WEBVTT 00:00.360 --> 00:04.170 Hola y bienvenidos a la sección de redes neuronales convolucionales. 00:04.170 --> 00:07.600 Súper emocionado de que te unas a nosotros también para esta sección. 00:07.740 --> 00:13.650 Y hoy vamos a matizar el plan de ataque, ¿cómo vamos a aprender todo en esta sección? 00:13.650 --> 00:15.630 Hay mucho que aprender 00:15.660 --> 00:17.490 Veamos cómo nos acercaremos a esto. 00:17.490 --> 00:19.590 Está bien lo que aprendemos en la sección. 00:19.590 --> 00:25.140 En primer lugar, hablaremos sobre qué redes convolucionales son en realidad muy importantes para comprender el objetivo final hacia 00:25.140 --> 00:28.770 el que estás trabajando antes de que realmente comiences a trabajar para lograrlo. 00:28.770 --> 00:32.090 Entonces escucharemos qué características tendrán en cuenta algunos pequeños ejemplos. 00:32.090 --> 00:36.750 Comparará el cerebro humano con redes neuronales artificiales en términos de reconocimiento de imágenes. 00:36.840 --> 00:42.630 Por lo tanto, será un tutorial ligero y divertido para que comencemos con esta sección completa. 00:42.630 --> 00:44.810 Luego hablaremos del Paso 1. 00:44.850 --> 00:47.410 Buceando directamente en él puede operar la volución. 00:47.420 --> 00:56.280 Entonces, esta parte del curso contiene varios pasos que debemos seguir para construir una red neuronal convolucional y 00:56.310 --> 00:59.040 así se dividirán estos aspectos internos. 00:59.040 --> 01:06.510 Así que este iba a ser el primer paso de la operación de evolución, aprenderemos todo sobre los detectores de funciones. 01:06.510 --> 01:08.790 Hablaremos sobre cuáles también son filtros. 01:08.790 --> 01:11.030 Hablaremos de mapas futuros. 01:11.070 --> 01:16.110 Y ya sabes cómo son los diferentes parámetros, son lo que significan y también 01:16.110 --> 01:17.360 tienen algunos ejemplos visuales. 01:17.520 --> 01:26.010 Luego hablaremos sobre el Paso 1, Parte B, sobre el reino en el que está Lehre o sobre la capa, que luego 01:26.130 --> 01:34.830 se rectificará, y hablaremos sobre por qué la linealidad no es buena y cómo queremos una mayor no linealidad en nuestra red 01:34.830 --> 01:36.700 para el reconocimiento de imágenes. 01:36.870 --> 01:42.420 la agrupación o algunos métodos de agrupamiento y otros que puede llevar al proceso de agrupación. . 01:42.420 --> 01:48.960 Luego, hablaremos sobre la combinación del Paso 2 y comprenderemos cómo funciona la agrupación, hablaremos específicamente sobre la agrupación máxima 01:48.960 --> 01:51.960 y también mencionaremos un par de cosas acerca de 01:51.960 --> 01:58.650 También en esta conferencia tendremos un ejemplo realmente genial, así que habrá una herramienta interactiva muy visual que 01:58.650 --> 01:59.730 vamos a ver. 01:59.730 --> 02:05.190 Así que asegúrese de quedarse hasta el final de la conferencia porque eso va a agregar mucho valor 02:05.190 --> 02:06.810 a su proceso de aprendizaje. 02:06.810 --> 02:09.110 Lo que vamos a discutir al final allí. 02:09.120 --> 02:10.650 Paso tres aplanamiento. 02:10.680 --> 02:16.290 Así que aquí vamos a ser un tutorial rápido sobre cómo pasar de sus capas agrupadas a su guarida 02:16.380 --> 02:19.560 plana y luego vamos a hablar sobre las conexiones completas. 02:19.560 --> 02:26.130 Este es un tutorial muy carnoso que pone todo junto y pone todo en perspectiva 02:26.130 --> 02:29.680 y en realidad te muestra cómo funciona todo. 02:29.700 --> 02:35.100 Al final del día y cómo esas neuronas finales entienden cómo clasificar a Umich es muy importante. 02:35.100 --> 02:42.340 Tauriel y con suerte eso resumirá o pondrá todo junto para usted. 02:42.540 --> 02:46.260 Y finalmente tendremos un resumen que resumirá todo lo que hemos hablado. 02:46.560 --> 02:52.260 Y como pequeña característica adicional, he incluido un tutorial sobre Max y Cross entropy. 02:52.260 --> 02:57.780 Por lo tanto, no es necesario que tome este tutorial, pero pensé que sería una gran adición de 02:57.780 --> 03:02.010 conocimiento, ya que estos son términos que encontrará cuando trabaje con redes neuronales convolucionales. 03:02.070 --> 03:08.130 Así que tal vez tal vez lo tome de inmediato, tal vez cuando se encuentre con estos términos, siempre sabrá 03:08.130 --> 03:13.800 que puede regresar a este curso y tomar este tutorial para comprender mejor qué son la entropía Max y 03:13.800 --> 03:14.530 la entropía cruzada. 03:14.760 --> 03:20.610 Y también, como siempre a lo largo de estos editoriales, habrá muchas lecturas recomendadas para que pueda 03:20.670 --> 03:23.100 ampliar su nivel y obtener más conocimientos. 03:23.370 --> 03:28.250 Y en esa nota, no puedo esperar para ver en el primer tutorial que esto será muy divertido y emocionante. 03:28.310 --> 03:31.260 S. Y hasta la próxima vez disfruta de un aprendizaje profundo.