8:00 la función sigmoide tiene valores entre 0 y 1, no de 0 a 5. Nunca llega al 0 y nunca llega al 1. Entre menor el número, más cercano a cero y entre mayor sea, es más cercano a uno.
Además faltó precisar que el objetivo de una función de activación hacer las veces de un escalamiento y apartir de un nodo de entrada obtener nuestra salida, la cual compararemos con la salida deseada
@La Parvada Exacto. Cometió un error al decir de 1 a 5 Cuando en realidad quería decir que de .1 a .5 que eran los valores de ejemplo que dio. Sin embargo, desde un principio dijo de 0 a 1. Buen detalle para evitar confusiones.
Gracias! pensé que era la única que no terminaba de entender la relación entre lo que explicaba y los datos de la imagen, probablemente era una imagen aleatoria que ampliaron en el video y se les pasó el detalle.
Fredy, con redes neuronales sí se pueden hacer operaciones matemáticas (e.g. cálculo del XOR, seno, etc.). Además, dices que las redes neuronales mueven los datos entre 0 y 100. No obstante, no aclaras que son los pesos en las sinápsis las que se modifican durante el entrenamiento (este es un concepto clave). Por otra parte, la aproximación que mencionaste acerca del reconocimiento de luces en semáforos es obsoleta en el campo de visión por computador (así no se hace desde hace muchísimos años). Además, me hubiera gustado que ahondaras en explicar por qué una serie de condicionales no es tan efectiva al momento de actuar en el mundo abierto (e.g. en vehículos autónomos) Además, no mencionas el por qué de “deep” redes neuronales lo muestras en diapositivas pero no lo explicas.
hola Arkev, entiendo el enfoque que le trató de dar freddy para tratar de atrapar la atención del publico con respecto a estos topicos referentes a machine learning e inteligencia artificial. Es dificil tratar de bajarse de la nube por asi decirlo de lo matematico y aterrizarlo a los mortales, en eso le doy mi apoyo a Fredy por intentarlo, lleve clases de inteligencia artificial y es una locura tan genial ajjaajaja. Y con respecto a tu comentario que estoy deacuerdo en eso de los rangos de ajuste de los pesos sinápticos de la red neuronal, por lo general es mejor manejarlos con datos normalizados [0-1] y de hecho si se realiza operaciones, no considerandolas matematicas, si no booleanas, donde el origen de todo esto fue un perceptron tratando de resolver una compuerta AND, ya metiendole mas perceptrones ya resuelve otras comportas como la XOR, donde a medida de la complicacion del problema, pues van incrementando las neuronas. Aclaro, la operación la emula la red neuronal (entrenandola) y ya apartir de alli pues ve si resuelve el problema. Y pues estos temas como dice Freddy Vega, falta profundizarlos a detalle, donde la matematica se formal y debidamente explicada para fines practicos de aplicacion y desarrollo tecnológico. Y pues cierro esto con una frese que me dijo mi maestro de reconocimiento de patrones, ""no importa que algoritmo uses, ni cuanto se tarde en resolver el problema, lo importante es la solucion al mismo" saludos
@@felixsnz7764 Si, creo que el autor del comentario lo.hizo con sarcasmo al decir que habla mucho para hacer "parecer" que sabe, porque como dices, no sabe xd
Francamente creo que si es un tema algo díficil porque se debe entender bien la mate. Primero, la función de activación es simplemente eso; la forma de iniciar la red neuronal. Se puede iniciar de golpe como un ON/OFF pero aveces es mejor iniciarla suavemente (función sigmoide) por cuestiones de estabilidad del sistema. Incluso se puede iniciar con una campana (que sube y regresa a cero). Similar quizá al encendido de algún motor potente (con cuidado se inicia). Básicamente creo que el problema de la red neuronal es el siguiente: Dado un sistema desconocido (sin modelo matemático que lo describa y para cuyas entradas no se sabe que salida pueda tener) construir un sistema que imite su comportamiento de forma heurística (prácticamente a prueba y error). Ya en la práctica lo que se hace es escribir y actualizar los llamados "pesos sinápticos" que no es otra cosa que constantes de amplificación o atenuación. Lo que se busca es encontrar el valor de estas constantes que den un comportamiento satisfactorio que imita al sistema y cuyas salidas se pueden conocer. Luego ya vienen los modelos (mencionados en el video) que en la literatura se han desarrollado para construir las redes. Pienso que se toman en cuenta cuestiones de estabilidad, optimalidad, controlabilidad, etc. Abordando el tema desde esta perspectiva creo que para empezar a entender y construir estas redes se necesita un poco de: teoría de control, que es donde se ven conceptos de retroalimentación (donde le enseñas a la red), controlabilidad, estabilidad en un sistema dinámico. Y claro, para su construcción se requiere un poco de sistemas discretos(con el integrador discreto es como realmente se retroalimenta una red). Finalmente diria que se debe tener un sólido conocimiento en sistemas lineales (algebra lineal) y nociones de sistemas no lineales. Y en cuanto al reconocimiento de imágenes yo personalmente recomiendo aprender de los detectores de puntos característicos en imágenes. Con esto se empiezan a hacer cosas interesantes.
Excelente que hagas este tipo de videos, explicando lo que está sucediendo hoy en la industria de la tecnología, y nosotros y aqui felices con MySQL y PHP 😅 Ojalá las universidades se pusieran pilas y sacarán investigadores al mercado y no solo gerentes de sistemas
Hola! Aquí les dejo un vídeo, donde se explica que es una red neuronal y una red neuronal convolucional muy bien en 10 minutos: ua-cam.com/video/ns2L2T6wvAY/v-deo.html P.D.: Cuando uno sabe y domina el tema lo explica tan fácil que lo puede entender un niño o una persona mayor Saludos!!
Todos los mecatronicos hemos hecho alguna vez una red neuronal en electronica y si se necesita buena matematica, y si quieren implementarla en un algoritmo les aconsejo como complemento a estos fundamentos que comparte freddy unos videos del MIT que estan en youtube muy buenos me ayudaron bastante (estan en ingles), intentare hacer algo con una raspberry pi 3 y python, luego les comparto.
Freddy....Me gusta como explicas porque al final los cursos Platzi son para gente que quiere aprender y no para tanto "experto en IA " de los muchos que opinan aquí. Si tanto saben a que vienen deberían montar su propia plataforma y enseñar a otros.
interesante introducción a rede neuronales pero tengo una duda ser puede utilizar una base de dato para entrenar a una red neuronal y reducir el margen de error?
muchas gracias Freddy, si ese es un tema muy complejo, en un semestre de la universidad completo me explicaron ese tema y es muy muy amplio, vale la pena la explicación en 15 minutos, muy buen video, gracias Platzi!
No me frustra ni me parece difícil. Más bien me apasiona cada paso que explicas, y me da hambre de más... Será que la inteligencia artificial es lo mío?.
en lo particular me encantan las matemáticas y las Neurociencias. y en el vídeo observe como estas están muy relacionadas cada dia mas. excelente este video, muy educativo e informativo
exelente video de introduccion a Inteligencia Artificial, en relidad esta area es muy extensa y mientras vas avanzando te encuentras con varios problemas dificilies como por ejemplo: la mezcla de funciones de activacion de los perceptrones, el overfiting que puede generarse al entrenar una red o simplemente una red neuronal combulucional
gracias freddy por hacer que nos sintamos bien diciendo que es normal no entender esas cosas. animan mucho esos comentarios, justo cuando uno cree que le exploto la mente, llega ese comentario que te alivia. gracias por eso.
Una pregunta. No se podría aplicar este concepto para hacer mas "naturales" los traductores como babylon o google translator al conocer los datos de usuarios y ver cómo van eligiendo mejores traducciones y de esa manera se van mejorando los resultados?
Preguntaaa... Los sistemas de redes neuronales que se han creado para la visión artificial tienen retroalimentacion? por ejemplo Imagenet proporciona la data y a través de una red neuronal logran crear un sistema que reconozca imagenes, pero es posible que la maquina cree o agrande su propia data, cosa de perfeccionarse en el reconocimiento de imagenes de manera autónoma? Si la respuesta es si me podrían dar el ejemplo de la tecnología, empresa, o modelo que lo trabaja porfavor.
No venden los cursos por separado, pagas una subscripcion anual o mensual y puedes ver todos los que gustes, te dejo un link donde estan los precios: platzi.com/precios/
Me parece muy bien lo que haces en tu canal, somos muchos (espero) los que sentimos curiosidad de conocer en que se basa esta nueva tecnologia y espero tambien que con gente como tu y tu equipo consigan marcar una diferencia para que mas jovenes opten por dedicar su futuro a este campo.
Talvez agregar, que se deben entrenar modelos primero y esta es una parte mas complejas(en mi opinion) por ejemplo se deben entrenar modelos para detectar que es metalico, que es un auto, que es un modelo especifico de un auto, etc
super genial la explicación.... tengo una pregunta, qué es la base de datos de entrenamiento, en el caso de las neuronas humanas es el primer concepto de lo que es una manzana por ejemplo,?, y en las redes neuronales artificiales es un conocimiento de algo pre programado?. por fa explicar cómo se entiende eso.
EXPLICAS MUY BIEN, Y ES AGRADABLE QUE LO EXPLIQUES DE MANERA DIVERTIDA, ENSERIO QUE ASÍ DEBERÍAN SER LOS MAESTROS EN LA UNIVERSIDAD, DISCULPA NO DAN CURSOS PRESENCIALES?
Recuerdo que Freddy en un video de hace dos meses atrás habló sobre la incorporación de una carrera para aprender sobre inteligencia artificial, estoy ansioso a que salga durante los próximos meses. Una carrera que combinará muy bien con IA, será la carrera de Speech Scientist, será interesante que en los próximos años consideren desarrollar algunos cursos sobre esa especialidad. ¡Fue un video muy motivador Freddy, me encantaría que tú seas uno de los encargados de desarrollar la carrera de inteligencia artificial!
Gracias Freddy excelente como nos explicas a los que no sabemos nada de todo esto y me alegro que con los comentarios siempre se complementan muchas mas cosas, entiendo que apenas esto es un abre boca de todo ese gigantesco mundo. Gracias. !!!!
copie y pegue un código de tensor Flow, tardo poco en correr un entrenamiento, pero fue mas o menos rápido. Tengo un i7 de cuarta generación y sin tarjeta de video. La integrada que tiene este procesador rinde bien, he podido correr gta 5 sin gráfica ¿crees que esté siendo ambicioso de usar mi compu para un sistema mas completo?
A mi se me hizo muy fácil entenderte (porque ya había estudiado bastante del tema y otros), sinceramente un video muy complicado para esto es del canal Ringatech llamado: funciones de activación. 😅 (recomendado si entendiste esto fácilmente, aunque es muy resumido e introductorio)
Hahahaha, justo cuando acabo de presentar el primer parcial de Inteligencia artificial en la universidad, pero bueno, algo nuevo aprenderé, gracias Platzi.
ps parce bacano que comparta su conocimiento ...y para los que critican ps si pueden explicar mejor haganlo y aporten algo bueno sirvan para algo ademas de criticar ..
Está bien para empezar, gracias! Instead... criticar! haga un tutorial mejor! Freddy, una pregunta! que pasa si en un tipo de red no es posible que "aprenda de sus errores"? No es posible backpropagation en la red!
Wey, llevo bastante tiempo queriendo entender las redes neuronales viendo videos, leyendo artículos y libros pero hasta hoy comprendí el funcionamiento base y estoy como 🤯🤯🤯 ya capté!!! Gracias, me diste lo que necesitaba para terminar de entenderlo 👍🏻
Yo entiendo el concepto pero nose como llevarlo a programa te agredeciria si hicieras un video de un programa nose como sumar dos numeros con redes neuronales suscrito y like
Es bueno que expliques y nos hagas entender que es muy dificil aprender sobre redes neuronales. Ahora quiero que les digas la complejidad de programar una red neuronal en un lenguaje de programacion. (Si... el primer parrafo era sarcasmo)...
Pregunta del min 8.30 : ¿probar la funcion sigmoide, lo que implica probar con todos los numeros que van de 0 a N, no llevaria una cantidad infinita de tiempo?
Por favor me podrian decir si una red multicapa debe obligatoriamente tener el valor Bias incluido. ¿No es posible que funcione sin este parametro? Lo pregunto porque realice una libreria que genera, ejecuta y entrena una red neuronal pero no implemente el parametro Bias, como resultado la red se entrena correctamente si la creo con la estructura: 2 neuronas de entrada 2 capas ocultas: la primera de 3 neuronas y la segunda de 2 neuronas 2 neuronas en la capa salida pero si quito o pongo cualquier cosa en las capas ocultas no logra entrenarse correctamente por mas horas que lo deje corriendo. Segun yo el problema que debe resolver es una compuerta XOR (creo que hasta con solo 2 neuronas en la capa oculta deberia de poder funcionar) 1 0 0 1 Gracias
"No se frustren aprender redes neuronales es frustrante"
-Freddy 2004
elNivelDios El conocimiento es poder :v
elNivelDios En verdad dijo eso Freddy? 😅 Bueno no con un gran maestro... Pero bueno a lo mejor te equivocaste amigo. Saludos!
No tiene nada de malo cambiar de parecer jejeje.
xd
Facundo Herrera Eso si lo entendí :v
No te frustres freddy....es dificil.... Yo se que si no entiendes,no importa....
8:00 la función sigmoide tiene valores entre 0 y 1, no de 0 a 5. Nunca llega al 0 y nunca llega al 1. Entre menor el número, más cercano a cero y entre mayor sea, es más cercano a uno.
Este freddy es florero. No conoce mucho del tema
en el video muestra una función desplazada, pero sigue siendo la misma función
Además faltó precisar que el objetivo de una función de activación hacer las veces de un escalamiento y apartir de un nodo de entrada obtener nuestra salida, la cual compararemos con la salida deseada
@La Parvada Exacto. Cometió un error al decir de 1 a 5 Cuando en realidad quería decir que de .1 a .5 que eran los valores de ejemplo que dio. Sin embargo, desde un principio dijo de 0 a 1. Buen detalle para evitar confusiones.
Gracias! pensé que era la única que no terminaba de entender la relación entre lo que explicaba y los datos de la imagen, probablemente era una imagen aleatoria que ampliaron en el video y se les pasó el detalle.
Fredy, con redes neuronales sí se pueden hacer operaciones matemáticas (e.g. cálculo del XOR, seno, etc.). Además, dices que las redes neuronales mueven los datos entre 0 y 100. No obstante, no aclaras que son los pesos en las sinápsis las que se modifican durante el entrenamiento (este es un concepto clave). Por otra parte, la aproximación que mencionaste acerca del reconocimiento de luces en semáforos es obsoleta en el campo de visión por computador (así no se hace desde hace muchísimos años).
Además, me hubiera gustado que ahondaras en explicar por qué una serie de condicionales no es tan efectiva al momento de actuar en el mundo abierto (e.g. en vehículos autónomos) Además, no mencionas el por qué de “deep” redes neuronales lo muestras en diapositivas pero no lo explicas.
Arkev tienes razón en todo. Me gustaría poder hacer esto más profundo tan pronto como pueda.
hey mas despacios cerebrito
wow
Compra el curso si quieres saber, no todo puede ser gratis
hola Arkev, entiendo el enfoque que le trató de dar freddy para tratar de atrapar la atención del publico con respecto a estos topicos referentes a machine learning e inteligencia artificial. Es dificil tratar de bajarse de la nube por asi decirlo de lo matematico y aterrizarlo a los mortales, en eso le doy mi apoyo a Fredy por intentarlo, lleve clases de inteligencia artificial y es una locura tan genial ajjaajaja. Y con respecto a tu comentario que estoy deacuerdo en eso de los rangos de ajuste de los pesos sinápticos de la red neuronal, por lo general es mejor manejarlos con datos normalizados [0-1] y de hecho si se realiza operaciones, no considerandolas matematicas, si no booleanas, donde el origen de todo esto fue un perceptron tratando de resolver una compuerta AND, ya metiendole mas perceptrones ya resuelve otras comportas como la XOR, donde a medida de la complicacion del problema, pues van incrementando las neuronas. Aclaro, la operación la emula la red neuronal (entrenandola) y ya apartir de alli pues ve si resuelve el problema.
Y pues estos temas como dice Freddy Vega, falta profundizarlos a detalle, donde la matematica se formal y debidamente explicada para fines practicos de aplicacion y desarrollo tecnológico.
Y pues cierro esto con una frese que me dijo mi maestro de reconocimiento de patrones, ""no importa que algoritmo uses, ni cuanto se tarde en resolver el problema, lo importante es la solucion al mismo"
saludos
Me gusta como menciona varias cosas, cuando da ejemplos, para que parezca que sabe lo que esta diciendo.
Totalmente de acuerdo !
Mmm no sabe, hay varios errores y a partir de las funciones de activación no explica para que se usan
@@felixsnz7764 Si, creo que el autor del comentario lo.hizo con sarcasmo al decir que habla mucho para hacer "parecer" que sabe, porque como dices, no sabe xd
Los que saben son los que escriben los guiones xq éste muchacho no entiende de lo que habla
¿Qué videos, libros o fuentes recomiendas para entender mejor el tema?
Francamente creo que si es un tema algo díficil porque se debe entender bien la mate.
Primero, la función de activación es simplemente eso; la forma de iniciar la red neuronal. Se puede iniciar de golpe como un ON/OFF pero aveces es mejor iniciarla suavemente (función sigmoide) por cuestiones de estabilidad del sistema. Incluso se puede iniciar con una campana (que sube y regresa a cero). Similar quizá al encendido de algún motor potente (con cuidado se inicia).
Básicamente creo que el problema de la red neuronal es el siguiente: Dado un sistema desconocido (sin modelo matemático que lo describa y para cuyas entradas no se sabe que salida pueda tener) construir un sistema que imite su comportamiento de forma heurística (prácticamente a prueba y error).
Ya en la práctica lo que se hace es escribir y actualizar los llamados "pesos sinápticos" que no es otra cosa que constantes de amplificación o atenuación. Lo que se busca es encontrar el valor de estas constantes que den un comportamiento satisfactorio que imita al sistema y cuyas salidas se pueden conocer.
Luego ya vienen los modelos (mencionados en el video) que en la literatura se han desarrollado para construir las redes. Pienso que se toman en cuenta cuestiones de estabilidad, optimalidad, controlabilidad, etc.
Abordando el tema desde esta perspectiva creo que para empezar a entender y construir estas redes se necesita un poco de: teoría de control, que es donde se ven conceptos de retroalimentación (donde le enseñas a la red), controlabilidad, estabilidad en un sistema dinámico. Y claro, para su construcción se requiere un poco de sistemas discretos(con el integrador discreto es como realmente se retroalimenta una red).
Finalmente diria que se debe tener un sólido conocimiento en sistemas lineales (algebra lineal) y nociones de sistemas no lineales.
Y en cuanto al reconocimiento de imágenes yo personalmente recomiendo aprender de los detectores de puntos característicos en imágenes. Con esto se empiezan a hacer cosas interesantes.
Gracias por la explicación ¿Dónde pyedo obteber la presentación?
Excelente que hagas este tipo de videos, explicando lo que está sucediendo hoy en la industria de la tecnología, y nosotros y aqui felices con MySQL y PHP 😅
Ojalá las universidades se pusieran pilas y sacarán investigadores al mercado y no solo gerentes de sistemas
Larga vida a PHP y MySQL!, pero me imagino que usas PDO o MySQli en vez de MySQL, ¿no?
Jorge Torrecilla Hola Jorge Uso PostgreSQL y Mongo con JS 😁
Ah genial :) saludos.
iv.ramos Bueno me faltó decir que estamos en Colombia Haha 😕
bueno todo depende de la universidad a la que te refieras, el MIT, harvard, Cambridge, entre otras no creo que saquen tecnicos.
Hola!
Aquí les dejo un vídeo, donde se explica que es una red neuronal y una red neuronal convolucional muy bien en 10 minutos:
ua-cam.com/video/ns2L2T6wvAY/v-deo.html
P.D.: Cuando uno sabe y domina el tema lo explica tan fácil que lo puede entender un niño o una persona mayor
Saludos!!
Al principio no le entendía pero al final me asombro, de hecho se ve bonito aprender de la red neuronal😊
se q es viejo el video pero esto se aplica tanto a tensorflow como a q otras tecnologias de ML?
Todos los mecatronicos hemos hecho alguna vez una red neuronal en electronica y si se necesita buena matematica, y si quieren implementarla en un algoritmo les aconsejo como complemento a estos fundamentos que comparte freddy unos videos del MIT que estan en youtube muy buenos me ayudaron bastante (estan en ingles), intentare hacer algo con una raspberry pi 3 y python, luego les comparto.
Jherson Trujillo Y lo compartirás en tu canal? o cómo sabremos que lo haz compartido?
jajajajajaja si xd
.
una chela para gallarday
que nombre tienen esos videos, como los puedo encontrar? saludos desde colombia
yo tambien soy estudiante de mecatrónica desde venezuela y desarrollador web y programador de php y me va excelente megusta mucho
Excelente vídeo y explicación
Visto en 27/11/2020
Excelente
Freddy....Me gusta como explicas porque al final los cursos Platzi son para gente que quiere aprender y no para tanto "experto en IA " de los muchos que opinan aquí. Si tanto saben a que vienen deberían montar su propia plataforma y enseñar a otros.
aprender de alguien que no sabe, te va a ir muy bien!
Existe un curso de inteligencia artificial o machine learning en platzi?
interesante introducción a rede neuronales pero tengo una duda ser puede utilizar una base de dato para entrenar a una red neuronal y reducir el margen de error?
Sii..
Necesitas los datos de muestra y el resultado esperado(expectativa).
La cadena de Markov se puede ejemplar como el auto-corrector del teclado .. ?
muchas gracias Freddy, si ese es un tema muy complejo, en un semestre de la universidad completo me explicaron ese tema y es muy muy amplio, vale la pena la explicación en 15 minutos, muy buen video, gracias Platzi!
Muy bien explicado, al menos para entender el tema... Felicidades, espero puedas ampliar el tema en futuros videos...
Me encanta ese esfuerzo por hacerlo sencillo y que lo podamos entender, ese es el culmen de la excelencia en la divulgación.
No me frustra ni me parece difícil. Más bien me apasiona cada paso que explicas, y me da hambre de más... Será que la inteligencia artificial es lo mío?.
Fue lo tuyo?
Felicitaciones que manera de expandir la conciencia
Es gratuito curso ??
Te respondo, lo explicaste de una forma muy muy sencilla ! grandioso
deseo ese curso
en lo particular me encantan las matemáticas y las Neurociencias. y en el vídeo observe como estas están muy relacionadas cada dia mas.
excelente este video, muy educativo e informativo
exelente video de introduccion a Inteligencia Artificial, en relidad esta area es muy extensa y mientras vas avanzando te encuentras con varios problemas dificilies como por ejemplo: la mezcla de funciones de activacion de los perceptrones, el overfiting que puede generarse al entrenar una red o simplemente una red neuronal combulucional
gracias freddy por hacer que nos sintamos bien diciendo que es normal no entender esas cosas. animan mucho esos comentarios, justo cuando uno cree que le exploto la mente, llega ese comentario que te alivia. gracias por eso.
Gracias amigo, te digo en ningun momento me estallo el cerebro, lo entendi TODO. Sigue con tus videos te has ganado un Fan.
Gracias Fredy Vega.
Hola Freddy!
Excelente explicación básica.
Saludos.
una pregunta en que fecha es la platzi conf colombia y como hago para ir ?
por fin lo entendi...eso lo dice mi intuicion
Una pregunta. No se podría aplicar este concepto para hacer mas "naturales" los traductores como babylon o google translator al conocer los datos de usuarios y ver cómo van eligiendo mejores traducciones y de esa manera se van mejorando los resultados?
Eu adoro redes neurais. Acompanharei este curso!
Deberían hacer un curso de Tensorflow
Preguntaaa... Los sistemas de redes neuronales que se han creado para la visión artificial tienen retroalimentacion?
por ejemplo Imagenet proporciona la data y a través de una red neuronal logran crear un sistema que reconozca imagenes, pero es posible que la maquina cree o agrande su propia data, cosa de perfeccionarse en el reconocimiento de imagenes de manera autónoma?
Si la respuesta es si me podrían dar el ejemplo de la tecnología, empresa, o modelo que lo trabaja porfavor.
Eres el mejor explicando Fredy 😂
yo soy qfb y entiendo bien lo que explicaste, es muy interesante
Ojala todos los docentes fueran como este hombre,idolo!! Exelente muy motivador y didactico
Disculpen, me podrían decir cuanto cada uno de sus cursos?
Les agradecería que me respondieran, ¡Gracias!
No venden los cursos por separado, pagas una subscripcion anual o mensual y puedes ver todos los que gustes, te dejo un link donde estan los precios:
platzi.com/precios/
Disculpa me comí una palabra.
En realidad quería saber cuanto dura cada curso?
Gracias
Excelente! tenes razon: todo es posible, al menos, entenderlo.
Soy ingeniero de sistemas nadie lo podria explicar mejor que tu. Excelente y muy claro. Un abrazo.
Es complejo pero lo magnificas, se puede aprender como muchas de las otras cosas
de hecho esta es una explicación super rápida y algo avanzada, solo necesitan revisar algo mas básico para no confundirse mucho y entonces entender.
Muy buena tu exposición. Gracias
me encanto tu video, excelente
Excelente video
Me parece muy bien lo que haces en tu canal, somos muchos (espero) los que sentimos curiosidad de conocer en que se basa esta nueva tecnologia y espero tambien que con gente como tu y tu equipo consigan marcar una diferencia para que mas jovenes opten por dedicar su futuro a este campo.
Talvez agregar, que se deben entrenar modelos primero y esta es una parte mas complejas(en mi opinion) por ejemplo se deben entrenar modelos para detectar que es metalico, que es un auto, que es un modelo especifico de un auto, etc
No era tan tan difícil entenderlo, bueno al menos un poco de eso nos hablaron en la universidad.
Muy buen aporte Platzi
segura que lo dominas todo?
Muy interesante el tema.
super genial la explicación.... tengo una pregunta, qué es la base de datos de entrenamiento, en el caso de las neuronas humanas es el primer concepto de lo que es una manzana por ejemplo,?, y en las redes neuronales artificiales es un conocimiento de algo pre programado?. por fa explicar cómo se entiende eso.
excelente tutorial ,,facil de entender
Siempre he querido aprender como funcionan las cosas
Genio Freddy. Me encanta el alma de Platzi. Siempre Positivo !
EXPLICAS MUY BIEN, Y ES AGRADABLE QUE LO EXPLIQUES DE MANERA DIVERTIDA, ENSERIO QUE ASÍ DEBERÍAN SER LOS MAESTROS EN LA UNIVERSIDAD, DISCULPA NO DAN CURSOS PRESENCIALES?
muy bueno me gustan sus videos muy clarificantes e interesantes
Gracias!!!
Recuerdo que Freddy en un video de hace dos meses atrás habló sobre la incorporación de una carrera para aprender sobre inteligencia artificial, estoy ansioso a que salga durante los próximos meses. Una carrera que combinará muy bien con IA, será la carrera de Speech Scientist, será interesante que en los próximos años consideren desarrollar algunos cursos sobre esa especialidad. ¡Fue un video muy motivador Freddy, me encantaría que tú seas uno de los encargados de desarrollar la carrera de inteligencia artificial!
Gracias Freddy excelente como nos explicas a los que no sabemos nada de todo esto y me alegro que con los comentarios siempre se complementan muchas mas cosas, entiendo que apenas esto es un abre boca de todo ese gigantesco mundo. Gracias. !!!!
copie y pegue un código de tensor Flow, tardo poco en correr un entrenamiento, pero fue mas o menos rápido. Tengo un i7 de cuarta generación y sin tarjeta de video. La integrada que tiene este procesador rinde bien, he podido correr gta 5 sin gráfica ¿crees que esté siendo ambicioso de usar mi compu para un sistema mas completo?
A mi se me hizo muy fácil entenderte (porque ya había estudiado bastante del tema y otros), sinceramente un video muy complicado para esto es del canal Ringatech llamado: funciones de activación. 😅 (recomendado si entendiste esto fácilmente, aunque es muy resumido e introductorio)
muchas gracias , excelente explicación.
Me encanto el video está muy bueno
Hahahaha, justo cuando acabo de presentar el primer parcial de Inteligencia artificial en la universidad, pero bueno, algo nuevo aprenderé, gracias Platzi.
Gracias!!!!!
Genial!! Excelente explicación!
Muchas gracias!!
ps parce bacano que comparta su conocimiento ...y para los que critican ps si pueden explicar mejor haganlo y aporten algo bueno sirvan para algo ademas de criticar ..
dificil? mas bien es penoso ver la explicación de un tema por alguien que ni siquiera lo entiende
Es cierto. Se le fueron las luces a Freddy. Está tramando bobos.
Estoy pensando lo mismo xDDDDDDDDD"!
le queda mejor hacer páginas web
jajjaa me ganastes en el.comentario
tu like gran hombre!
los algoritmos evolutivos y geneticos para optimizacion son una herramienta muy importante no muchas veces nombrado que si son parte de ML
Está bien para empezar, gracias! Instead... criticar! haga un tutorial mejor!
Freddy, una pregunta! que pasa si en un tipo de red no es posible que "aprenda de sus errores"? No es posible backpropagation en la red!
lo mejor aue he visto!
excelente
hey Fredy! me pudieras facilitar tu precentacion de power point para presentale este tema a mi profesor de inteligencia artificial
Mándale el link al vídeo ;)
me encantó este tema, muy bien
Gracias, es un tema que me encanta.
Excelente charla! ya bote al carajo mis clases de integrales y laplace, así entiendo mejor matématicas!
EXCELENTE, MUCHAS GRACIAS.
Freddy, Como puedo recibir el curso de redes neuronales?
me hace gracia como dice vaina, buen vidio
Todo muy bien, menos la definición que diste de cadenas de markov :v
Muy buenos vídeos, gracias por los aportes!
Excelente, gracias!
Wey, llevo bastante tiempo queriendo entender las redes neuronales viendo videos, leyendo artículos y libros pero hasta hoy comprendí el funcionamiento base y estoy como 🤯🤯🤯 ya capté!!! Gracias, me diste lo que necesitaba para terminar de entenderlo 👍🏻
algun libro que recomienden?
Excelente alguna idea de algoritmos para corrección ortográfica y semejanza de palabras
Jose Ramirez si conoces Python puedes revisar Natural Language Toolkit Nltk
Jose Ramirez El algoritmo de kmp(Knuth-Morris-Pratt
) te ayudará con la semejanza de palabras.
Bastantes. Hash, Suffix Array, DP, Trie, Table memoization, Z Algorithm, KMP...
Buen video! Qué bien explicas Freddy
excelente video fede lobo
lo explico mucho mejor a como lo explica mi maestro de la facu
buen video
Excelente vídeo amigo pensé que me estallaría la cabeza pero no!! me encanto...
Yo entiendo el concepto pero nose como llevarlo a programa te agredeciria si hicieras un video de un programa nose como sumar dos numeros con redes neuronales suscrito y like
muchas gracias por ser tan profesional sin descuidar el fundamento humano y el principio de la empatia a la hora de hacer pedagogía,
D3: buenísimo!
bestial, de lo mejorcito que veo.
Es bueno que expliques y nos hagas entender que es muy dificil aprender sobre redes neuronales. Ahora quiero que les digas la complejidad de programar una red neuronal en un lenguaje de programacion. (Si... el primer parrafo era sarcasmo)...
Pregunta del min 8.30 : ¿probar la funcion sigmoide, lo que implica probar con todos los numeros que van de 0 a N, no llevaria una cantidad infinita de tiempo?
Si aplicas esta operacion en un programa de computacion, el tiempo de calculo sera minimo a que tu lo hagas en la libreta.
Excelente video , he comenzado a ver videos de Siraj Raval me ha ayudado a comprender varias cosas.
Cristian Gaitan Yo también, lo explica muy bien, aunque están en Inglés!.
Por favor me podrian decir si una red multicapa debe obligatoriamente tener el valor Bias incluido. ¿No es posible que funcione sin este parametro?
Lo pregunto porque realice una libreria que genera, ejecuta y entrena una red neuronal pero no implemente el parametro Bias, como resultado la red se entrena correctamente si la creo con la estructura:
2 neuronas de entrada
2 capas ocultas: la primera de 3 neuronas y la segunda de 2 neuronas
2 neuronas en la capa salida
pero si quito o pongo cualquier cosa en las capas ocultas no logra entrenarse correctamente por mas horas que lo deje corriendo. Segun yo el problema que debe resolver es una compuerta XOR (creo que hasta con solo 2 neuronas en la capa oculta deberia de poder funcionar)
1 0
0 1
Gracias
Si amigo, siempre debe de haber un BIAS
Estos temas están genial. Más machine learning e ia en Platzi!
se ve entretenido, gracias !!!