Lección 8 del módulo “Redes Neuronales” del curso Fundamentos de Deep Learning con Python.
En la lección anterior vimos un ejemplo completo de cómo implementar y entrenar un modelo de Regresión Lineal en Keras. Con esto afianzamos todos los conceptos y herramientas de programación esenciales para el resto del curso.
Así que ya estamos listos para comenzar a profundizar en todos los conceptos relacionados con el Deep Learning. Precisamente en esta lección hablaremos del bloque fundamental de cualquier arquitectura del Deep Learning: hablaremos en detalle de la Neurona Artificial.
Y para entender esto veremos esta Neurona Artificial en el contexto de un problema de clasificación, conocido como la Regresión Logística.
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 cómo usando el perceptrón podemos resolver un problema de clasificación binaria (o regresión logística). Pero, más importante aún, acabamos de ver el bloque fundamental de todas las arquitecturas de Deep Learning existentes en la actualidad: la Neurona Artificial.
Esencialmente esta neurona artificial es la combinación de dos elementos: una transformación seguida de una función de activación.
Pero si volvemos al proceso de transformación nos queda una incógnita por resolver: ¿cómo obtener los parámetros de esta transformación?
Pues en la siguiente lección resolveremos esta duda ya que hablaremos precisamente de la entropía cruzada y el entrenamiento de la Neurona Artificial.
Todas las lecciones del curso Fundamentos de Deep Learning con Python.