viernes, 12 de julio de 2019

Vídeo Nº 196: Redes Neuronales 05 - Regresion Polinómica

Para poder hacer regresión con datos que no se distribuyen de forma lineal, hay que usar funciones polinómicas. También se desvelará la ecuación normal, una forma de calcular los parámetros de una forma más directa, pero que tiene también sus problemas.



viernes, 5 de julio de 2019

Vídeo Nº 195: Redes Neuronales 04 - Regresion Lineal 03

Para entender las redes neuronales, este es un vídeo muy importante (junto al anterior), porque en él se explican las bases de la regresión en la que se basan. Tercer vídeo sobre regresión lineal, donde se amplían las funciones para tratar múltiples atributos, finalizando con la vectorización matricial, lo que permite generar el pseudocódigo del algoritmo de regresión lineal.



viernes, 28 de junio de 2019

Vídeo Nº 194: Redes Neuronales 03 - Regresion Lineal 02

Para entender las redes neuronales, este es el vídeo más importante, porque en él se explican las bases de la regresión en la que se basan. Segundo vídeo sobre regresión lineal, donde se explica, paso a paso, en qué consiste y porqué funciona como funciona.



viernes, 21 de junio de 2019

Vídeo Nº 193: Redes Neuronales 02 - Regresion Lineal 01

Primer vídeo sobre regresión lineal, donde se explica la nomenclatura que se usará para explicar las regresiones y redes neuronales y también se hace una introducción a lo que es la regresión en general y la regresión lineal en particular, bases de las redes neuronales.



viernes, 14 de junio de 2019

Vídeo Nº 192: Redes Neuronales 01 - Bases Matemáticas

Explicación detallada de las matemáticas que vas a necesitar conocer para poder dedicarte a la investigación y desarrollo de algoritmos de regresión y redes neuronales.




PROBABILIDAD Y ESTADÍSTICA PARA INGENIERÍA Y CIENCIAS
Autor: Jay L. Devore
Editorial: CENGAGE learning (Thomson)
Edición: 6ª (año 2005)
ISBN: 970-686-457-1

viernes, 4 de enero de 2019

Vídeo Nº 191: IA Aprendizaje - PCA y Reducir Dimensiones

En los algoritmos de aprendizaje (machine learning) es importante poder reducir las dimensiones (atributos, propiedades) de los datos para quedarnos con aquellos que sean los más significativos/importantes y reducir así la cantidad de cálculos. PCA nos ayuda también a resolver algunos problemas de k-Medias y EM gracias a su matriz de afinidad.



viernes, 28 de diciembre de 2018

Vídeo Nº 190: IA Aprendizaje - EM (Expectación-Maximización)

Algoritmo de aprendizaje no supervisado que mejora k-Medias aplicando técnicas estadísticas, en especial la distribución gaussiana. Esto permite que el número de clases sea variable (no fijo) y que los ejemplos puedan asociarse a varios grupos según un grado de pertenencia.



viernes, 21 de diciembre de 2018

Vídeo Nº 189: IA Aprendizaje - k-Medias (k-Means)

El algoritmo de aprendizaje no supervisado más simple y más usado que permite hacer agrupaciones automáticas mediante la similitud/distancia entre ellos, todo explicado con ejemplos. De esta forma, el pseudocódigo se entenderá bastante fácil.



viernes, 14 de diciembre de 2018

Vídeo Nº 188: IA Aprendizaje - Aglomerativa (Clustering)

Primer vídeo sobre aprendizaje no supervisado que permite hacer clustering (aglomerar, agrupar) de ejemplos mediante la similitud/distancia entre ellos. En este vídeo veremos una algoritmo bastante sencillo que permite crear una jerarquía de clases creando agrupaciones de un número concreto de ejemplos.



viernes, 7 de diciembre de 2018

Vídeo Nº 187: IA Aprendizaje - k-NN 02

Segundo vídeo sobre k-NN (k-Nearest Neighbours, k vecinos más cercanos), un algoritmo de aprendizaje supervisado que se basa en los conceptos matemáticos de similitud y distancia. En este vídeo veremos algunos ejemplos que mostrarán las características y problemáticas que nos encontraremos al trabajar con él.