miércoles, 15 de abril de 2020
Vídeo Nº 214: Redes Neuronales 23 - Optimización 05
Último vídeo de optimización y mejoras de redes neuronales. Se verá cómo
analizar los errores, cómo afinar los hiperparámetros, la normalización
batch y cómo aprovechar y compartir el aprendizaje con clasificación
multiclase, clasificación multitarea y transferencia de aprendizaje. Por
último, se comparará el aprendizaje end-to-end de las redes profundas
con el machine learning más tradicional.
lunes, 13 de abril de 2020
Vídeo Nº 213: Redes Neuronales 22 - Optimización 04
Veremos cómo particularizar la técnica batch (procesado por lotes)
dentro de las redes neuronales, sobre todo si tenemos redes muy grandes y
big data. Luego conoceremos los optimizadores más conocidos y útiles:
Momentum, RMSProp y Adam (este es el más usado hoy día); así como cómo
hacer que la tasa de aprendizaje sea dinámica. Todo esto nos ayudará a
que el aprendizaje se realice en menos tiempo ya que permite alcanzar el
mínimo de la función coste de forma mucho más rápida.
viernes, 10 de abril de 2020
Vídeo Nº 212: Redes Neuronales 21 - Optimización 03
En este segundo vídeo sobre optimización de redes neuronales se explica
primero cómo normalizar los datos de entra agiliza enormemente los
tiempos de entrenamiento (con un ejemplo práctico). Luego, se verá como
podemos depurar nuestra implementación de red neuronal para saber si las
fórmulas usadas para el cálculo de las derivadas ha sido correcto. Por
último, veremos el principal problema que tienes los perceptrones
multicapa (MLP): el desvanecimiento del gradiente; y veremos también una
solución (parcial) que puede ayudar a mejorar las redes neuronales de
tamaño medio.
Vídeo Nº 211: Redes Neuronales 20 - Optimización 02
En este vídeo se explica como aplicar la regularización de Frobenius, una adaptación de la regularización L2 que se usó en la regresión logística. Para ello, se explicará lo que es la norma de un vector y cómo calcularla. También se explica otra técnica de regularización, llamada Dropout. Por último, se introduce las técnicas básicas de aumentos de ejemplos y datos de forma relativamente sencilla.
jueves, 9 de abril de 2020
Vídeo Nº 210: Redes Neuronales 19 - Optimización 01
En este primer vídeo sobre mejoras en redes neuronales veremos los
diferentes hiperparámetros, cómo tratar los conjuntos de datos, cómo
calcular los errores, cómo diagnosticar los problemas que tienen la red
neuronal (bías y varianza) así cómo corregirlos. También se verán las
principales diferencias entre las técnicas usadas en machine learning
tradicional versus las usadas en redes neuronales.
lunes, 6 de abril de 2020
Vídeo Nº 209: Redes Neuronales 18 - Retropropagación del Error 02
Segundo vídeo sobre la retropropagación del error (backpropagation), un algoritmo que permite entrenar los perceptrones multicapa de forma automática. Se explica, paso por paso, todos los cálculos que hay que realizar, y se muestra el pseudocódigo completo para entrenar redes neuronales de perceptrones multicapa (MLP).
sábado, 4 de abril de 2020
Vídeo Nº 208: Redes Neuronales 17 - Retropropagacion del Error 01
Primer vídeo sobre la retropropagación del error (backpropagation), un
algoritmo que permite entrenar los perceptrones multicapa de forma
automática. También se explica cómo calcular la salida de una red
neuronal de forma sencilla, mediante matrices; así como asignar valores
iniciales a los pesos.
miércoles, 1 de abril de 2020
Vídeo Nº 207: Redes Neuronales 16 - Perceptron Multicapa
El perceptrón multicapa (MLP) es un tipo de arquitectura simple que se
ha usado ampliamente en el mundo de las redes neuronales. Dispone las
neuronas en capas, donde las salidas de cada capa son las entradas de la
capa siguiente. También se comentan las funciones de activación más
típicas de este tipo de redes neuronales.
sábado, 28 de marzo de 2020
Vídeo Nº 206: Redes Neuronales 15 - Perceptron
El Percentron sentó las bases de las redes neuronales y, básicamente, es una regresión logística. En este vídeo se explica sus características y la relación con la regresión lineal y la regresión logística.
sábado, 12 de octubre de 2019
¡Invítame a un Café!
¡Hola a todos y a todas!
Comentaros que me he dado de alta en Patreon para que todos aquellos que queráis apoyar lo que hago, lo podáis hacer contribuyendo con una pequeña donación todos los meses:
Si queréis hacer una donación puntual, también podéis hacerlo a través de PayPal.Me:
Ambos enlaces están en la parte derecha del blog.
Un saludo y ¡muchas gracias a todos y a todas por vuestro apoyo!
Comentaros que me he dado de alta en Patreon para que todos aquellos que queráis apoyar lo que hago, lo podáis hacer contribuyendo con una pequeña donación todos los meses:
Si queréis hacer una donación puntual, también podéis hacerlo a través de PayPal.Me:
Ambos enlaces están en la parte derecha del blog.
Un saludo y ¡muchas gracias a todos y a todas por vuestro apoyo!
viernes, 13 de septiembre de 2019
Vídeo Nº 205: Redes Neuronales 14 - Técnica Batch (Procesado por Lotes)
El aprendizaje continuo (online) tiene grandes ventajas, pero para poderlo aplicar se deben usar varias técnicas que mejoren en rendimiento. Entre ellas están el descenso de gradiente estocástico y el procesado por lotes (batch) y mejoras en la tasa de aprendizaje.
viernes, 6 de septiembre de 2019
Vídeo Nº 204: Redes Neuronales 13 - Recomendaciones Filtrado Colaborativo
Tercer vídeo sobre aplicaciones en el mundo real de los contenidos vistos en los vídeos anteriores sobre regresión lineal, polinómica, logística, regularización y métricas. En este caso el segundo vídeo sobre sistemas de recomendación, concretamente cómo recomendar productos que han sido adquiridos por personas que tienen gustos similares.
viernes, 30 de agosto de 2019
Vídeo Nº 203: Redes Neuronales 12 - Recomendaciones Basadas en Contenidos
Segundo vídeo sobre aplicaciones en el mundo real de los contenidos vistos en los vídeos anteriores sobre regresión lineal, polinómica, logística, regularización y métricas. En este caso el primer vídeo sobre sistemas de recomendación, concretamente cómo recomendar productos parecidos a los que ya le gustan a un usuario.
viernes, 23 de agosto de 2019
Vídeo Nº 202: Redes Neuronales 11 - Detección de Anomalías
Primer vídeo sobre aplicaciones en el mundo real de los contenidos vistos en los vídeos anteriores sobre regresión lineal, polinómica, logística, regularización y métricas. En este caso se verá cómo detectar datos anómalos o raros y que no cumplen con los valores normales.
viernes, 16 de agosto de 2019
Vídeo Nº 201: Redes Neuronales 10 - Máquinas Vectores Soporte (SVM)
Las matemáticas de las máquinas vectores soporte son muy complejas, pero todo se simplifica si se explican como una variante de la regresión logística. Se explicará las bases de las SVM y en qué consisten sus hiperparámetros y los famosos kernels.
viernes, 9 de agosto de 2019
Vídeo Nº 200: Redes Neuronales 09 - Métricas
Las técnicas de medida de error más usadas en los algoritmos de machine learning, tanto en la clasificación como en la regresión. Especialmente, se explicará los problemas que hay con la métrica de la exactitud y cómo mejorarlo con la matriz de confusión.
viernes, 2 de agosto de 2019
Vídeo Nº 199: Redes Neuronales 08 - Regularización
Técnica para mejorar el rendimiento de los algoritmos de regresión, evitando así el sobreajuste. Agrega un nuevo término a la función coste y al descenso de gradiente tanto de la regresión polinómica como a la regresión logística. También se verá como aplicarla a la ecuación normal.
viernes, 26 de julio de 2019
Vídeo Nº 198: Redes Neuronales 07 - Regresión Logística 02
La regresión logística es el corazón de las neuronas y de las redes neuronales. Son una combinación de una regresión lineal y la función sigmoide. En este segundo vídeo veremos su función coste y cómo aplicar el descenso de gradiente para poder implementar al completo la regresión, así como el uso de la misma. También se verá cómo realizar clasificación cuando tenemos múltiples clases.
viernes, 19 de julio de 2019
Vídeo Nº 197: Redes Neuronales 06 - Regresion Logística 01
La regresión logística es el corazón de las neuronas y de las redes neuronales. Son una combinación de una regresión lineal y la función sigmoide. En este primer vídeo se ve, paso a paso, en qué consiste esta nueva forma de regresión que, paradójicamente, se usa para realizar clasificación.
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.
Suscribirse a:
Entradas (Atom)