Tu primera Red Neuronal para Clasificar Imágenes con Python y TensorFlow: Perceptrón Multicapa MLP
Sigue así. Cada lección te acerca más a tu certificado.
Sobre esta lección
Explicación visual y paso a paso de cómo implementar una Red Neuronal Artificial, en particular, un perceptrón multicapa (multilayer perceptron MLP) para clasificar imágenes del juego: Piedra, Papel o Tijera. La red neuronal se programa utilizando Python, Tensorflow y Keras. 👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en https://www.xiperia.com ℹ️ Octavio Gutiérrez es el único responsable del contenido, afirmaciones y opiniones expresadas en este video, las cuales no están vinculadas a las organizaciones a las que está asociado. 🌐 Para conocer más sobre Octavio Gutiérrez, visita su perfil en LinkedIn https://www.linkedin.com/in/octaviogutierrez/ Para citar este recurso educativo utiliza la siguiente referencia: Gutiérrez-García, J.O. [Código Máquina]. (2024, 25 de Junio). Tu primera Red Neuronal para Clasificar Imágenes con Python y TensorFlow: Perceptrón Multicapa MLP [Video]. YouTube. [Incluye aquí la URL del video] ******************************************** Para guiar tu aprendizaje, en este vínculo (https://youtu.be/lomJnbN5Wnk) se encuentra una guía secuencial para aprender: 1. Programación Básica con Python; 2. Manejo de Datos; 3. Visualización de Datos; 4. Análisis de Datos; y 5. Aprendizaje de Máquina y Ciencia de Datos. ******************************************** Índice del Video: 0:00 Introducción 0:37 Juego: Piedra, Papel o Tijera 1:07 Datos (Imágenes) 1:48 Preprocesamiento de las Imágenes 6:54 Estructura de una Instancia (Imagen) 8:05 Conjunto de Datos (Imágenes) 9:30 Conjuntos de Entrenamiento y Prueba 11:47 Escalamiento de los Datos 13:50 Diseño de la Red Neuronal (Perceptrón multicapa) 24:20 Configuración del Entrenamiento 31:38 Evaluación de la Red Neuronal Artificial 32:44 Código en Python de la Red Neuronal usando TensorFlow y Keras El código se encuentra disponible en: https://github.com/CodigoMaquina/code/blob/main/machine_learning_python/clasificador_imagenes_papelpiedratijera.ipynb El conjunto de datos (imágenes de piedras, papeles y tijeras) se pueden descargar de: https://github.com/CodigoMaquina/code/raw/main/datos/piedra_papel_tijera.zip ⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias. ⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI: https://www.amazon.com.mx/stores/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln #DeepLearning #AprendizajeProfundo #MachineLearning #RedesNeuronales #IA #AI #Python #DataScience #CienciaDeDatos #InteligenciaArtificial #AprendizajeAutomático #AprendizajeDeMaquina
Sobre este curso
Deep Learning (o Aprendizaje Profundo) permite que las computadoras aprendan tareas usando Redes Neuronales en términos de una jerarquía de conceptos con múltiples niveles de representación a partir de datos crudos. Las redes neuronales artificiales (o artificial neural networks por su término en inglés) son una familia de técnicas de aprendizaje de máquina (machine learning) y deep learning. Esta serie de videos explica los siguientes temas dentro del dominio de aprendizaje profundo: - Qué es Deep Learning - Perceptrón: una neurona artificial - Gradiente descendente - Backpropagation: Cómo aprenden matemáticamente las redes neuronales - Técnicas de Aumentación de datos - El problema del Desvanecimiento del Gradiente en redes profundas - Funciones de Activación - Redes generativas adversarias (generative adversarial networks) - ...
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