Redes Neuronales - Conferencia 24b

Resumen

Explora las redes neuronales desde una perspectiva estructural, comprendiendo su clase de hipótesis y la propagación hacia adelante para realizar predicciones.

Programa de estudio

• Introducción a las Redes Neuronales
Visión general de las redes neuronales y sus aplicaciones
Importancia del entendimiento estructural en redes neuronales
• Clase de Hipótesis en Redes Neuronales
Definición e importancia de la clase de hipótesis
Factores que afectan la clase de hipótesis
Ejemplos de clases de hipótesis en redes neuronales
• Arquitectura de Redes Neuronales
Capas y estructura de neuronas
Funciones de activación
Visión general de arquitecturas comunes (por ejemplo, feedforward, convolucional, recurrente)
• Propagación Hacia Adelante
Explicación de la propagación hacia adelante
Formulación matemática de la propagación hacia adelante en una red neuronal
Ejemplo paso a paso de la propagación hacia adelante
• Realización de Predicciones con Redes Neuronales
Comprensión de la capa de salida e interpretación de las predicciones
Métricas de evaluación para predicciones (por ejemplo, precisión, funciones de pérdida)
• Estudio de Caso: Propagación Hacia Adelante en Acción
Aplicación de la propagación hacia adelante a un conjunto de datos de muestra
Análisis del impacto de diferentes arquitecturas en las predicciones
• Resumen y Preguntas y Respuestas
Resumen de conceptos clave
Espacio abierto para preguntas y discusión sobre los temas cubiertos

Asignaturas

Ciencias de la Computación