👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com
Ahora si te excediste. Maravilloso, majestuoso. Lo veré varias veces porque quiero irlo haciendo paso a paso. El backpropagation más bellamente explicado. Muchas gracias Octavio. Eres un master.
@Acrhonoz muchas gracias por tus palabras. Hacerlo a mano llevará su rato, pero la verdad que es un excelente ejercicio, permite solidificar los conocimientos. Gracias por interactuar con el contenido y pasar a saludar :)
Hola, buen día, desde Colombia. Quisiera aprender programación e inteligencia artificial por mi cuenta en mi tiempo libre, me podrias recomendar un orden de tus listas de reproducción y/o libros que pueda leer para una persona que esta en cero de programación, manejo basico de computador es lo unico jejeje. Gracias por todo este material.
@cacasal92 diseñamos @CodigoMaquina con la intención de que no hubiera ningún prerrequisito para nuestro videos, al menos que no hayamos explicado aquí mismo en el canal. Mi sugerencia es que veas los videos del canal en el orden de subida (el primer video que subimos fue "cómo instalar python" y está seguido por videos de introducción a la programación). También le puedes echar un ojo a una guía que tenemos en el canal en donde agrupamos los temas th-cam.com/video/lomJnbN5Wnk/w-d-xo.htmlfeature=shared
Por favor, sobre el minuto 6:30 corrige la diapositiva. No son terminales "axomicas", son terminales "AXONICOS" con "N" y en masculino, de AXON. Y la señal no se procesa en el núcleo; sino en el cuerpo de la neurona o "SOMA"
Muchas gracias por las correcciones. Lamentablemente el sistema de youtube no me permite modificar videos que ya se encuentran publicados. Sin embargo, tomaré en cuenta las observaciones para futuros videos :)
@van251080 gracias por tus comentarios. Con respecto a tu pregunta, te recomiendo echarle un ojo al siguiente video que guía el aprendizaje desde programación básica hasta machine learning: th-cam.com/video/lomJnbN5Wnk/w-d-xo.htmlfeature=shared
Maestro, HP! Dónde estuviste todo este tiempo 😅😅😅. Genial, genial bajaste los conceptos a un nivel tan desagregado que permiten entender que no hay brujería detrás de tanta maravilla sino una linda matemática. Felicitaciones!!!
Como siempre te digo en tus videos es brutal, es descomunal como explicas en todos tus videos cada concepto que en los libros de "super-entendidos" no hay manera de saber por donde van, ya que la mitad de las explicaciones quedan indicadas, y sino traes buena base o llevas años sin tocar ciertos conceptos, es imposible entender. No te imaginas la de fuentes que había consultado hasta entender como se ejecuta realmente este algoritmo, sobre todo la regla de la cadena, y si tengo la asignatura de cálculo aprobada de la carrera hace muchos años, pero aprendí a resolver exámenes no a dominar conceptos... Que este video no tenga millones de visualizaciones, es una clara "derivada parcial" una fotografía del meteorito que nos merecemos con sociedad. Además no te quedas contento con explicar más o menos el concepto, sino que encima montas unas presentaciones, que llevan un currazo enorme. De tus vídeos, ya si nos haces uno sobre técnicas de visualización de datos, yo es que te pido matrimonio ... Vale acabé el video y veo que ya solo me falta por saber el diámetro del dedo para el anillo...😅
Muchas gracias por tus palabras. En verdad que son valoradas. Por cierto, aquí va el vínculo a la lista de reproducción de visualización de datos del canal :) th-cam.com/play/PLat2DtY8K7YWB3X5oJiXb5qON0rA3j0J6.html
Buenas tardes profe, dado que el gradiente de la función de perdida sería el vector formado por las derivadas parciales de la función de perdida respecto a cada uno de los pesos y sesgos, se puede conocer la magnitud de la máxima derivada direccional al evaluar el gradiente en los valores actuales de b y w, por lo que se podría diseñar una regla de tasa de aprendizaje que se vaya modificando según la norma del gradiente en el punto , de manera que sea pequeña para normas grandes y vaya aumentando cuando la norma se vaya acercando a cero para acelerar la convergencia , claro que tocaría ver la estabilidad, estoy en lo correcto?
Buenas, excelente tu contenido! Me gustaría saber si podrías decirme que ramas de la matemática debería estudiar para profundizar más en todo este tipo de cuestiones! Gracias!
@jonatanpittari2233 gracias por tus comentarios y por la pregunta. Con respecto a las ramas de matemáticas, primero debo decir que todas las ramas son importantes y que ninguna está de más. Segundo, entre las matemáticas más importantes para machine learning y/o deep learning se encuentran Cálculo, Probabilidad, Algebra Lineal y Estadística. En futuro próximo haré un video al respecto dando más detalles. Gracias por seguir el contenido del canal :)
Hola @luismiguelperezsolis4008 aquí va el vínculo a la libreta: github.com/CodigoMaquina/code/blob/main/machine_learning_python/backpropagation_paso_a_paso.ipynb
@soniabenavides177 muchas gracias por apoyarnos y por creer en este proyecto. @CodigoMaquina ha sido uno de los proyectos más bonitos que hemos emprendido en nuestras vidas, y el ver que otras personas también creen en él, nos llena de emoción y motivación. ¡¡¡Muchas gracias!!!
@soniabenavides177 Como una pequeña muestra de nuestro agradecimiento, por favor échale un ojo a la introducción de nuestro último video sobre el teorema de aproximación universal de las redes neuronales: th-cam.com/video/Rwno2KduQf8/w-d-xo.html
Había tomado un par de cursos donde explicaban a detalle el back propagation pero jamás me había quedado tan claro como aquí. Felicidades por tu contenido y didáctica se agradecen mucho !
👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com
Ahora si te excediste. Maravilloso, majestuoso. Lo veré varias veces porque quiero irlo haciendo paso a paso. El backpropagation más bellamente explicado. Muchas gracias Octavio. Eres un master.
@Acrhonoz muchas gracias por tus palabras. Hacerlo a mano llevará su rato, pero la verdad que es un excelente ejercicio, permite solidificar los conocimientos. Gracias por interactuar con el contenido y pasar a saludar :)
Muy buena explicación! Muchas gracias!
Gracias por comentar
buen video amigo, deja clarisimo el tema
Excelente trabajo. Gracias por tu cátedra
Te las rifaste Fernando.
Muy buen video
@humbertoreyes4165 muchas gracias :)
Hola, buen día, desde Colombia. Quisiera aprender programación e inteligencia artificial por mi cuenta en mi tiempo libre, me podrias recomendar un orden de tus listas de reproducción y/o libros que pueda leer para una persona que esta en cero de programación, manejo basico de computador es lo unico jejeje. Gracias por todo este material.
@cacasal92 diseñamos @CodigoMaquina con la intención de que no hubiera ningún prerrequisito para nuestro videos, al menos que no hayamos explicado aquí mismo en el canal. Mi sugerencia es que veas los videos del canal en el orden de subida (el primer video que subimos fue "cómo instalar python" y está seguido por videos de introducción a la programación). También le puedes echar un ojo a una guía que tenemos en el canal en donde agrupamos los temas th-cam.com/video/lomJnbN5Wnk/w-d-xo.htmlfeature=shared
Por favor, sobre el minuto 6:30 corrige la diapositiva. No son terminales "axomicas", son terminales "AXONICOS" con "N" y en masculino, de AXON. Y la señal no se procesa en el núcleo; sino en el cuerpo de la neurona o "SOMA"
Muchas gracias por las correcciones. Lamentablemente el sistema de youtube no me permite modificar videos que ya se encuentran publicados. Sin embargo, tomaré en cuenta las observaciones para futuros videos :)
Exquisita explicación. Contenido de calidad. Felicitaciones desde España! 😊
¡Muchas gracias! Saludos desde la Ciudad de México
Hola... espectacular video explicativa. Sería muy útil saber como todo esto se puede hacer con TensorFlow y PyTorch por favor. Saludos!
Gracias está súper está info... No hay un curso completo ? Gracias
@van251080 gracias por tus comentarios. Con respecto a tu pregunta, te recomiendo echarle un ojo al siguiente video que guía el aprendizaje desde programación básica hasta machine learning: th-cam.com/video/lomJnbN5Wnk/w-d-xo.htmlfeature=shared
@@CodigoMaquina ya vi el video del link ... Excelente información. Muchas gracias y deseo mucho éxito para este canal... Saludos
@van251080 muchas gracias!
Maestro, HP!
Dónde estuviste todo este tiempo 😅😅😅. Genial, genial bajaste los conceptos a un nivel tan desagregado que permiten entender que no hay brujería detrás de tanta maravilla sino una linda matemática.
Felicitaciones!!!
@wilwoap1 muchas gracias por tus comentarios y bienvenid@ al canal :)
Qué bueno un video en Español con este nivel de detalle! Es uno de los mejores canales sin duda!
@gustavojuantorena muchas gracias por el apoyo frecuente que brindas al canal :)
he visto videos en ingles y ninguno tiene tanta calidad como este
Muy buena explicación... Muy profesional . Tu canal es fantástico. Saludos y gracias.
@pabloblogna4453 verdaderamente agradezco tus comentarios :)
genial la explicación, que buen contenido !!!! que estudios tienes? sos ingeniero?
Como siempre te digo en tus videos es brutal, es descomunal como explicas en todos tus videos cada concepto que en los libros de "super-entendidos" no hay manera de saber por donde van, ya que la mitad de las explicaciones quedan indicadas, y sino traes buena base o llevas años sin tocar ciertos conceptos, es imposible entender. No te imaginas la de fuentes que había consultado hasta entender como se ejecuta realmente este algoritmo, sobre todo la regla de la cadena, y si tengo la asignatura de cálculo aprobada de la carrera hace muchos años, pero aprendí a resolver exámenes no a dominar conceptos... Que este video no tenga millones de visualizaciones, es una clara "derivada parcial" una fotografía del meteorito que nos merecemos con sociedad. Además no te quedas contento con explicar más o menos el concepto, sino que encima montas unas presentaciones, que llevan un currazo enorme. De tus vídeos, ya si nos haces uno sobre técnicas de visualización de datos, yo es que te pido matrimonio ... Vale acabé el video y veo que ya solo me falta por saber el diámetro del dedo para el anillo...😅
Muchas gracias por tus palabras. En verdad que son valoradas. Por cierto, aquí va el vínculo a la lista de reproducción de visualización de datos del canal :)
th-cam.com/play/PLat2DtY8K7YWB3X5oJiXb5qON0rA3j0J6.html
Buenas tardes profe, dado que el gradiente de la función de perdida sería el vector formado por las derivadas parciales de la función de perdida respecto a cada uno de los pesos y sesgos, se puede conocer la magnitud de la máxima derivada direccional al evaluar el gradiente en los valores actuales de b y w, por lo que se podría diseñar una regla de tasa de aprendizaje que se vaya modificando según la norma del gradiente en el punto , de manera que sea pequeña para normas grandes y vaya aumentando cuando la norma se vaya acercando a cero para acelerar la convergencia , claro que tocaría ver la estabilidad, estoy en lo correcto?
Buenas, excelente tu contenido! Me gustaría saber si podrías decirme que ramas de la matemática debería estudiar para profundizar más en todo este tipo de cuestiones! Gracias!
@jonatanpittari2233 gracias por tus comentarios y por la pregunta. Con respecto a las ramas de matemáticas, primero debo decir que todas las ramas son importantes y que ninguna está de más. Segundo, entre las matemáticas más importantes para machine learning y/o deep learning se encuentran Cálculo, Probabilidad, Algebra Lineal y Estadística. En futuro próximo haré un video al respecto dando más detalles. Gracias por seguir el contenido del canal :)
Eres un duro, gracias por explicarnos tan fácil temas complejos
@soniabenavides177 es todo un placer y muchísimas gracias por creer en este proyecto
donde encuentro el codigo del ejemplo de colab?
Hola @luismiguelperezsolis4008 aquí va el vínculo a la libreta:
github.com/CodigoMaquina/code/blob/main/machine_learning_python/backpropagation_paso_a_paso.ipynb
Thanks!
@eduardogold3925 en nombre del equipo de @CodigoMaquina, te agradezco verdaderamente el apoyo y la confianza en este proyecto. ¡Muchas Gracias!
excelente , excelente explicación!
algún libro para aprender backpropagation ?
Excelente aporte.,👍👍👍
Muchas gracias por comentar!!!!
Excelente, al fin un video en español bien explicado, muchas gracias
@gersonrodriguez9005 muchas gracias por seguir el contenido del canal :)
Muy bueno y muy informativo don Octavio, me hizo acordame de cosas que no uso desde aquellos tiempos del CINVESTAV.
Don @jaz2k5 qué buenos recuerdos! Gracias por pasar a saludar y te mando un abrazo muy fuerte.
¡Gracias!
@soniabenavides177 muchas gracias por apoyarnos y por creer en este proyecto. @CodigoMaquina ha sido uno de los proyectos más bonitos que hemos emprendido en nuestras vidas, y el ver que otras personas también creen en él, nos llena de emoción y motivación. ¡¡¡Muchas gracias!!!
@soniabenavides177 Como una pequeña muestra de nuestro agradecimiento, por favor échale un ojo a la introducción de nuestro último video sobre el teorema de aproximación universal de las redes neuronales: th-cam.com/video/Rwno2KduQf8/w-d-xo.html
Saludos.¿ De donde eres?
Nuevo sub bro
@desk6173 bienvenid@ al canal!
Llevo 3min y ya me suscribí excelente que hayan canales así
Ayuda :( En las derivadas parciales el p21 ya esta considerando el valor de salida de la O1 o no se debe considerar??
Al usar la funcion sigmoide me parece que toma valores (0,1) y no {0,1}
Impresionante! Muchas gracias Octavio, simpre muy claras tus explicaciones.
@sandunga666 muchas gracias por tus comentarios y por seguir el contenido del canal :)
Muchas gracias por tu contenido. Estaría super que pudieras generar comunidad a través de discord! Saludos
@dulcecarolinaalvarezsantia3093 gracias por tus comentarios y por tu sugerencia. Discord ciertamente es un buen lugar para generar comunidad.
Muchas gracias Sr. Gutierrez, excelente contenido y excelente explicación.
@jhonhenryrios2984 gracias por tus comentarios y por seguir el contenido del canal :)
Excelente ejemplo, gran docente felicitaciones! Like y nuevo suscriptor!
@nano996 muchas gracias por tus palabras :)
Muchas gracias eres el mejor profe saludos!!!
@GAHAT13 en verdad agradezco tus palabras
Tu trabajo es excelente. Muchas bendiciones.
@jean_2437 muchas gracias por las bendiciones
Excelente. Muchas gracias 😀
@reinerromero7265 es un verdadero placer :)
Uff que casualidad me tope con este canal
@Johan-zs9xh ¡Bienvenido al Canal!
The best of the best, lo MAXIMO, lo supremo
@numelto muchas gracias por tus palabras
Había tomado un par de cursos donde explicaban a detalle el back propagation pero jamás me había quedado tan claro como aquí. Felicidades por tu contenido y didáctica se agradecen mucho !
muchas gracias!!!
@wriverapaniagua gracias por interactuar con el contenido del canal :)