👁🗨 ¡Redes Neuronales CONVOLUCIONALES! ¿Cómo funcionan?
ฝัง
- เผยแพร่เมื่อ 21 ก.ย. 2024
- Las Redes Neuronales Convolucionales son un tipo de red neuronal especialmente diseñada para aprender a analizar de los patrones más complejos de una imagen. ¿Quieres saber cómo funcionan? ¡En el vídeo de hoy te presentaré qué es una red neuronal convolucional!
🔰 [2ª PARTE] - • ¡Extraños Patrones den...
-- ¡MÁS DOTCSV! ---
📣 NotCSV - ¡Canal Secundario!
/ notcsv
💸 Patreon : / dotcsv
👓 Facebook : / ai.dotcsv
👾 Twitch!!! : / dotcsv
🐥 Twitter : / dotcsv
📸 Instagram : / dotcsv
- ¡MÁS CIENCIA! --
🔬 Este canal forma parte de la red de divulgación de SCENIO. Si quieres conocer otros fantásticos proyectos de divulgación entra aquí:
scenio.es/colab...
![[TH] RNT vs SPG - VCT Ascension Pacific - Day 1](http://i.ytimg.com/vi/RUTkf8Detj8/mqdefault.jpg)
⭕ ACTUALIZACIÓN JULIO 2021 -- Próximamente dará comienzo una nueva edición del Master en el que podréis participar y del que además volvéis a contar con un CÓDIGO de descuento desde este canal. Si utilizáis el código DOTCSV300 tendréis un descuento de 300€. No perdáis la oportunidad de participar. En este vídeo de aquí hablo con más detalle del Master y de mi experiencia participando como ponente en la edición anterior: th-cam.com/video/jHdF57hnBRg/w-d-xo.html
¡ESTE VÍDEO TUVO QUE HACERSE HACE MUCHO TIEMPO! Pero por fin aquí está 😄 Y ahora os pregunto ¿¿Se ha entendido la explicación?? En los próximos vídeos de la mini-serie seguiremos profundizando. Ah! Y hablando de series. Continuaremos también próximamente con la de NLP. Nada más, apoyad por Patreon el trabajo y yo seguiré haciendo ricos vídeos :)
eres un crack!! me encantan tus videos y consigues que quiera hacer un master sobre AI :D
O.O ahora veo que anuncias el master de IIA haahaha que casualidad!
El mejor video, espero con ansias el próximo grade Carlos, vamos para Patreon
Sos un grande pela, una abrazo!!!!
Una duda del minuto 8:58. Los 16 filtros se aplican sobre cada mapa de color rgb y por lo tanto se generan 16x3 nuevos mapas ? Me confundí un poco
Me he visto las clases de computer vision de Standford, los cursos de Gomila en Udemy, las múltiples explicaciones de las redes convolucionales en TH-cam y ESTA es sin duda la MEJOR explicacion de las redes convolucionales que he VISTO
Carlos, en pedagogía no tienes absolutamente nada que envidiarle a ningún profesor de esas grandes universidades
tranquilo chatgpt
Siiiiiiiiiiiiiiiii vamos a programar, que bien, ya me lo estaba esperando :D
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
👌
► Tenéis disponible la 2ª PARTE AQUÍ: 👉 th-cam.com/video/ysqpl6w6Wzg/w-d-xo.html 👈 DESCUBRE los extraños patrones dentro de las redes!
1:04 ¿La parte 3 sería la entrevista a los desarrolladores de AvatART, no? ¿o no salió todavía?
@@rodrigoperalta8760 estimado sabes si salio la tercera parte, estuve buscando sin éxito... muchas gracias...
buen vídeo gracias salu2
GAAA
Hola Sandra xd
Qué haces aquí, fred
Bob?
Este video solo tiene dos meses y lo he visto como diez veces.
Uno de los mejores videos sobre ML (incluyendo los que estan en Ingles).
Esperando con ansias el proximo!
Tu modo de enseñar es demasiado bueno y entretenido, gracias, capo!
Dios mío!!!!! Estoy estudiando Telecos en la UPC pero hago una asignatura de Introducción al Procesado de Imagen y Audio. Y en el temario de Imágenes me han introducido la Convolución y el uso de filtros. Qué calidad!!! Nuevo sub!!!!
Otra aplicación de kernels algebraicos son los kernels Gaussianos. Son también conocidos como filtros bilaterales y se usan para el suavizado de imágenes. Genial video, las animaciones dan muchísima clarificación a lo que por otro lado los estudiantes ven como álgebra lineal dura. Esperando esos IANotebooks para ver cómo presentas los materiales.
¡MAESTRO! llevo un semestre de aprendizaje profundo y en estos 14 minutos entendí muchísimo más que en clase, ¡MUCHÍSIMAS GRACIAS! ¡más maestros como tú! me gustaría saber cómo logras explicarlo tan bien!! De verdad todo mi respeto!
Vamos a ver, llevo 3 horas peleandome con mi primera red (que es convolucional) y justo ahora subes el video, perfect timing. Espero con ansias los notebooks.
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Las matemáticas detrás de todo esto son brutales....matrices, estadística....una pasada.En astronomia se utiliza para el procesado de imágenes astronómicas.
Soy diseñador gráfico, que solo ha tonteado y se ha enrollado alguna que otra vez con html, css y processing. PERO, que es adicto a tus vídeos, me encantaría conocer a alguien que tratase con tanta pasión la programación en campos que se relacionasen con los mios. Este, y tu ultimo vídeo me parecen geniales. Muchas gracias por compartir, me encantan, ojalá tuviese esta “facilidad” en explicar cómo veo el diseño, eres un machine :)
Estoy tomando curso de Deep Learning en Coursera.
Me encanta cómo tus contenidos introductorios facilitan el meterse de lleno en el tema del deep learning sin estar tan perdido por lo técnico.
Es excelente.
Mi pregunta es, ¿hacia qué sectores se debe apuntar el tener conocimiento en Deep Learning y cuánto es suficiente para implementarlo?
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Justo apenas iba a investigar sobre esto para mi tesis y lo subes, muchas gracias!
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
@@elaiottoiale4216 ?
@@alexherrera864 denuncialo por spam
@@alexherrera864 en casi todos los comentarios puso su video
Ya lo hice, gracias
Cuando dijo que va a haber IA Notebook mi cerebro hizo boom!!!!!
Lo mejor de este canal sin dudas son los IANotebook 👏👏👏 eres el mejor men!!
Estaba haciendo mi TFG sobre redes neuronales convolucionales en Corea y estaba súper perdido, Mil gracias!
Excelente video. Gracias. Un saludo desde Lima.
Enorme los vídeos que hace Carlos... crack!
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Hola, buen video, como siempre.
Creo que en 5:12 no es correcto decir que daría igual una reordenación de los pixeles de la imagen pues los pesos de la red terminan aprendiendo implícitamente la importancia de las posiciones. Slds
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Tu canal es uno de los mejores que he visto! He trabajado durante 30 años en el área de.la imagen digital... Desde las primeras betaversiones de PS por allá en los 90S.... Gracias... Lo Disfruto muchísimo!
Tus aportes y la magia pedagógica con que la que desarrollas tus contenidos han sido de gran valor para nosotros.
Muchas gracias.
Me quedé esperando el notebook de programación de arquitectura convolucional.
Gracias por el video.
Hace tiempo que te sigo y me decidí a realizar mi TFG sobre redes CNN gracias a ti, eres un fenómeno.
Solo escribir para resaltar lo excelentemente bien explicado y pulidos que están tus videos. Quiero felicitarte por divulgar todo esto y agradecer tu trabajo. Saludos!
amigo, recienlo vi tu video y comprendi por fin de que se trata, te amo loko!
GENIAL yo acabo de terminar un curso de machine learning y empiezo uno de deep learning y estos video son un complemento tremendo. Gracias!
Wow , que buen material: el contenido, las animaciones, y la música, esta me pareció espectacular, rara vez encuentro en un video una música agradable, normalmente preferiría no escucharla, pero aquí, la selección fue excelente. excelente contenido!
Que grande eres para explicar gracias!!.
Existe el video haciendo el código??
Por mucho el mejor profesor de habla hispana en estos temas, la edición de vídeo estuvo demasiado genial, 100 de 100
Excelente, ya había buscado sobre redes neuronales convolucionales y este es el vídeo más claro que he visto
Buen video Carlos, me encanto la broma del 6:02 la vi tres veces seguidas jajajaja
Yo no la entendí... Es que no suelo ser bueno captando chistes.
@@matiasgerardcuelloscavetta8429 la gracia es que si le haces ese gesto a alguien y esa persona mira, entonces le podes dar un bife.. pero no sé cómo, el chiste se transformó en meme y bueno.. el hecho que no lo entiendas dice que internet todavía no te quemó el cerebro, sentiré afortunado
Nah, solo llevo unos años lejos de redes sociales y además capto los chistes por semana, soy el tipo ese que se empieza a reír de la nada por qué entendió un chiste pasado de moda.
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
@@elaiottoiale4216 deja de hacer spam en todos lados
Impresionante y admirable la sencillez y claridad con la que has conseguido explicarlo todo. Grandísimo vídeo, de verdad, felicidades :)
Buenísima explicación, me quedó solo una duda:
Sé que la red debe ir variando los valores del filtro hasta minimizar el error, pero ¿Al mismo tiempo lo está haciendo con los pesos (weight) de cada neuona de la red a la que se conecta? ¿O son procesos independientes de alguna manera?
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Lo que preguntas es lo que hace la propagación hacía atrás, entre mas profunda sea la red neuronal, menos van a variar los pesos de las primeras capas, por lo que solamente los pesos de las ultimas capas se ajustan.
¡Excelente Explicación💯!
Estoy flipando en colores, ERES UN MAESTRO. CRACK
Genial !!! , estas de vuelta !!!! por favor mas videos en el canal
Magnífica explicación, como siempre en los videos que haces. En verdad enhorabuena....claro, conciso, divertido, visualmente bien editado...bravo
¡Wow que videaco! Me atrevo a decir que es la mejor explicación de redes convoluciones de todo internet (el habla inglesa incluida). Me alegro mucho de tener un contenido de tan alta calidad en español. Muchas gracias por tu trabajo Carlos! :)
tu tambien, no abandones tu canal XD con toda.
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Se te nota mas expresivo, como si nos hubieras mostrado mas de tu alma/personalidad, no me quejo, lo hace mas dinamico e interactivo.
Muchas gracias, eres el mejor!😁
La mejor explicación que he visto, muchas gracias!!!!
Me he vuelto adicto a este canal y a su contenido.
Habia perdido el sentido a la universidad hasta que llegue aqui.
No tengo palabras para agradecerte el hacer este mundo más entendí. De verdad muchas gracias
Excelente video me ha ayudado a comprender mucho mejor las redes convolucionales. Muchas gracias por compartir.
8:37 Crespo haciendo la meme, MALDITA SEA POR ESO VALIÓ CADA FRAME DEL VIDEO
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Como siempre, me encanta tu canal !!!!!!!!!! que don tan especial te ha dado Dios para explicar algo tan cmplej de forma tan eficiente!!!!! Que Dios te bendiga con más!!!!!!!!!!!!!!
Profesor... muchas pero muchas gracias.
Que maravillosa noticia el que se vayan a hacer más vídeos para profundizar en el tema!
Cada video tuyo vale ORO! Siento que aprenderé cosas nuevas y extraordinarias cada que suena la campanita! Gracias DOTCSV!
El: ... el cómo lo sabreis en el proximo video ...
Yo: noooooooooo, tengo hambre de conocimiento ...
Recuerdos de vietman Quantum Fracture
@@jackcloudman sip, se mandó una crespada
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Ha hecho "La Crespada"
Aaaaaaaaaaaayyy cuanto tiempo esperé este video. Muchas gracias Carlos por tu trabajo!
Tengo que hacer un ensayo sobre esto, mucha gracias, es el canal que siempre me saca de apuros
EL MEJOR VIDEO DE CNN DE TODO TH-cam!!! Mis felicitaciones!
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Justo he empezado el curso de Andrew Ng sobre redes convolucionales y salta este video 🤩
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Carlos me parece genial tu canal. He logrado aprender mucho con tus explicaciones y me han motivado a aprender mucho mas sobre este mundo de la inteligencia artificial. espero que sigas creando este tipo de contenidos, y seria genial que realices IA NOTEBOOKs , sobre las redes neuronales convolucionales. saludos..!!
No me dejes así! Quiero continuación! Me encanta tu trabajo! Graicas!
Me gustan estos videos muy útiles para aprender cosas nuevas . Soy contador pero escuché que la inteligencia artifial me iba a quitar el trabajo así que aprenderá de este nueva disciplina . Más adelante ojalá enseñe redes recurrentes que tampoco ha enseñado de esta
Este si es un canal en el que realmente se aprende algo. Me gusta el equilibro que se mantiene por exponer el contenido a la vez que se hace ameno. No solo se busca audiencia y divulgación que es lo que está pasando con date-un-vlog y otros canales de ciencia. Son videos para ponerse a estudiar cada cosa que se dice, para los que interesados en aplicación de IA que no somos ingenieros. Felicidades, tienes un fiel suscriptor!
No me lo pierdo, siempre un contenido excepcional.
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Dioooooooooooooos me dejaste con ganas de ver el siguiente!
"¿¿Se ha entendido la explicación??" ... No se, dímelo tu, ah!, has preguntado :P
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Muy bonito, pero no entendí todo lo que dijo. Buscaré sus videos iniciales esperando sean tan buenos como este. Mas que desesperarme o dejarlo me dió mas curiosidad 🤔. Gracias por tan excelente trabajo!!!
Hola, genial la presentación pero me quedó gusto a poco jajajajaja, estuve buscando el video siguiente a este, ese donde ibas a explicar o comentar, ese donde íbamos a ver como entrar a sus entrañas para comprobar que si está aprendiendo... Gracias y saludos desde CHile ;)
muy buen video me gusta ya que casi nadie se toma la molestia de explicar las cosas de forma interactiva y divertida es mi puerta de entrada a esos extensos papers
Hola, donde podemos consultar los IA notebook de los que hablas en el video ?.
Excelente video y explicación Carlos, hace bastante que no toco las redes convolucionales y con tus próximos notebooks estaré al pendiente y como no, de aprender muchas más cosas. Muchas gracias!
Excelentes tus explicaciones. Que bueno sería un vídeo sobre AlphaFold no?
Excelente explicación. Muchas gracias
Hoy en mi clase de Deep Learning de mi universidad pregunte mucho de lo que explicaste en este video. Muy buenoo!
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Que caña de video. Puede que sea el mejor de todos! 🤯
Tenía ganas de un video así sobre este tema desde hace como un año! Gracias :)
Eres lo más grande que ha llegado a mi vida
Me gusta este formato! Estoy viendo visión por computador en mi semestre de ingeniería física y pude aclarar un montón de cosas gracias a este video!:3
Gracias, ¡saludos desde México!
tus videos estan para re-verlos, siempre quiero aprender mas y tenerlo todo claro pero me doy cuenta que es ambicioso, debo ir un paso a la ves ademas que no tengo formacion previa para todos estos conceptos mas que lo que estudie de informatica en secundaria y fue hace tiempo, y claro cuando comence con este viaje Dot.csv ni recuerdo como pero ah sido maravilloso
Hola carlos, este video me abrió el panorama acerca de mi proyecto de grado, que libros o papapers me recomiendas para entender mas a profundidad las redes neuronales convoluciones
muchas gracias, he estado esperando este vídeo. me ayudara mucho en mi tesis. saludos.
Ojalá podamos ver la continuación del NLP antes de que termine el año. Pendiente y a la espera de esta trilogía de videos para las redes convolucionales
Gracias.
Estoy adentrándose en este campo y me es muy útil este video.
Sigue así.
Saludos desde Ecuador.
Disfruté este vídeo como nunca
Como siempre, excelente video. Una de las mejores formas de enteder estas redes es poder visualizar sus cálculos.
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Buenos días Carlos, llevo un tiempo esperando tu tercer vídeo sobre redes convolucionales y el tutorial sobre transferencia de estilo o DeepDream, que dijiste que harías. Planeas hacerlo en un futuro ? Gracias por tus aportes , son de gran ayuda.
Que buena explicación, ¿donde encontraste los videos?
Fua....este video me ha entusiasmado muchísimo!
Me encanta todo esto. Solo una precisión. Dijiste que el procesamiento de una imagen para nosotros corresponde a una posición desde los elementos al todo; como un procesamiento en cascada. Esto es problemático porque:
1. No sabemos si realmente es así.
2. La mayor parte de la evidencia (psicofisica, psicología de la gestalt, control de estímulos, y detección de señales) apunta a que no es así.
3. Los procesos de abstracción (complejidad) no solo van a lo extenso sino también a lo mínimo. Para poner esto en terminos simples partamos de que abstraer no es nada del otro mundo, sino que es separar, es decir abstraer = separar. Esto suena contraintuitivo pero de hecho, es la separación lo que solemos generalizar en los razonamientos, por ejemplo, las personas piensan. Lo que se abstrae es el pensar. Las caras tienen ojos, lo que se abstrae de la cara son los ojos. Se discriminan propiedades (elementos) de lo que percibimos como un todo y lo mezclamos con otras cosas. Separo la dureza del diamante como un todo y la comparto con la dureza del algodón. La dureza se abstrae de estos elementos, no al revés.
El punto que tienes muy cierto es que nuestro sistema está adaptado para hacer esas discriminaciones, pero no partimos de las texturas a la cara, partimos de la cara, y de todo lo que vemos como un todo general a las texturas. Aprendemos a ver ojos sin necesidad de rostros, y no rostros desde los ojos, ni desde las texturas ni desde nada. Casi todo a punta que los rostros se perciben como tal. Esto tiene muchas implicaciones filosoficas y prácticas a la hora de investigar. Mi anotación al respecto es que no está bien comparar análogamente el procesamiento de sistemas computacionales con el del humano. Y se llegan a hacer interpretaciones erróneas sobre el como somos nosotros a partir de estas interpretaciones computacionales. Esto lo critican bastante bien en el libro "In our Own: Image" de un autor griego el cual no sé escribir su apellido, jajja. Zarkadisky creo.
Estos argumentos no buscan poner al humano sobre la máquina ni viceversa, sino dar a conocer sus diferencias funcionales a la hora de enfrentarse a una tarea que en este caso es la de procesar una imágen.
Como notas aclaratorias.
1. La abstracción va del todo a las partes, pero también del todo a un todo más grande. En ambos procesos, el todo y la parte son relativos de aquello que se estudia. La cara es un todo para los ojos, los ojos un todo para las células oculares, las células un todo para sus organelos, y estos un todo.. esta separación puede llevarnos a una regresión al infinito, lo mismo cuando vamos a lo más grande. Por eso la separación del todo y las partes es cuestión del análisis a realizar. Creo yo que las máquinas algún día serán como en "Her", capaces de partir desde diferentes niveles de análisis y que potencialmente las podamos llamar "vivas".
gracias profe Carlos, excelente …..complicado el tema pero se entendió!!!!
Increíble idea lo de programar todos los conceptos
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
ARRIBAAAA!!! He estado esperando este video hace rato!
Muchísimas gracias !
Pedazo de vídeo Carlos. Haces un contenido de calidad exquisita de verdad. Ayudas mucho al campo de la IA como tal y a la gente también. Enhorabuena.
Omg que buena explicación amigo
Gracias por la infomación.
extrañaba estos videos tan pulidos, felicitaciones y gracias Carlos
Muy interesante como siempre DOT 👍❤️
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
Hola Excelente video. Disculpa estoy intentando hacer un ayudante para personas con discapacidad en el habla, en Español, sabes donde puedo conseguir información o ejemplos?. Gracias
En la miniatura se ve gel-banana? :o
7:38 el psy congroo
Pensé lo mismo jaja
El spy congroo!
No me había dado cuenta hasta que lo mencionaste jajaj
th-cam.com/video/jgoKeI3y2fo/w-d-xo.html
El Psy Congroo
Muy bien explicado
Muchas gracias por compartir tu conocimiento. Tengo una duda, voy iniciando en el reconocimiento de imagenes, hasta el momento he visto los filtros más comunes: media, mediana, sobel, canny y otros filtros en el dominio de la frecuencia, viendo este vídeo me surge la pregunta, ¿en la CNN como se determinan los filtros que se aplican?
magnifico trabajo