Sesión 06 de Mayo Repaso¶
Repaso¶
¿Que es una red neuronal?
- Representación matemática de un neuronal real
- Una neurona consta de entradas, pesos, función de activación y salida
- El objetivo es ajustar los pesos de tal manerar la neuronal siga un patrón dado
Aprendizaje supervisado
Ustedes conocer la salida de antemano, y lo que quieren es aprender patrones,
Tablas demultiplicar a*b = f
1*1 = 1
… 9*9 = 81
Cuando un niño aprende, el sólo recibe las entradas a y b, 7*6 = 42 / 45 ←- Error
La red neuronal lo corrige a través del ajuste de los PESOS
¿Cual es le modelo de red neuronal?
¿Que pasa en el proceso de entrenamiento?
- Carga de los datos
- Procesamiento de datos
- Selección del modelo (Perceptron)
- Tunning del modelo (¿Cuales son los parametros? El factor aprendizaje)
- El entrenamiento del modelo (fit) Se calculan los pesos
- Métricas … ¿Que tan bueno es nuestro modelo?
Perceptrón multicapa
El algoritmo tiene dos pasos
- Paso hacia adelante: Entradas hacia salidas
- Pasa hacia atrás: Propagamos los errores desde la salida hasta la entrada, con el fin de ajustar los pesos con la regla perceptrón (gradiente descendiente)
- Funciones activación
- Clasificación (0 o 1) Sigmoide (logistica), Tanh
- Regresión: RELU
- Esto existe que los datos se ajusten a las funciones de activación
- Clasificación: Normalizar entre -1 y 1
- Regresión: Deben ser positivos