Muchas gracias... Desde que conocí este canal procuro no perderme ningún video. De verdad agradezco el tiempo prestado y el conocimiento compartido. Un abrazo.
Hola buenas tardes, tengo un caso similar no médico, pero muy parecido y tengo que clasificar de 1 a 4 unas graficas parecidas a la de tu ejemplo. Cuando el modelo este en producción necesito poder desafiarlo con métricas no clasificadas y que me devuelva la clasificación. Teniendo en cuenta que este modelo funciona bien para definir normal o anormal, necesito ser más específico sobre qué nivel de anormalidad se tiene. ¿Es posible que se encadenen autoendores para poder refinar las categorías anormales? Excelente el video muchas gracias y mucha suerte.
Hola!, es posible implementar una red neuronal que tome 2 vectores de entrada (con 140 muestras por ejemplo) y que detecte la anomalía a partir de estos dos vectores?
¡Como siempre un video genial! Gracias por tu contenido es muy enriquecedor, y una duda, crees que usando error cuadrático medio mejoraría la clasificación?, ya que las penalizaciones entre categorías serian más notorias.
Juan Carlos es una buena sugerencia, la verdad no he probado con el error cuadrático medio pues como lo mencionas las penalizaciones serían más altas y esto cambiaría la distribución de los errores. En too caso creo que no habría cambios sustanciales, pues el traslape entre categorías seguiría existiendo. Un saludo!
Una duda jaja.. entonces el modelo solo fue entrenado con los datos de pacientes normales?. Se hizo esto para que el modelo aprenda a clasificar estos bien y para cuando se clasifique un atipico "enfermo" lo detecte.
Qué buena pregunta... ese es otro problema, porque si miras las distribuciones de error se traslapan para los anormales. Así que sería necesario desarrollar otro esquema para discriminar entre un tipo de enfermedad y otra. Un saludo!
:) :) Gracias por tu comentario Salvador. Cuéntame si te interesa alguna aplicación de Machine/Deep Learning en esta área. Quedo atento a cualquier sugerencia. Un saludo!
🔥🔥Academia Online: codificandobits.com 🔥🔥
🔥🔥Asesorías y formación personalizada: codificandobits.com/servicios 🔥🔥
Tremendooooooooooo!!!!!!!!!!!!!!!!!!! 👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻👏🏻
me quedé la hora entera frente a la pantalla
Qué bueno que te haya gustado... 1 hora pero explico hasta el más mínimo detalle! Un saludo!
@@codificandobits por favor un video asi para deteccion de fraude con maquinas de bolzam
Lastima no subes mas videos! Un genio explicando
Hola Sebastián. Claro que sigo subiendo videos! Un saludo!
Muchas gracias... Desde que conocí este canal procuro no perderme ningún video.
De verdad agradezco el tiempo prestado y el conocimiento compartido.
Un abrazo.
Me motivan estos comentarios Alejandro. Muchas gracias y un saludo!
Excelente ejemplo práctico. Muchas gracias por compartir tu conocimiento
Hola buenas tardes, tengo un caso similar no médico, pero muy parecido y tengo que clasificar de 1 a 4 unas graficas parecidas a la de tu ejemplo. Cuando el modelo este en producción necesito poder desafiarlo con métricas no clasificadas y que me devuelva la clasificación. Teniendo en cuenta que este modelo funciona bien para definir normal o anormal, necesito ser más específico sobre qué nivel de anormalidad se tiene. ¿Es posible que se encadenen autoendores para poder refinar las categorías anormales? Excelente el video muchas gracias y mucha suerte.
Excelente conceptualización
:) :) un saludo!
Excelente video amigo, existe algun paper que hable sobre el tema tratado en el video?
Hola!, es posible implementar una red neuronal que tome 2 vectores de entrada (con 140 muestras por ejemplo) y que detecte la anomalía a partir de estos dos vectores?
Excelente video !!! muuuy bueno. Saludos.
Gracias por tu comentario Siro. Un saludo!
Ohhh wow tremendo video. Gracias! Me lo voy a ver tooodo :)
Doc, con que aplicación graba su pantalla de PC? Tiene excelente calidad.
Hola Jesús. Uso Screenflow (Mac). Un saludo!
muy buen video, muchas gracias por el conocimiento y la excelente forma de presentarnos la informacion
tengo una pregunta, necesariamente debe estar activada la gpu del runtime para que me corra el modelo?
Excelente video profe,
muy bien explicado el tema!, duda, tengo un tema similar me gustaria realizar alguna consulta, aun las realiza?
Claro que sí Joel, me puedes contactar en www.codificandobits.com/contacto/
por que los dataset no se puede descargar del github ?
Muchas Gracias !!!
Que genial!! seria lo máximo atacar un datathon y evaluar los resultados obtenidos.
Excelente video!
MUchas gracias!!!!!
Hola!, una pregunta, Pytorch tiene también manera de desarrollar autoencoders???
Claro que sí. Puedes usar tanto Tensorflow como Pytorch para hacer la implementación. Un saludo!
¡Como siempre un video genial! Gracias por tu contenido es muy enriquecedor, y una duda, crees que usando error cuadrático medio mejoraría la clasificación?, ya que las penalizaciones entre categorías serian más notorias.
Juan Carlos es una buena sugerencia, la verdad no he probado con el error cuadrático medio pues como lo mencionas las penalizaciones serían más altas y esto cambiaría la distribución de los errores. En too caso creo que no habría cambios sustanciales, pues el traslape entre categorías seguiría existiendo. Un saludo!
Buen Video :)
Una duda jaja.. entonces el modelo solo fue entrenado con los datos de pacientes normales?. Se hizo esto para que el modelo aprenda a clasificar estos bien y para cuando se clasifique un atipico "enfermo" lo detecte.
Exactamente! Esa es la idea detrás de la detección de anomalías con autoencoders 😉
Hola profe, cuanto tenga tiempo pruebo el código, muy buen trabajo!!!!!
Pablo como siempre gracias por tus comentarios. Espero que lo puedas probar y hazme saber cualquier duda. Un saludo!
Muy buen video 👏👏
Me queda la duda de como se podría diferenciar entre las categoría de los anormales
Saludos
Qué buena pregunta... ese es otro problema, porque si miras las distribuciones de error se traslapan para los anormales. Así que sería necesario desarrollar otro esquema para discriminar entre un tipo de enfermedad y otra. Un saludo!
grosoo
:) :) Gracias por tu comentario Salvador. Cuéntame si te interesa alguna aplicación de Machine/Deep Learning en esta área. Quedo atento a cualquier sugerencia. Un saludo!
Muchas gracias!