path)
cd /gdrive/My Drive/dl-pytorch

y despues al final puden poner esto sin errores.

import plot_helpers

Espero que le sea de ayuda :p

En mi caso uso Jupyter y me funciono descomprimiendo los archivos en mi carpeta de trabajo, ademas se debe instalar pytorch. Yo lo hice desde anaconda navigator sin ninguna dificultad.

En mi caso no me funcionó montar el drive en gs.
Entonces lo hice así:

from google.colab import drive
drive.mount('/content/drive')

Luego

%cd "/content/drive/My Drive"
!ls
!git clone https://github.com/JuanPabloMF/dl-pytorch

Ya fuera de eso es lo mismo que el profe hizo.

No me funcionó usar My Drive, en mi caso funcionó junto: MyDrive.

wow!

Deberían trabajar los notebook en el mismo formato, si usan .ypnb en un curso en todos debería ser .ypnb, así es más sencillo subirlos al Colab.
Es un sugerencia, saludos.

Al hacer el import plot_helpers me da este error:


ModuleNotFoundError Traceback (most recent call last)
<ipython-input-12-e3e18896adef> in <module>()
----> 1 import plot_helpers

ModuleNotFoundError: No module named ‘plot_helpers’

Que significa iniciar un comando de linux con simbolo ! o %…???

pense q iba a ser otra introduccion de colab, pero wow :like: