Redes Neuronales de una capa: Regresión Lineal y Softmax | Clase 3 | Curso Aprendizaje Profundo 2021
Sigue así. Cada lección te acerca más a tu certificado.
Sobre esta lección
En la clase de hoy vamos a aprender los modelos lineales de aprendizaje automático. Si bien son muy simples y por sí mismos no tienen mucha utilidad práctica, sirven como un punto de partida interesante para comprender bastantes conceptos que serán útiles en las redes neuronales profundas. También veremos cómo implementarlos desde cero en Python, para entender sus mecánicas internas, y utilizando el framework Pytorch, que es como se implementan en la cotidianeidad. Esta clase es parte de un curso gratuito dictado en la Ciudad de Mendoza, Argentina en Otoño de 2021. Podés encontrar todo el material en https://datitos.github.io/curso-aprendizaje-profundo. 0:00 Presentación 0:53 Regresión Lineal 7:16 Error Cuadrático Medio 10:44 Descenso por Gradiente 15:13 Variaciones del Descenso por Gradiente 22:30 Regresión Lineal como una Red Neuronal 23:53 Implementación de la Regresión Desde 0 con Python 31:02 Implementación de la Regresión con PyTorch 35:12 Clasificación con SoftMax 42:06 Entropía Cruzada 53:23 Implementación de la Regresión con SoftMax desde 0 con Python 59:06 Implementación de la Regresión con SoftMax con PyTorch
Sobre este curso
https://datitos.github.io/curso-aprendizaje-profundo En los últimos cinco años el aprendizaje profundo ha tomado al mundo por sorpresa, impulsando un rápido progreso en campos tan diversos como la visión por computadora, el procesamiento del lenguaje natural, el reconocimiento automático del habla, el aprendizaje por refuerzos y el modelado estadístico. Hemos elegido basar el curso en el libro Dive into Deep Learning, consideramos que ofrece un enfoque práctico, amplio y moderno, incluye matemáticas y código, y sus contenidos son actuales. Este curso representa nuestro intento de hacer que el aprendizaje profundo sea accesible, enseñándote los conceptos, el contexto y el código. Nos propusimos crear un recurso que simultáneamente pudiera: * estar disponible gratuitamente para todes; * ofrecer suficiente profundidad técnica para * proporcionar un punto de partida en el camino de convertirte en unx científicx de datos; * incluir código ejecutable, que muestre cómo resolver problemas en la práctica. El curso está dirigido a estudiantes de grado o posgrado, ingenierxs e investigadores que busquen un conocimiento sólido del aprendizaje profundo.
Lo que aprenderás en este curso:
- Comprender los fundamentos del aprendizaje automático
- Implementar algoritmos de clasificación y regresión
- Preparar y limpiar datos para modelos predictivos
- Evaluar y optimizar modelos de machine learning