Lección 2 del módulo “Redes Transformer” del curso Fundamentos de Deep Learning con Python.
En la lección anterior vimos una introducción a las Redes Transformer y hablamos de sus semejanzas y de sus principales ventajas frente a las Redes Recurrentes y de las Redes LSTM.
Aunque las Redes Transformer fueron desarrolladas inicialmente para resolver problemas en el campo del procesamiento del lenguaje natural, han tenido también un desempeño impresionante en áreas como el procesamiento de imágenes y video e incluso la biología. Así que en esta lección veremos un poco más en detalle algunas de estas aplicaciones.
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.
A través de los ejemplos de aplicación que acabamos de analizar hemos visto el potencial que tienen las Redes Transformer en diferentes ámbitos que van más allá del procesamiento del lenguaje natural, incursionando por ejemplo en campos como la biología o la Visión por Computador.
Así que en la próxima lección comenzaremos a hablar en detalle de estas redes, y en particular veremos los principales elementos que conforman la arquitectura de una Red Transformer.
Todas las lecciones del curso Fundamentos de Deep Learning con Python