Lección 2 del módulo “Redes Recurrentes y LSTM” del curso Fundamentos de Deep Learning con Python.
En la lección anterior vimos una introducción a las Redes Recurrentes y hablamos del concepto de secuencia.
En esta lección hablaremos un poco más en detalle de esta arquitectura, y veremos específicamente su principio de funcionamiento.
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 principal limitación de las Redes Neuronales y las Redes Convolucionales es que no están diseñadas para procesar secuencias.
Mientras que por su parte las Redes Recurrentes (RNN) fueron específicamente creadas para procesar secuencias de cualquier longitud, considerando la correlación y el orden de los elementos durante el procesamiento e interpretación de los datos.
Así que para entender en detalle estas características, en la próxima lección veremos todos los elementos que definen la arquitectura de una Red Neuronal Recurrente.
Todas las lecciones del curso Fundamentos de Deep Learning con Python.