Saltar al contenido
← Catálogo
Desde ceroFundamentosRedes neuronalesPyTorch

Deep learning a secas

Redes neuronales desde la neurona, sin transformers

Las bases de una red neuronal, sin transformers: neurona, capa, activación, pérdida, backpropagation y el loop de entrenamiento, con un autograd escrito desde cero y cada fórmula dibujada.

Empezar curso →10 lecciones · 2 h 36 min de lectura activa

Temario

  1. Módulo 1 · La red

    1. Una neuronaSuma pesada, sesgo, activación y el perceptrón16′
    2. De neurona a capaLa capa como producto de matrices, y el batch16′
    3. Por qué hace falta no linealidadReLU, GELU, sigmoide y tanh, y qué pasa sin ellas14′
    4. PérdidasError cuadrático y entropía cruzada: el número que la red quiere bajar15′

  2. Módulo 2 · Aprender

    1. Backpropagation a manoLa regla de la cadena en una red de dos capas15′
    2. Un autograd desde ceroEl grafo de cómputo, como lo arma PyTorch por dentro17′
    3. El training loopTrain, validación y overfitting con dígitos escritos a mano16′

  3. Módulo 3 · Entrenar bien

    1. RegularizaciónDropout, weight decay y early stopping15′
    2. NormalizaciónBatchNorm y LayerNorm: qué promedia cada una16′
    3. ProfundidadInicialización, gradientes que se apagan o explotan, y residuales16′