¿Qué es la Inteligencia Artificial (IA), Machine Learning y Deep Learning?
Clase 2 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
Inteligencia Artificial: Tratar de imitar las cosas que nosotros consideramos inteligentes en los seres humanos.
Machine Learning: Habla de que un algoritmo puede ser entrenado con datos pasados de modo que puede predecir el futuro.
Deep Learning: Las redes neuronales a través de las cuales hacemos Machine Learning se dividen en capas, entre más profunda es una capa, es mucho más exacta y puede crear funciones más sofisticadas para poder predecir el futuro.