François Chung, Ph.D.

Tag: red neuronal

Aprendizaje profundo y TensorFlow

Aprendizaje profundo y TensorFlow

Formación Cognitive Class, MOOC (2020). Esta ruta de aprendizaje presenta los conceptos básicos de aprendizaje profundo y TensorFlow con experiencia práctica en la resolución de problemas. Durante toda la formación, TensorFlow se utiliza en el ajuste de curvas, la regresión, la clasificación y la minimización de funciones de error. Luego, este concepto se explora en el mundo del aprendizaje profundo, donde TensorFlow se aplica para la propagación hacia atrás para ajustar los pesos y los sesgos.

Curso 1: Fundamentos del aprendizaje profundo

Temas principales:

  • Introducción al aprendizaje profundo;
  • Modelos de aprendizaje profundo;
  • Modelos adicionales de aprendizaje profundo;
  • Bibliotecas y plataformas de aprendizaje profundo.

Curso 2: Aprendizaje profundo con TensorFlow

Temas principales:

  • Introducción a TensorFlow;
  • CNN - Red neuronal convolucional;
  • RNN - Red neuronal recurrente;
  • Aprendizaje sin supervisión.

Referencias

Formación

Deep learning fundamentals (Fundamentos del aprendizaje profundo, certificado del curso)
Deep Learning Essentials (insignia de certificación)
Deep learning with TensorFlow (Aprendizaje profundo con TensorFlow, certificado del curso)
Deep Learning using TensorFlow (insignia de certificación)

Artículos relacionados

Más información

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.

Referencia

Artículos relacionados

Más información