Aprendizaje profundo desde cero

Capítulo 3. Aprendizaje profundo desde cero

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Puede que no te des cuenta, pero ahora tienes todos los fundamentos matemáticos y conceptuales para responder a las preguntas clave sobre los modelos de aprendizaje profundo que planteé al principio del libro: entiendes cómo funcionan las redes neuronales -los cálculos relacionados con las multiplicaciones matriciales, la pérdida y las derivadas parciales con respecto a esa pérdida-, así como por qué funcionan esos cálculos (es decir, la regla de la cadena del cálculo). Logramos esta comprensión construyendo redes neuronales desde los primeros principios, representándolas como una serie de "bloques de construcción" en los que cada bloque de construcción era una única función matemática. En este capítulo, aprenderás a representar estos bloques de construcción como clases abstractas de Python y a utilizarlas para construir modelos de aprendizaje profundo; al final de este capítulo, ¡habrás hecho "aprendizaje profundo desde cero"!

También relacionaremos las descripciones de las redes neuronales en términos de estos bloques de construcción con descripciones más convencionales de los modelos de aprendizaje profundo que puede que hayas oído antes. Por ejemplo, al final de este capítulo, sabrás lo que significa que un modelo de aprendizaje profundo tenga "múltiples capas ocultas". Esta es realmente la esencia de la comprensión ...