Lecciones

Resumen de cada lección de los cursos de la Academia:

2.23 - Otros algoritmos de optimización: RMSPROP

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección veremos cómo el algoritmo de RMSPROP, con un tamaño de paso variable, permite agilizar el proceso de entrenamiento

2.22 - Otros algoritmos de optimización: Gradiente Descendente con Momentum

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección veremos cómo el algoritmo del Gradiente Descendente con momentum permite acelerar el proceso de entrenamiento

2.21 - Otros algoritmos de optimización: el gradiente descendente estocástico y mini-batch gradient descent

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección veremos cómo funcionan los algoritmos del gradiente descendente estocástico y mini-batch gradient descent.

2.20 - Técnicas de Regularización

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección hablaremos del decaimiento de pesos y el drop out, las dos principales técnicas de regularización usadas en el Deep Learning.

2.19 - Práctica 6: cómo crear, entrenar y validar una Red Neuronal en Keras

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta práctica veremos cómo usar los sets de entrenamiento, prueba y validación y los conceptos de underfitting y overfitting para entrenar un clasificador de partículas.

2.18 - Underfitting y Overfitting

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección hablaremos del underfitting y el overfitting, que nos permiten determinar la capacidad de generalización de una Red Neuronal.

2.17 - Los sets de entrenamiento, prueba y validación

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección veremos cómo subdividir nuestro set de datos para lograr entrenar una Red Neuronal de manera confiable y robusta.

2.16 - Práctica 5: detección de partículas con Redes Neuronales

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta práctica veremos como implementar una Red Neuronal capaz de clasificar partículas sub-atómicas, usando Python y la librería Keras.

2.15 - Entrenamiento de una Red Neuronal: Forward y Backward Propagation

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección hablaremos del Forward y Backward propagation, los dos algoritmos permiten entrenar una Red Neuronal.

2.14 - Las Funciones de Activación

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección veremos las características, ventajas y desventajas de las diferentes funciones de activación que se pueden usar en una Red Neuronal.

2.13 - Idea intuitiva acerca de las Redes Neuronales

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección veremos de forma intuitiva cómo funciona una Red Neuronal, una de las principales arquitecturas del Deep Learning.

2.12 - Práctica 4: la Clasificación Multiclase en Keras

(Julio 10, 2021 - Fundamentos de Deep Learning con Python)

En esta lección veremos cómo implementar la Clasificación Multiclase usando Python y la librería Keras.