Redes neuronales con TensorFlow

En este módulo veremos que son las redes neuronales y cómo es que aprenden para clasificar o predecir situaciones del mundo real.

• 1.1 - ¿Qué es una neurona artificial?
  9:06
• 1.2 - La función de activación
  14:47
• 1.3 - Aprendizaje en redes neuronales
  14:32
• 1.4 - Redes neuronales de aprendizaje profundo
  9:52
• 1.5 - Problemas que se pueden resolver con redes neuronales
  11:52
• 1.6 - Ejemplos y ejercicios con predicciones en problemas reales
  5:24

Aprenderemos a instalar python, anaconda y crear un espacio virtual para instalar Tensorflow y las librerías complementarias para crear modelos de redes neuronales.

• 2.1 - Instalación de python y Anaconda, conocimiento del entorno
  7:35
• 2.2 - Creación de un espacio virtual para instalar tensorflow, theano y keras
  7:03
• 2.3 - Conocimiento del IDE Spyder para programación con python
  14:50
• 2.4 - Repaso general de python
  17:24
• 2.5 - Datos y operaciones con tensores, variables, constantes y tipos datos de tensorflow
  22:56

En este módulo construiremos una red neuronal con tensorflow de acuerdo a un problema planteado y veremos su arquitectura para clasificar.

• 3.1 - Planteamiento del problema de clasificación
  4:43
• 3.2 - Diseño de la arquitectura de red y codificación en python con tensorflow
  18:29
• 3.3 - Compilación y entrenamiento de la red neuronal
  12:14
• 3.4 - Validación y medición de la eficiencia de la red
  9:34
• 3.5 - La matriz de confusión
  7:06

Aprenderemos que es la función de optimización y la función de pérdida para optimizar el desempeño de una red neuronal.

• 4.1 - Función de pérdida
  7:26
• 4.2 - Función de optimización
  11:54
• 4.3 - Ajustes en el desempeño de la red neuronal (performance tunning)
  14:23
• 4.4 - ¿Qué es el sobre ajuste (Overfitting) y como afrontarlo?
  12:08
• 4.5 - Generalización y regularización del modelo
  21:04

En este módulo aprenderemos qué son las redes neuronales convolucionales utilizadas para la clasificación de imágenes y lo probaremos con imágenes de perros y gatos para que el modelo nos identifique si es un perro o un gato con imágenes nuevas.

• 5.1 - ¿Qué es una red neuronal convolucional?
  16:02
• 5.2 - Descarga de imágenes y preprocesamiento de datos
  16:27
• 5.3 - Construcción de la red neuronal para clasificación de imágenes
  11:38
• 5.4 - Compilación, pruebas y ajustes del modelo
  18:41
• 5.5 - Visualización de las características aprendidas
  15:11
• 5.6 - Conclusiones y trabajos futuros con Tensorflow
  8:08