Deep Learning Clase 01 深層学習
Introducción al aprendizaje profundo
Por qué la representación de los datos lo cambia todo, qué hizo posible el deep learning —datos, GPUs y frameworks— y las piezas básicas: el perceptrón, las funciones de activación y backpropagation.
Universidad Panamericana · Maestría en Ciencia de Datos · 45 diapositivas
Usa ← → o haz clic sobre la diapositiva para avanzar.
Contenido
Cada tema abre la presentación en esa diapositiva.
El curso
Representaciones y aplicaciones
- 09 Aprendizaje profundo
- 10 El problema de clasificación
- 11 La representación cambia el problema
- 12 El mismo dato, otras coordenadas
- 13 Clasificación y características
- 14 Capas de representación
- 15 La combinación de patrones
- 16 IA, machine learning y deep learning
- 17 Vocabulario de la clase
- 18 Prerrequisitos
- 19 Ventajas y límites
- 20 Herramientas para implementarlo
- 21 Expectativas y madurez
- 22 GPU: el origen gráfico
- 23 Cómputo paralelo y CUDA
- 24 Datos, cómputo y redes profundas
- 25 La escala del entrenamiento
- 26 El impacto: la carrera por el cómputo
Herramientas
Redes y entrenamiento
- 33 Redes neuronales
- 34 Ingeniería de características
- 35 El perceptrón
- 36 La función de activación
- 37 Funciones de activación
- 38 Una red de neuronas
- 39 Backpropagation
- 40 El ciclo de entrenamiento
- 41 El gradiente en cada capa
- 42 Una analogía organizacional
- 43 Gradientes que se desvanecen
- 44 Redes convolucionales
- 45 Redes recurrentes