2.1 - Introducción a las Redes Neuronales

Julio 10, 2021 por Miguel Sotaquirá

Lección 1 de la sección “Redes Neuronales” del curso Fundamentos de Deep Learning con Python.

En esta segunda sección del curso veremos todos los detalles de la primera arquitectura del Deep Learning: las Redes Neuronales. Estas redes son el componente fundamental a partir de las cuales, cómo veremos a lo largo del curso, se podrán construir arquitecturas más complejas (como las Redes Convolucionales, las Redes Recurrentes y LSTM y las Redes Transformer).

Para entender cómo funcionan las Redes Neuronales necesitamos comprender varios conceptos esenciales:

• ¿Qué es el entrenamiento?
• ¿Qué es la pérdida o función de error?
• ¿Qué es un algoritmo de optimización?
• ¿Qué es un modelo?

Precisamente veremos uno a uno estos conceptos, partiendo de un problema sencillo: la Regresión Lineal. Y una vez tengamos claros estos elementos veremos qué es una neurona artificial, sus ventajas y limitaciones. Con este concepto ya podremos abordar las Redes Neuronales, que son simplemente el resultado de interconectar múltiples neuronas artificiales.

Finalmente veremos diferentes técnicas y estrategias para mejorar el proceso de entrenamiento y aprendizaje de las Redes Neuronales, y desde luego todo esto vendrá acompañado de un componente práctico que desarrollaremos en Google Colab, usando el lenguaje de programación Python y la librería Keras.

Así que para comenzar, en el próximo video hablaremos de uno de los algoritmos fundamentales del Deep Learning: el Gradiente Descendente.

Ver todas las lecciones de este curso