Alberto Sánchez
Felipe Andrés González Quintero
Deyvi Jhonny Bustamante Perez
Usuario anónimo
Usuario anónimo
Maria Guadalupe Diaz Escobar
Jorge Heli Rueda Uribe
Usuario anónimo
Usuario anónimo
Usuario anónimo
Usuario anónimo
Usuario anónimo
Usuario anónimo
Gabriel Salvador
Jessie Buckland Pérez
Alexander Mayor
David Torres Bejarano
Usuario anónimo
Usuario anónimo
Arturo Baduna
Luis Enrique Sanchez Piñerua
Oyarzabal Ivan
Usuario anónimo
Usuario anónimo
Juan Jose Sepulveda Calderon
Gabriela Maria Marin Zelaya
Esta herramienta la toque en el curso de Google sobre tensorflow que es su API sobre redes neuranales, es un curso online y gratuito que si teneis interes en estos temas os recomiendo porque realmente es muy sencillo de utilizar. https://developers.google.com/machine-learning/crash-course/ml-intro?hl=es-419
Excelente
que excelente aporte
esta herramienta debería estar al inicio del curso, e irse implementando en cada una de las temáticas abordadas, para lograr un entendimiento mas didáctico a los estudiantes del curso
Les dejo una simulación 3D de una red neuronal ...
Gracias
Espectacular herramienta online! No la conocía!
Bastante didáctico, muchas gracias
Fascinante herramienta! muy claro todo muchas gracias!
David buenas tardes, interesante la herramienta, pero me gustaria que hagas un ejemplo de la aplicación a un caso real un saludo William Pulido
Si podría ser por ejemplo una clasificación de automoviles.
fantastico!
Excelente ejemplo de redes neuronales. En mi caso, con más de seis capas de neuronas, menos eficiente era, del mismo modo, con muchas neuronas por cada capa era menos eficiente, al parecer de izquierda a derecha entre menos neuronas hubiesen, mejor es el trabajo que realizan, creo que entre más neuronas intervengan en un proceso, se descordinan. Se genera más peso de una tarea a las neuronas de la derecha, por lo tanto, varios grupos hacen lo mismo y van dejando de hacer lo otro y a lo último esa información se pierde y queda incompleto el trabajo.
Muy nena esta clase y forma de explicar. Pienso que este curso en general sería mejor si cuidaran el orden de las clases.
Esa herramienta y la explicación de David Torres, son la mejor cosa que me ha pasado este Sábado comprimido en 10:00, muy interesante!!!
Hola! ¿Podrían poner el enlace a la herramienta? Gracias
Genial todo esto, gracias.
Que súper herrramienta!
este si es un curso como la gente no como la 1ra parte yo lo sacaria
Esta es mi solucion, 5 cajas escondidas y utilizando sin(x1) y sin(x2), pude llegar a loss muy bajo y de forma muy rapida.
Esta fue mi solucion, con 5 cajas escondidas, aunque creo que con mas tiempo se puede hacer un poquito mejor. https://playground.tensorflow.org/#activation=relu&batchSize=10&dataset=spiral&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=6,6,5,4,5&seed=0.05237&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false
¿De que forma puede afectar un entrenamiento del modelo con un alto volumen de capas y neuronas?
Hola, por favor no llenes de spam los diferentes espacios, realmente es difícil ver lo que otras personas han comentado o preguntado cuando tu llenas todo ese espacio. Si tanto quieres ganar puntos hay otros espacios, como publicar articulos. Gracias
No me queda claro lo del Batch. Por lo que entiendo es un grupo de tu dataset para entrenar el modelo pero: ¿no es lo mismo entrenar el modelo con todos los datos, que hacerlo batch por batch?
Muy interesante
