¿Cómo aprenden las Redes Neuronales? Gradient Descent | Backpropagation

[@andresnet1827]

00:20 - Introducción
01:25 - Aprendizaje supervisado
03:27 - Modelo lineal que buscamos optimizar
04:39 - Repaso de pendiente/ordenada al origen
05:15 - Función de Coste (ECM)
10:36 - Modelo de regresión lineal simple (Comparación)
11:43 - Modelo de regresión lineal múltiple (Comparación)
12:47 - Multi Layer Perceptron (Comparación)
15:11 - Intuición del Descenso del Gradiente
17:13 - Vector gradiente
19:30 - Backpropagation
21:36 - Forward pass
23:28 - Backward pass
27:08 - Intuición del vector gradiente
30:38 - Matriz Jacobiana
32:11 - Reducción de la matriz Jacobiana
33:04 - Regla de actualización de pesos del Gradient Descent
35:10 - Recap.
37:15 - Frameworks
37:35 - Motivación
38:10 - Demostración de Object Detection - Depth Estimation - Pose Estimation

[@paulinavelasquez6437]

Muchas gracias por tu explicación

[@gustavojuantorena]

Muy buena explicación. Gracias!

[@andresnet1827]

Gracias!

[@juanchinas1437]

👏👏

[@evilgirl1979]

Excelente explicacion! Muchas gracias.