4a.- Redes Neuronales: Fácil y desde cero
ฝัง
- เผยแพร่เมื่อ 18 ต.ค. 2024
- Minicurso de redes neuronales que explica paso a paso la construcción de un perceptrón multicapa.
Los perceptrones se usan frecuentemente en el ámbito de la inteligencia artifical para predecir o agrupar datos que no son fáciles de tratar con los algoritmos tradicionales.
Libro que resume el curso:
openlibra.com/...
Escrito por Rafael Alberto Moreno Parra
![[DRIP] ‘Woke Up In Tokyo (RUKA & ASA)’ PREVIEW](http://i.ytimg.com/vi/QN44lcR_VkI/mqdefault.jpg)
Hola Javier!!!! Muchas gracias por tomarte el tiempo de hacer esto. Es de gran valor para todos los que nos interesa y nos queremos iniciar en el tema. Abrazo!!!
Muchas gracias, esta todo muy bien explicado y es muy útil. No hay mucha más información acerca de esto en internet y lo que hay no esta tan bien explicado
Me aclarastes un monton de dudas. Gracias. Ahora las redes neurales trabajan como si fueran bases de datos no relacionadas. Guardan informacion en muy poco espacio y desentralizada. Muy interesante.
Desde el punto de vista matemático la serie de videos está muy bien. Quizás echo de menos un ejemplo practico. Como se determina el número de neuronas por capa, el número de capas, ¿hay que normalizar los datos de la muestra o se utilizan según se recopilan? Para alguien que no tiene formación, como es mi caso, insisto en que la serie es muy buena, pero me faltan cuestiones por resolver a la hora de intentar hacer una red neuronal con datos y propositos reales. Pero muchas gracias
Muchisimas gracias de verdad. Gracias por estos videos. Tengo 22 años y estoy buscando temas para la tesis, esto seguro me va ayudar. Muchas gracias!
Excelente curso
Visto en 16/11/2020
muy bueno, el único que explicó la marcha de cálculo
gracias!
Para nada largos, si fueran más cortos sería igual a como lo explica mi profesor y no entendería nada. Muy bien explicado, Muchas gracias.
Muy buena la Clase!!! Excelente!!!
Excelente clase, todo muy claro.
justo veo esto después de acreditar calculo vectorial que finalizó con derivadas parciales y aplicando la regla de la cadena usando un diagrama de arbol jajajajajajajaja se me hace demasiada coincidencia, solo porque las redes neuronales son un tema del que quise dedicarme a mediados del 2019 de las cuales apenas entendi el funcionamiento, increible video javier!! vas con todo!!
Muchas gracias! perfectamente explicado!!
Muy buenos vídeos, eres un maestro.
Muy bien explicado, gracias Javier.
¿Dónde puedo comprar el libro que resume el curso? Me ha parecido fantástico el curso y quisiera ampliar. Gracias.
Esta en la descricion del video, ademas es gratis.
Excelente!
Hola. Quiero hacer una red neuronal que pueda calificar trabajos, tomando en cuenta parámetros como análisis semántico, ortografía, etc.
¿Con este algoritmo se podría lograr?
Pero el chiste sería que la red analizara por si sola la ortografía, redacción etc. Entonces para las entradas se tendrían que poner ecuación que analizarán eso?
gracias
muy buena las clases entendi bastante tengo problmas para poder programar en software nos epodrias ayudarme qiero implementar algo basico una funcion xor para entender como programaria por ejemplo con lenguaje c estuve probando con el perceptron las demas funciones basicas or and si me resultaron pero esta funcion de xor no se puede ya que lleva una capa oculta y el perceptron no lo hace seria de mucha ayuda y otra ves muy geniales tus clases saludos
Si tienes razon esas formulas son un poco confusas peo gracias igualmente
La función XOR no se puede porque no es linealmente separable.
Yo no entendí por que haces derivadas parciales, osea, de repente (que tmb lo hiciste en el anterior vídeo) dices "pues hay que hacer derivada parciales", pero no dices por qué lo haces, ¿para ver el camino qué has realizado desde el final? no sé , no he entendido el por qué de las derivadas parciales.
+Javier Ortega El funcionamiento de una red neuronal es equivalente a optimizar una función de muchísimas variables. Y para optimizarlas hay que usar las derivadas parciales. Aunque no es exactamente lo mismo, es parecido a derivar una función para encontrar los máximos y mínimos.
y si la función no fue el sigmoide, en que cambiaría ???
en el video anterior lo indica
En el vídeo anterior explica como se haya la derivada de la sigmoide, si usas otra función de activación simplemente tienes que sacar su derivada y sustituirla a la hora de hacer una derivada que interactue con la función. En el caso de las derivadas parciales en vez de aplicar la formula de f(x)(1-f(x))*x' aplicarías la que hayas sacado anteriormente (creo).
Deberia poner ejemplos con números, así te pierdes, no entiendo porque no los pone
Mucha teoría, poca práctica.
Para ver código directo vete a chat gpt. Siempre es bueno saber de dónde vienen las cosas, el porqué y mejorar el razonamiento