¿Por qué usamos el gradiente para entrenar Redes Neuronales? Ejemplo - Deep Learning - (Parte 6)
ฝัง
- เผยแพร่เมื่อ 21 ก.พ. 2021
- Si llegaron hasta este video, de verdad ¡muchas gracias!
Al principio, pensé que esta serie sería principalmente práctica con un par de videos de teoría, pero van siete y creo faltan al menos un par más. No obstante, estamos casi por empezar implementando nuestros modelos en código. Este video es un ejemplo muy simple para tener una mejor intuición de cómo el gradiente, o en este ejemplo la derivada, funciona para estimar el impacto de una variable de entrada en la salida de una función. En el siguiente video se analizarán un par de pasos de descenso por gradientes en una arquitectura muy sencilla de Red Neuronal, lo que nos permitirá observar cómo nuestros parámetros W y b afectan nuestra función de Costo.
Acerca de la serie Fundamentos de Deep Learning con Python y PyTorch:
En esta serie de videos explico qué son las Redes Neuronales (Neural Networks) y qué es Aprendizaje Computacional (Machine Learning) así como Deep Learning. Empezamos con los principios matemáticos fundamentales hasta su implementación en código. Para esto, primero utilizaremos Python y Numpy para entender los principios de programación de Redes Neuronales incluyendo el algoritmo de retropropagación (backpropagation). Con estas bases, presentaremos el framework PyTorch y construiremos modelos más complejos como son Redes Neuronales Convolucionales (Convolutional Neural Networks - CNNs).
About the video series:
In this video series I will explain what Neural Networks are, and how Deep Neural Networks work, from the mathematical principles to their implementation in code. Firstly, we will use pure Python and Numpy to understand the fundamentals including backpropagation for a simple Fully Connected Network, and from there we will build on to Convolutional Neural Networks (CNN) using PyTorch. I will be uploading at least one new video every week until we reach different architectures of CNNs. Then, depending on the response and interest in the series I may cover newer models using Generative Adversarial Networks (GANs), and Recurrent Neural Networks.
![[ไฮไลต์] ฟุตบอลชาย อุซเบกิสถาน vs สเปน รอบแบ่งกลุ่ม | โอลิมปิก 2024](http://i.ytimg.com/vi/2ps5WKV1Mq0/mqdefault.jpg)
Sencillamente... excelente. Gracias profesor
De verdad aprecio muchísimo tu apoyo al canal y todos tus comentarios, y también muchas gracias por tu comprensión, ya que tardo bastante en responder! Saludos!
¡¡Esto es una joya!! Es muy claro y ademas esta en Español.¡ Mil gracias por esta aportación!¡Eres genial!
la verdad muy buena serie de videos. Muy clara, excelentemente explicado!
Federico, muchas gracias por tu comentario. De verdad me motiva mucho para continuar publicando videos de este tema que me apasiona mucho. Saludos y todo lo mejor para el 2022!
Sigo con esta maratón de 53 videos!
7/53 vistos. Pepe, lo seguí al pie de la letra! No terminé de entender en el minuto 4:30 por qué dz/dw = dz/dt x dt/dw.
Gracias infinitas
Es porque "Z" depende de "T" y a su vez "T" depende de "W", entonces si quieres calcular la razón de cambio de una variable en particular, debes considerar a su vez las variables que la conforman para aplicar la regla de la cadena.
Thxs =)..
this channel is pure gold, tanks you for video :D
Juan Carlos! thanks a lot for your comment, I appreciate it deeply! All the best in 2022!!!
el nivel es excelente... y la forma de explicarlo bastante claro; no me queda mas que agradecer sus conocimientos compartidos…gracias
Muchísimas gracias Jorge! De verdad tu comentario me motiva para continuar con este proyecto. Muchos saludos y hasta pronto
Me parece genial esta serie. He visto bastantes vídeos al respecto de distintas fuentes, incluso e hecho cursos al respecto y es contigo con quien mejor estoy asimilando conceptos. Gracias.
Muchas gracias por tu comentario, de verdad me motiva mucho. Muchos saludos y hasta pronto!
que buen video
Muchas gracias!!! Saludos
tkm
Muchas gracias por tu apoyo al canal! Muchos saludos!
aburrido....pongan esto para dormir..
igual a mi profesor.
la raiz de nueve es 3.
por que saber...
x2+x+8=1/2
por que saber...
pisen el examen....
me vale.