François Chung, Ph.D.

Tag: descenso de gradiente

Redes neuronales y aprendizaje profundo

Redes neuronales y aprendizaje profundo

Formación Coursera, MOOC (2018). Impartida en línea por Stanford University (US), esta formación introduce las bases del aprendizaje profundo. Los principales objetivos son comprender las tendencias tecnológicas que impulsan el aprendizaje profundo, ser capaz de construir, entrenar y aplicar redes neuronales. La formación tiene como objetivo enseñar cómo funciona el aprendizaje profundo, en lugar de presentar sólo una descripción superficial.

Semana 1: Introducción al aprendizaje profundo

Temas principales:

  • ¿Qué es una red neuronal?
  • Aprendizaje supervisado con redes neuronales;
  • ¿Por qué está despegando el aprendizaje profundo?

Semana 2: Fundamentos de redes neuronales

Temas principales:

  • Clasificación binaria;
  • Regresión logística;
  • Descenso de gradiente;
  • Derivadas con un gráfico de computación;
  • Vectorización de la regresión logística.

Semana 3: Redes neuronales superficiales

Temas principales:

  • Representación de la red neuronal;
  • Computar la salida de una red neuronal;
  • Vectorizar a través de múltiples ejemplos;
  • Funciones de activación y sus derivadas;
  • Descenso de gradiente para redes neuronales;
  • Inicialización aleatoria.

Semana 4: Redes neuronales profundas

Temas principales:

  • Red neuronal multicapa;
  • Propagación hacia adelante y hacia atrás;
  • Bloques de construcción de redes;
  • Parámetros vs hiperparámetros.

Referencias

Artículos relacionados

Más información