Lección 13 del módulo “Introducción al Deep Learning” del curso Fundamentos de Deep Learning con Python.
En la lección anterior vimos los conceptos básicos de Cálculo Diferencial para Deep Learning. En esta lección culminaremos este repaso de conceptos fundamentales, revisando aquellos asociados a Probabilidad y Estadística.
En particular veremos qué es la probabilidad así como algunos conceptos como el espacio muestral, el evento y algunas reglas básicas de la probabilidad.
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Bien, acabamos de ver que la probabilidad es un área de las matemáticas que nos permite cuantificar la incertidumbre en la ocurrencia de un evento específico dentro de un conjunto de posibilidades.
Además, hablamos de conceptos como el espacio muestral, que representa todas las posibles observaciones, y el evento, que son subconjuntos del espacio muestral.
Así que con esto hemos acabado de dar un repaso a los conceptos fundamentales de Probabilidad y Estadística, que junto con las dos lecciones anteriores (sobre Álgebra Lineal y Cálculo Diferencial) nos permitirán comprender el funcionamiento interno de las diferentes arquitecturas de Deep Learning que veremos en el curso.
¡Con esto hemos culminado este primer módulo del curso! así que ya estamos listos para adentrarnos el segundo módulo, en donde veremos la primera arquitectura de Deep Learning: las Redes Neuronales.
Y específicamente, en la próxima lección comenzaremos viendo una introducción a las Redes Neuronales.
Todas las lecciones del curso Fundamentos de Deep Learning con Python.