WEBVTT 00:00.420 --> 00:05.990 Hola y bienvenidos a los tutoriales de intuición para la parte de las redes neuronales artificiales del curso. 00:06.060 --> 00:08.760 Súper emocionado de comenzar estas cosas. 00:09.000 --> 00:11.870 Y hoy vamos a descubrir cómo vamos a abordar esta sección. 00:11.880 --> 00:14.760 Entonces en esta sección aprenderemos las siguientes cosas. 00:14.760 --> 00:20.550 En primer lugar, hablaremos de la neurona, así que habrá un poco de neurociencia y descubriremos un 00:20.550 --> 00:25.700 poco sobre cómo funciona el cerebro humano y por qué estamos tratando de replicar eso. 00:25.710 --> 00:32.160 Y también veremos cómo se ve el bloque de construcción principal de una red neuronal de la neurona. 00:32.160 --> 00:37.740 útil. comúnmente usado en redes neuronales y en qué capas preferiría usar qué funciones. 00:37.740 --> 00:43.980 Luego, en el siguiente tutorial, hablaremos sobre la función de activación y veremos un 00:43.980 --> 00:52.770 par de ejemplos de funciones de desgaste que podría usar en sus redes neuronales y veremos cuál de ellas es 00:52.770 --> 00:53.770 la más 00:53.860 --> 00:56.430 Se habló de cómo funcionan las redes neuronales. 00:56.430 --> 01:03.990 Por lo tanto, a diferencia de lo que se esperaría y de lo que probablemente se transmitió en otros cursos y 01:04.260 --> 01:10.800 tutoriales, no vamos a profundizar en el aprendizaje, de hecho vamos a entrar en el funcionamiento de las 01:10.800 --> 01:18.690 redes neuronales porque de esa manera al ver una red neuronal en acción que nos permitirá entender lo que estamos apuntando hacia 01:19.020 --> 01:20.740 lo que es nuestro objetivo. 01:20.740 --> 01:27.120 Así que aquí veremos un ejemplo de una red neuronal que vamos a ver en un ejemplo hipotético muy 01:27.120 --> 01:33.060 simplificado y muy simplificado o cuando su propia red que trabaja para predecir los precios de la 01:33.060 --> 01:34.830 vivienda son básicamente precios inmobiliarios. 01:34.980 --> 01:40.350 Y al observar ese ejemplo, comprenderemos mejor exactamente a qué apuntamos y qué queremos 01:40.350 --> 01:41.620 lograr al final. 01:42.060 --> 01:49.560 Y luego pasaremos a comprender cómo aprenden las redes neuronales porque de esa manera estaremos más preparados 01:49.560 --> 01:51.070 para lo que viene. 01:51.180 --> 01:53.010 Luego hablaremos sobre el descenso en gradiente. 01:53.010 --> 02:00.750 Esto también forma parte del aprendizaje de redes neuronales y comprenderemos cómo ese algoritmo es mejor que solo el método de fuerza 02:00.750 --> 02:08.670 bruta que podría tener la intención o el deseo de tomar como primer recurso o el primer método que se le viene 02:08.940 --> 02:10.140 a la mente. 02:10.140 --> 02:14.400 Entonces descubriremos cuán grande es la ventaja del descenso en gradiente. 02:14.520 --> 02:17.130 Y luego hablaremos de descendencia de gradiente estocástica. 02:17.140 --> 02:23.580 Es una continuación del excelente y decente tutorial, pero es un método incluso mejor y más 02:23.580 --> 02:26.120 sólido y descubriremos exactamente cómo funciona. 02:26.220 --> 02:33.060 todo en un conjunto de instrucciones paso a paso para ejecutar sus redes neuronales artificiales. 02:33.060 --> 02:40.400 Y finalmente terminaremos las cosas mencionando las cosas importantes sobre la propagación de la espalda y resumiendo 02:40.440 --> 02:46.230 Espero que todo esto te suene muy emocionante porque estoy muy emocionado y no puedo esperar 02:46.230 --> 02:46.810 para comenzar. 02:46.950 --> 02:49.310 Espero verte en el primer tutorial. 02:49.320 --> 02:51.420 Y hasta entonces disfruta de un aprendizaje profundo.