El Algoritmo Maestro
Clase 28 de 28 • Curso de Introducción al Deep Learning 2018
Contenido del curso
Proyecto práctico
Sesión interactiva: Configurar tu ambiente de trabajo
Conceptos básicos
- 7
¿Qué es una neurona?
06:10 min - 8
¿Qué es una red neuronal?
09:08 min - 9
Función softmax(z)
02:06 min - 10
¿Cómo aprende una red neuronal?
05:42 min - 11
Navegando la superficie de error con gradientes
06:59 min - 12
Un Ejemplo Concreto: Aprendiendo la Función XOR
02:13 min - 13
Recapitulación
01:28 min - 14
Proyecto: Diccionario en español
00:56 min
Algoritmos de Deep Learning y Redes Neuronales
- 15
Modelo #1: Logistic Classifier
04:13 min - 16
Sesión interactiva: Implementación de Logistic Classifier valores de entrada
11:12 min - 17
Sesión interactiva: Implementación de Logistic Classifier arquitectura
16:13 min - 18
Modelo #2: Multi Layer Perceptron (MLP)
01:17 min - 19
Sesión interactiva: Implementación de MLP ingresando datos
07:46 min - 20
Sesión interactiva: Implementación de MLP a nivel de arquitectura
15:45 min - 21
Modelo #3: Long-Short Term Memory (LSTM)
11:04 min - 22
Sesión interactiva: Implementación de LSTM definiendo entradas
11:12 min - 23
Sesión interactiva: Implementación de LSTM arquitectura y optimización
15:12 min - 24
Corriendo modelos
09:50 min - 25
Recapitulando
03:28 min
Evaluando un modelo
Conclusiones del curso
Contenido Bonus
Resumen
En esta clase aprenderás sobre la clasificación más avanzada que se ha hecho en el campo de la inteligencia artificial.
El profesor Pedro Domingos, creó un libro llamado el algoritmos maestro en el cuál explica como todos los algoritmos de inteligencia artificial se pueden agrupar en 5 tribus o familias, en esta clase describimos a detalle cada una de ellas, Simbolista, Coleccionista, Evolucionista, Bayesiano, y Analogizador.