Dejo este excelente mini-curso de la construcción matemática del percepción multicapa para quien quiera profundizar en el lado matemático de las redes neuronales
https://www.youtube.com/watch?v=jaEIv_E29sk&list=PLAnA8FVrBl8AWkZmbswwWiF8a_52dQ3JQ
Fundamentos en la arquitectura de redes neuronales
La importancia de las redes neuronales en la actualidad
¿Que herramientas usaremos para redes neuronales?
¿Qué es deep learning?
Tu primera red neuronal con Keras
Entrenando el modelo de tu primera red neuronal
La neurona: una pequeña y poderosa herramienta
Arquitectura de una red neuronal
Funciones de activación
Funcion de pérdida (loss function)
Descenso del gradiente
Backpropagation
Playground - Tensorflow
Quiz: Fundamentos en la arquitectura de redes neuronales
Redes neuronales con Python
Dimensiones, tensores y reshape
Creando nuestra red neuronal usando numpy y matemáticas
Entrenamiento forward de la red neuronal
Aplicando backpropagation y descenso del gradiente
Entrenamiento y análisis de resultados de tu red neuronal
Quiz: Redes neuronales con Python
Manejo de redes neuronales con Keras
Data: train, validation, test
Resolviendo un problema de clasificacion binaria
Entrenamiento del modelo de clasificación binaria
Regularización - Dropout
Reduciendo el overfitting
Resolviendo un problema de clasificación múltiple
Entrenamiento del modelo de clasificación múltiple
Resolviendo un problema de regresión
Entrenamiento del modelo de regresión
Análisis de resultados del modelo de regresión
Cierre
¿Qué sigue por aprender de redes neuronales?
Aún no tienes acceso a esta clase
Crea una cuenta y continúa viendo este curso
Crear cuenta
Si ya tienes una cuenta,
Iniciar sesiónLa neurona: una pequeña y poderosa herramienta
6/28Recursos
Aportes 12
Preguntas 4
Ordenar por:
La estructura de este curso esta GENIAL!
Primero una breve explicación del curso, luego la aplicación en código y ahora la explicación detallada de como funciona la red neuronal.
😃
La neurona, también llamado perceptrón (nacido en los años 50’s) está inspirado en las redes neuronales biológicas.
El funcionamiento del perceptrón se describe de la siguiente manera:
-
Se realiza una suma ponderada de las entradas con los pesos (weights w). Esto da como resultado una salida lineal.
-
Esta salida se pasa por una función de activación que introduce no linealidades al perceptrón.
-
Si el modelo no satisface de forma adecuada el problema entonces se itera. Se itera actualizando los pesos hasta resolver el problema.
Les dejo un video súper recomendado donde se pone en práctica esa misma aplicación de red neuronal que construimos antes de una forma super interesante (haciendo que personas reales se comporten como las neuronas) y deja más claro cómo funciona por dentro esta red
A mi me gustó mucho como lo explica este video, me pareció entendible, con imágenes muy ilustrativas y ejemplos muy interactivos.
https://www.youtube.com/watch?v=MRIv2IwFTPg&list=PL-Ogd76BhmcB9OjPucsnc2-piEE96jJDQ
¡De verdad este curso está estructurado de forma increíble!
Dejar que los conceptos vayan cayendo en su lugar uno a uno conforme aparecen problemas que el profesor enuncia es perfecto para aprenderlo y tomarle cariño al tema 😄
La Neurona: una pequeña y poderosa herramienta
La neurona (perceptrón) nacido en 1950-60, está inspirado en las redes neuronales biológicas
Función de una Neurona:
El funcionamiento del perceptrón se describe de la siguiente manera:
-
Entradas (X1 y X2): dentro de la neurona se haces sumas ponderadas (lineales)
-
Pesos (W): Se realiza una suma ponderada de las entradas con los pesos (weights W), esto da como resultado una salida lineal.
-
Bias o sesgo (b) : Esta salida se pasa por una función de activación que introduce no linealidades al perceptrón (le da elasticidad al modelo), cumple la funcion de una regresion lineal
Si el modelo no satisface de forma adecuada el problema entonces se itera. Se itera actualizando los pesos hasta resolver el problema.
Explicación de una red neuronal de DotCSV
Excelente la explicación
uuuuuffffffffffff,
Pasadisimo el curso, que buena manera comenzar con toda la informacion agobiante y despues comenzar paso a paso. Algo así como esas series que te muestran el final y se van decomponiendo en como se llegó a ese punto, 10/10
Este articulo de Matt Mazur me sirvió para hacer mi primera red neuronal a mano, paso a paso. Es genial ver que tu red neuronal está aprendiendo.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.