Fundamentos en la arquitectura de redes neuronales

1

La importancia de las redes neuronales en la actualidad

2

¬ŅQue herramientas usaremos para redes neuronales?

3

¬ŅQu√© es deep learning?

4

Tu primera red neuronal con Keras

5

Entrenando el modelo de tu primera red neuronal

6

La neurona: una peque√Īa y poderosa herramienta

7

Arquitectura de una red neuronal

8

Funciones de activación

9

Funcion de pérdida (loss function)

10

Descenso del gradiente

11

Backpropagation

12

Playground - Tensorflow

Quiz: Fundamentos en la arquitectura de redes neuronales

Redes neuronales con Python

13

Dimensiones, tensores y reshape

14

Creando nuestra red neuronal usando numpy y matem√°ticas

15

Entrenamiento forward de la red neuronal

16

Aplicando backpropagation y descenso del gradiente

17

Entrenamiento y an√°lisis de resultados de tu red neuronal

Quiz: Redes neuronales con Python

Manejo de redes neuronales con Keras

18

Data: train, validation, test

19

Resolviendo un problema de clasificacion binaria

20

Entrenamiento del modelo de clasificación binaria

21

Regularización - Dropout

22

Reduciendo el overfitting

23

Resolviendo un problema de clasificaci√≥n m√ļltiple

24

Entrenamiento del modelo de clasificaci√≥n m√ļltiple

25

Resolviendo un problema de regresión

26

Entrenamiento del modelo de regresión

27

Análisis de resultados del modelo de regresión

Cierre

28

¬ŅQu√© sigue por aprender de redes neuronales?

29

Comparte tu proyecto de tu primera red neuronal y certifícate

No tienes acceso a esta clase

¬°Contin√ļa aprendiendo! √önete y comienza a potenciar tu carrera

Dimensiones, tensores y reshape

13/29
Recursos

Aportes 10

Preguntas 2

Ordenar por:

¬ŅQuieres ver m√°s aportes, preguntas y respuestas de la comunidad?

o inicia sesión.

Transpose Matrix

En una clase anterior para ejemplificar cómo se estructuran los tensores, el profesor dibujó una imagen tomando en cuenta el código de colores RGB.

Para practicar, hice un tensor que conten√≠a un pixelart de la bandera de mi pa√≠s ūüėĄ

Adjunto evidencia

El código:

G=[0,68,47]
R=[200,12,29]
W=[255,255,255]
B=[133,59,22]
LG=[101,108,38]
LB=[7,122,125]
O=[249,162,69]

tensorMexico=np.array([
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,B,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,B,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,LG,B,B,W,B,B,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,LG,B,B,B,B,B,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,LG,W,B,B,B,B,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,B,B,B,B,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,LG,R,W,B,B,R,LG,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,LG,W,G,R,G,W,LG,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,LG,LB,O,LB,LG,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,LG,LG,LG,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
])

Para graficarlo:

%matplotlib inline

import matplotlib.pyplot as plt

plt.imshow(tensorMexico, interpolation='nearest')
plt.show()
  • Escalar: n√ļmero simple. Tensor de orden 0.
  • Vector: es un arreglo ordenado de n√ļmeros. Tensor de orden 1.
  • Matriz: es un vector rectangular, dos dimensiones. Tensor de orden 2.
  • Tensor: es una identidad matem√°tica que relaciona conjuntos de objetos en diferentes dimensiones.

Algo que mensionar es que:

x.reshape(2,4)

es diferente de

np.transpose(x) # o
x.T

Los datos pueden tener diferentes dimensiones dependiendo de su estructura y complejidad. A continuación se detallan las dimensiones más comunes:

  1. Scalar: Un valor escalar representa una √ļnica cantidad o valor num√©rico sin ninguna direcci√≥n o magnitud asociada. Un ejemplo de valor escalar podr√≠a ser la temperatura actual en grados Celsius.

  2. Vector: Un vector es una entidad matem√°tica que tiene magnitud y direcci√≥n. Est√° compuesto por una secuencia de valores num√©ricos dispuestos en una sola dimensi√≥n. Un ejemplo com√ļn de vector es una lista de coordenadas que representan una posici√≥n en un espacio tridimensional.

  3. Matrix: Una matriz es un conjunto de valores numéricos dispuestos en filas y columnas que forman una estructura bidimensional. Las matrices se utilizan para realizar cálculos lineales, como transformaciones lineales, rotaciones y escalamientos. Un ejemplo de matriz puede ser una imagen en escala de grises, que se puede representar como una matriz de píxeles.

  4. Tensor: Un tensor es un objeto matem√°tico de m√ļltiples dimensiones que se utiliza en el an√°lisis y procesamiento de datos en √°reas como la f√≠sica, la ingenier√≠a y el aprendizaje autom√°tico. Un tensor puede ser un vector o una matriz de cualquier dimensi√≥n. Un ejemplo de tensor puede ser una imagen en color, que se puede representar como un tensor de tres dimensiones, con una dimensi√≥n para el ancho, otra para la altura y otra para los canales de color (rojo, verde y azul).

np.transpose(x) == x.T

Recomiendo fuertemente el Curso de Fundamentos de √Ālgebra Lineal con Python para tener claro estos comandos

El tensor realmente significa que se puede transformar como un tensor (Un vector puede ser un tensor de orden 1). Esto significa que su transformación puede expresarse con el jacobiano, que es una matriz de derivadas.

que bueno que tome el curso de numpy y panda dado por el mismo profe ūüėĄ