¿Qué son las redes neuronales artificiales?
Clase 3 de 44 • Curso de Deep Learning con Pytorch
Contenido del curso
Entender la API de Pytorch
- 7
🔧 Aviso de renovación de un curso
00:33 min - 8
¿Qué son los tensores?
09:15 min - 9
Tensores y datasets
09:02 min - 10
Capas de una red neuronal en Pytorch
10:02 min - 11
Crear una red neuronal en Pytorch
13:21 min - 12
¿Cómo cargar datos en Pytorch?
13:13 min - 13
¿Cómo entrenar una red en Pytorch?
11:33 min - 14
Loop de entrenamiento de la red neuronal
13:02 min
Entrenar Redes Neuronales Profundas
- 15
🔧 Aviso de renovación de un curso
00:33 min - 16
Ciclo de trabajo para el Deep Learning
07:47 min - 17
Espacio de modelos
07:18 min - 18
Función de perdida
08:08 min - 19
Método de optimización: SGD y Backpropagation
09:18 min - 20
Autograd y métodos de optimización
12:25 min - 21
¿Cómo evaluar la performance de la red neuronal?
08:13 min - 22
Regularización de redes neuronales profundas
05:44 min - 23
Implementando la Regularización
08:32 min - 24
Optimización de hiperparametros
11:49 min - 25
Transfer learning
04:05 min
Construir nuestro propio modelo
- 26
🔧 Aviso de renovación de un curso
00:33 min - 27
Presentación del problema
10:06 min - 28
Definiendo la red generativa que construiremos: CycleGAN
10:58 min - 29
Creando la red generadora convolucional
09:11 min - 30
Creando el decoder de la red generadora
07:46 min - 31
Construyendo las redes discriminativas
07:23 min - 32
Preparando el entrenamiento
09:46 min - 33
Instanciando redes, perdidas
09:49 min - 34
Instanciando optimizadores y schedulers
09:09 min - 35
Calculando las pérdidas
09:28 min - 36
Entrenando
11:39 min - 37
Cómo visualizar y debugear el entrenamiento
13:09 min - 38
Cómo utilizar tu modelo una vez entrenado
10:36 min - 39
Cómo utilizar una GPU personal con Google Cloud
02:12 min
Llegar más lejos
Bonus
