Cómo funciona el aprendizaje supervisado en una Red Neuronal
Clase 1 de 9 • Curso de Redes Neuronales y Backpropagation 2017
Contenido del curso
Clase 1 de 9 • Curso de Redes Neuronales y Backpropagation 2017
Contenido del curso
Ricardo Celis
Omar Florez
Ricardo Celis
Hebert lughi villafuerte ccacala
Omar Florez
Junior Ricci
Omar Florez
Carlos Nexans
Omar Florez
Martín Leyva
Pedro Escobar
Jose Castro
Franklin Gil
Omar Florez
Carlos Oblitas Villegas
Martín Leyva
Ricardo Celis
Omar Florez
Gabriel Acosta
Ricardo Celis
Omar Florez
Heber Llano Cruz
Oscar Barajas Tavares
Diego Forero
Arturo Polanco Lozano
Martín Leyva
Usuario anónimo
IA Interactive
Juan Carlos Valencia López
Carlos Daniel Pimentel Díaz
Gabriel Acosta
Evelyn Graterol Rosales
Recordatorio: el producto punto también conocido como producto escalar de dos vectores es un número real que resulta al multiplicar el producto de sus módulos por el coseno del ángulo que forman.
Excelente aporte.
gracias por la imagen!
Buena introduccion, orgullo arequipeño omar! 😃
Muchas gracias, es un placer!
Excelente Curso
Gracias!! sientete libre de preguntar si tienes preguntas.
Muy profesional este curso. La calidad es increíble. Quiero mas cursos con éste profesor.
Muchas gracias cneaxans, por tus palabras tan amables. Contento de compartir estos temas, que incluso en Ingles no son explicados de la manera correcta.
Ya está disponible El Diccionario de IA, elaborado por Omar Florez
Inferencia: toma los datos de entrenada, generar una salida, se tiene otra función que hace lo mismo y finalmente genera una probabilidad.
Excelente introducción, solo un detalle mínimo desde mi punto de vista sería tener el material en español, no porque no lo haga entendible el Omar si no porque se vería más profesional si el material estuviera en formato Platzi
¿Qué significa “composición de elementos lineales y no lineales”?
Básicamente significa que la salida de una función es la entrada de otra. For ejemplo, la composición de dos funciones f() y g() seria f(g(x)). Imagina que g es solo una combinación lineal de los datos de entrada x, pero la función f() modela interacción o combinaciones no lineales. Entonces, f(g(x)) seria una composición de elementos lineales y no lineales.
Lamentablemente, mucha de esta terminología viene de tópicos que escapan del ámbito de esta clase (algebra lineal, calculo en varias variables, etc.) y que no es una mala idea revisar en Khan Academy por ejemplo. Aqui informacion sobre composicion de funciones:
Pobre gatito!! bien de la ciencia mis polainas... ja ja... buena introducción...
Una neurona es una combinación lineal de entradas. Seguida por una función de activación.
Excelente Introducción!
Gracias, a la orden!
¿se considera las redes neuronales como un modelo computacional universal estilo Máquinas de Turing, Von Neumann?
Hola Joga, no se consideran como tales pues los modelos computacionales tienen màs que ver con còmo se define o còmo se arquitecta un hardware, creo, creo, que las redes neuronales son màs utilizar el computo ya existente para procesar modelos matemàticos especìficos que se comportan còmo las neuronas humanas =)
Gran pregunta @joga y gran explicacion @ricardocelis !
Las máquinas de Turing tienen una memoria externa y una unidad de cómputo. Como bien menciona Ricardo, esta unidad de procesamiento o caja negra es aproximada por una red neuronal para precisamente aproximar una función matemática.
Habiendo dicho esto, Neural Turing Machines es una área de investigación de bastante interés ahora mismo el cual algun dia me gustaria hablarles en Platzi y sobre el cual estoy trabajando ahora mismo. Imagina lo siguiente, una red neuronal tiene una memoria limitada, solo recuerda los patrones que le acabas de mostrar y actualiza sus pesos en esa dirección, pero qué sucede si el aprendizaje debe ser en secuencia (por ejemplo movimientos en un video) y eventos/patrones interesantes sucedieron al inicio de la secuencia. Necesitamos memoria externa (también diferenciable) para recordar patrones antiguos (very long-term memory). En ese contexto, deberíamos enseñarle a una red neuronal como escribir, sobre escribir, y leer en posiciones de esa memoria! Mas detalles en:
Mas visualmente:
no se puede descargar los videos??
En la aplicación móvil puedes descargar las clases, la app de encuentra para iOS o android.
Se pueden descargar desde las aplicaciones móviles si tienes una suscripción Platzi Expert.
No he podido reproducir ningún video de este curso ni en la app móvil ni en la web, ayuda
Traducción de la Introducción (Introduction):
Introducción:
Aprendizaje supervisado y redes neuronales
–¿Qué es una red neuronal artificial?
– ¿Qué es aprendizaje supervisado?
– ¿Dónde se almacena la memoria en la red neuronal?
– ¿Cómo sabe una red neuronal que funciona correctamente?
– ¿Por qué funciona esto? ¿Cual es la matemática detrás del entrenamiento de una red neuronal?
– Creando nuestra red neuronal desde cero.
Notas:
En la tercera linea me gusta más:
¿Dónde se almacenan los datos en la red neuronal? (la información es el resultado de los datos procesados, por eso no puse información aquí)
La última línea puede ser:
Crea tu propia red neuronal desde cero. (La línea en inglés tiene cierta ambigüedad)
Existe alguna relación de la redes neuronales con los wavelet? ya que se utilizan también para dinámica no lineal, gracias.
Mi primera red neuronal va a ser para pronosticar los partidos del futbol mexicano. Espero que con este curso pueda hacer eso.
hay algún curso que lo renueva? o por qué le pusieron 2017
Hola. Pues ahora existe un curso llamado Introducción al Deep Learning y lo encuentras en éste enlace: https://platzi.com/clases/ia/
Comparto este libro de Redes Neuronales y Deep Learning
Es gratis y viene en html, para complementar y seguir aportando conocimiento a su formación y estudio. Del mismo autor de Introduction to Quantum Computation and Quantum Information, considerado por algunos como “la biblia del cómputo cuántico” 😃
La mejor explicación del concepto de una red neuronal en todos los sentidos a nivel pedagógico. Me encanto!!!Gracias a Platzi por existir y tener profesores como Omar!