1.- Redes Neuronales: Fácil y desde cero

Minicurso de redes neuronales que explica paso a paso la construcción de un perceptrón multicapa.
Los perceptrones se usan frecuentemente en el ámbito de la inteligencia artifical para predecir o agrupar datos que no son fáciles de tratar con los algoritmos tradicionales.
Ejemplo de código (cortesía de Iñigo Ozcoidi):
github.com/osc...
Libro que resume el curso:
openlibra.com/...
Escrito por Rafael Alberto Moreno Parra

[@ichaparroc]

Hola estimado Javier Garcia, allá va mi historia. No sé en que año empecé a ver estos videos (los de redes neuronales), pero seguramente aún me encontraba en la Universidad (tengo mala memoria, hace 4 años que salí de la Universidad). En aquellos tiempos se hablaba mucho de Inteligencia Artificial, lamentablemente solo como moda sin saber qué es ni cómo funciona. Estaba buscando un tema de tesis y algo que me apasionara, para no caer en el típico software y la medición de aplicación en una empresa que eran los proyectos usuales como trabajo de grado en mi universidad (para obtener el títutlo de Ingeniero en Informática y Sistemas en Perú). Encontré su video, y me sirvió muchísimo, creo que muchos de los que estudiamos ingeniería también tenemos un interés por la física, he visto otros de sus videos en los que muy intuitivamente (al igual que en este) Ud. llega a demostrar las fórmulas o explicar como funciona todo, repito, INTUITIVAMENTE, ya que normalmente llevamos formulas en los cursos y pues nos las ponen delante y nadie nos dice como llegamos; sin embargo, con Ud. es posible entender hasta como razonó la persona que la ideó e incluso hace sentido la propia existencia de la fórmula, lo cual es increible y admiro, en sí, creo que se tiene que tener un entendimiento profundo del tema para poder hacer lo que Ud. hace (ya lo dijo Einstein, "no entiendes realmente algo a menos que seas capaz de explicárselo a tu abuela"). Seguí toda su serie de Redes Neuronales, en aquellos tiempos aún no había ni un resumen que alguien comentó después ni el código que otro usuario también compartió. Ello me llevó a poder programar una red neuronal en C++ (basandome en lo bien explicado que estaba esta serie de videos), combinar esto con un algoritmo de optimización (Algoritmo Evolutivo de Inspiración Cuántica) y finalmente presentar un trabajo, para mi, apasionante para obtener el título de Ingeniero en Informática y Sistemas. Ahora mismo he terminado una Maestría a tiempo completo vía una beca que se da en mi país (donde me pagan por estudiar y además los estudios) y he podido viajar a Uruguay, Argentina, Canadá y Estados Unidos para presentar posters relacionados a Redes Neuronales (ahora, he avanzado hacia las redes neuronales profundas para computación visual utilizando convoluciones para imágenes en 2D y 3D, ya sea para segmentación o clasificación). Cada cierto tiempo me encuentro en las recomendaciones de youtube vuestro video, así que esta vez me he tomado el tiempo para escribirle todo esto y decirle que gracias a su explicación intuitiva y muy buena hoy me dedico a redes neuronales, y el haber comprendido las bases mostradas por Ud. en este video me ha ayudado mucho para poder desarrollar una carrera en inteligencia artificial. Hace Ud. un trabajo magnífico que impacta en la vida de los demás, mi más sincero agradecimiento desde el fondo de mi corazón, de no haber encontrado una explicación como la de Ud. quizá me hubiera dedicado a otra cosa. Una vez más, muchísimas gracias.

[@Javier_Garcia]

Hola Israel, muchísimas gracias por encontrar un momento para escribir esta bonita historia. Me ha emocionado y también me motiva para seguir haciendo vídeos en este canal. No sabes cuánto me alegra que no solo te sirviera en su momento, sino que además supone tu trabajo de hoy en día. Recibe un cordial saludo y gracias a ti por compartir tus reflexiones!

[@ichaparroc]

@@Javier_Garcia Gracias Javier, siento que es lo mínimo que podía hacer. Aún me siguen sriviendo los videos, ahora mismo ando el de entropía y teoría de la información. Un abrazo, y espero algún día estar por España y poder ver una de sus cátedras (que lo son) en vivo. Saludos.

[@edwinenriquez5664]

Javier, te quiero dar las gracias por este tutorial, en verdad me sirvió para comprender forma inicial el funcionamiento de una red neuronal.... saludos desde México

[@Javier_Garcia]

+Edwin Enriquez Gracias a ti por verlo y comentar! Me alegro mucho de que te haya servido! Un saludo!

[@Daakkoonn]

no puede ser.... buscando cosas super interesantes por youtube y de golpe oigo una voz familiar... y me digo a mi mismo joder es el mejor (y el unico) profe particular que he tenido... ole tu javi eres como un agujero negro de cosas interesantes, un saludo y felicidades por el exito en el canal

[@paulinapaulina1759]

VB

[@numa.records]

Muy buen video Javier! Saludos a todos/as 😄

[@artukikemty]

Muchas gracias por esta excelente explicación, muy buena para gente interesada en aprender IA. Saludos desde México!

[@fabiangn8022]

Me encanta estos temas que no conozco, me gusta escucharlos a manera de podcat. Gracias 🥺❤️👏🏽

[@ABNER518]

Voy por la mitad. Solo decirte gracias por el contenido y la forma didáctica de explicarlo.

[@manoloarias5569]

De todo lo que he visto tu manera ha sido la mas simple de entender gracias.

[@rudy.manuel]

Gran aporte Javier, de lo mas didáctico y fácil de entender que encontré, que me tomo el tiempo para agradecerte por este aporte

[@jaimealbertoparraaguado4662]

Muchísimas gracias Javier, no había comprendido del todo el concepto por las clase en linea pero gracias a este vídeo lo comprendí, saludos desde México!

[@montserratcano2389]

Hola Javier, estoy profundamente agradecida contigo. Gracias a tu vídeo he entendido más claramente cómo funcionan las redes neuronales y cómo puedo aplicar esta metodología a mi tesis. Apenas he visto el primer vídeo pero ten por seguro que veré el resto. Un fuerte abrazo trasatlántico de una estudiante mexicana.

[@Javier_Garcia]

Genial! Ya me vas diciendo qué tal a medida que los vayas viendo :) Un abrazo desde España!

[@raquelcarrilloroldan3337]

Excelente tutorial!!! Muchisimas gracias, haré un examen y no comprendía del todo bien el funcionamiento del perceptrón multicapa. Saludos!!

[@carinazarateorduno5551]

Maestro Javier gracias por compartir sus cursos, me urge su continuación...saludos desde México :)

[@capablancastyle]

Quiero decirle que lo felicito por tener esa idea de entregar concocimiento, yo vivo entuciasmado con los procesos que involucran sistemas de infrencia difusa, y siempre quise entrar en el conocimiento de las redes neruonales artificiales, ya he visto a partes los cursos de redes como el de identificacion de letras que hizo hace ya unos meses. solo me resta decirle gracias y adealnte!

[@josefigueroagonzalez2489]

Crack!! Buenísima explicación. Me ha servido de mucho. Saludos desde Chile.

[@simonternate7072]

No estaba buscando nada de esto en Internet, me tope con esto casualmente. Me recuerda mucho a modelos estocásticos, con cadenas de markov. Rede neuronal estocásticas. Buen video.

[@MrEstebanEscudero]

Muy bien explicado. Gracias. Buen video. Voy a seguir viendo los otros del curso.

[@linethbon4015]

Muchas gracias. Con su explicación he entendido mucho más que lo que logré leyendo algunos artículos.

[@erickmedinalavielle2344]

grandísimo crack que eres, mil gracias por todo el aporte, gracias por tus conocimiento y tu tiempo.

[@DrMiguelSanchez]

me encantan tus videos son geniales, soy medico fisiologo y gracias a ti he podido entender muchas cosas, seria genial que hicieras algunos basicos sobre matematicas superiores, me gusta el pizarron negro.

[@DrMiguelSanchez]

saludos desde Cuba

[@gisellemannarino5821]

Muchas gracias por el tutotial. No sabía nada del tema y me has ayudado mucho!

[@peruvianException]

Es el primer vídeo de tu canal que veo y me ha gustado tu forma de explicar. Muchas gracias por compartir este material.

[@jguillendev]

Esta genial esto, me llama la atención hacer que un software o segmento de código se vuelva inteligente

[@rodolfoblasser3329]

Interesante! Aunque la visualización del Perceptón Multicapa sea un ejemplo, me recuerda mucho a la máquina de Alan Turing.

[@therafaelbaterista]

exelente viejo, me encanto, y gracias por tomarte la molestia para expicar esto. Necesitava repasarlo y que mejor con una muy buena explicacion.

[@juanalfredoblancasvelazque5553]

Gracias por el aporte. Saludos desde CDMX.

[@josearmandolopezalvarez7068]

Interesante tema, en la Universidad me dan a elegir entre Redes neuronales/lógica difusa, o reconocimiento de patrones, la verdad no sé cual elegir, muy útil el video para ir viendo cual elegir.

[@TheQerde]

Muy entenedor el video, en un futuro queria dedicarme al estudio de IA y creo que me has ayudado con este curso a comprender mejor la base de todo. Gracias por el curso y sigue asi!!

[@luhacra3980]

Muy entretenida la información, me voy al siguiente video, Gracias.

[@Ezio-Auditore94]

Muy bien explicado y con buenos ejemplos, un genio!

[@jorgeanicama8625]

Javier, muchisimas gracias por tu aporte. Al igual como comento otra persona por ahi, aportes como el tuyo desinteresado nos anima en seguir creyendo en que la buena voluntad y las ganas de ayudar al projimo sin esperar nada no se ha perdido. Se nota el esfuerzo q le has puesto a todos tus videos para hacerlo ameno y mantener la atencion del espectador.Un abrazo y suerteBusque los siguientes videos q mencionaste al final del 7mo video de Redes Neuronales pero al parecer no volviste a hacer alguno, una pena.

[@levgtz8158]

Aprecio tu explicación, la analogía o "ejemplo práctico" bien elegido y claro.

[@adrianrodriguezgarcia354]

Es un gran video Javier, enhorabuena, está muy bien explicado y el tema es muy interesante. Saludos.

[@mariomembrillo]

Javier, excelente tu explicación, la verdad, que me ha quedado muy claro....sigue así!!!

[@CaballeroOs]

Eres un maquina! Explicas genial lo que es una red neuronal

[@dvelezroman]

Capo, me pareció muy bueno tu video, me enganché, tienes el metodo para llegar a explicar algo que por lo general uno termina confundiendose, sigue así.

[@Javier_Garcia]

Muchas gracias!

[@MrDserranogil]

Muy buena explicación, enhorabuena! Gracias por tomarte la molestia

[@hugomendieta5585]

Excelente explicación. Muy sencillo de entender.

[@marcosaravena7344]

Excelente, me ha servido mucho. Como decimos acá en Chile, te pasaste weon, eres lo máximo. Gracias por tu aporte. SL2.

[@marcopatriciolunaludena2039]

Excelente Javier, muy didáctico

[@nachov]

Bravo Javier, sencillamente espectacular.

[@paulaandreagiraldo5270]

Muy sencillo de entender. Muchas gracias!

[@carlosfelipefuentesparra5574]

Excelente explicación... muchas gracias por tu tutorial

[@Magistrado1914]

Excelente curso Visto en 16/11/2020

[@ivanvallesperez2840]

Hola Javier, Soy Analista de Datos y he mirado tus vídeos porque estoy estudiando el nuevo mundo del Deep Learning, y me conviene tener muy claras las RNA. ¡GRACIAS! Me han parecido estupendos, he disfrutado como un enano, super didáctico. Nunca había visto tan claras las RNA, a pesar de llevar usándolas desde hace 3 años. Ahora veo las cosas mucho más claras. Por favor, no abandones la idea de hacer más videos, espero con ansia la implementación en Matlab y la explicación y aplicación de la PCA, será alucinante :D. Yo, en su tiempo (Hace 3 años) implementé en Matlab, para mi proyecto fin de carrera, una Extreme Learning Machine, que es una aplicación del perceptrón multicapa con una sola capa oculta, pero con la particularidad de que los pesos de la capa de entrada se definen de forma aleatoria y los pesos de la capa de salida se ajustan mediante un método matemático que se llama "Pseudoinversa de Moore-Penrose". Luego, diseñé la Genetic Extreme Learning Machine, donde lo que hacía era ajustar los pesos de la capa de salida mediante un algoritmo genético. El objetivo del proyecto fue comparar la ELM con la GELM :D. Si te interesa el tema puedo mandarte la memoria en PDF junto con el código de Matlab. Un saludo, Iván Vallés Pérez

[@allain98productions]

Qué interesante, estimado. ¿Podría pasar las investigaciones o no sería prudente? Tengo nociones del gema, pero sólo nociones. Me gustaría entender su función.

[@allain98productions]

+allain98productions *tema.

[@parusogtz]

Muy bueno me he quedado con ganas de ver el siguiente video le decia a mis alumnos sobre que podria ser el sistema del movimiento browmiano donde una variable seria la temperatura otro el tamaño y otro la densidad del medio. No se si yo tenga la idea pero me gusto

[@borcan13]

Esta buenisisisisimo el contenido entero del canal

[@juanmolinas]

Muy interesante y bien explicado doc, gracias por su contenido

[@Cobanero0]

Eesta muy buena la explicación sobre este tema... Muchas gracias por tomarte el tiempo para compartir.

[@Javier_Garcia]

Elias Alvarez Gracias Elías! Encantado de que esto pueda servirte! :)

[@jhonh]

Sabes que un vídeo esta bien explicado cuando dura 18 minutos y a ti te parece de 5. Gracias Javier.

[@jondediego7858]

Muy bien explicado. Muchas gracias!

[@patopato.1]

Que buena explicación. Muchas gracias!

[@Ms.Quesito]

Muchas gracias por tu contribución, me sirvió mucho tu video :)

[@Javier_Garcia]

Gracias Verónica! :)

[@christianfelipesantaosorio5820]

Oye gracias, muy bien explicado, es una linda ciencia. Saludos.

[@andresandrade5515]

Muy buen video, mil gracias amigo. Dios te bendiga. :)

[@jose98jv58]

La explicación es fabulosa!

[@josephjhonasvogulys534]

profesor, no he visto videos bien explicativos de gradiente decendente , ni de optimizacion para maching learning, si se anima super bien

[@arturolemar7634]

Genialmente explicado, muchas gracias

[@fragmentosdemitiempo]

woooo... te voy a dar 100 likes!!!... gracias x la explicacion!!!

[@domingomartinezr]

Wao que buena explicación...

[@vozdominicana]

Excelente, por algo se comienza y por algo se termina.

[@henrysepulveda]

Muchas gracias, muy bien explicado.

[@tonhonw8787]

excelente información para los que recién empezamos seria mucho pedir que nos comparta algún libro para seguir la ilación del curso gracias

[@pereceptron3582]

Hola Javier. Un videotutorial muy bueno y muy bien explicado. De hecho, en cuanto he acabado de verlo me he puesto a practicar. Estoy mirando si puedo aplicarlo para saber si un médico me va a atender en X segundos siendo yo el siguiente (sin cola) pero no acabo de saber como plantearlo para poderlo entrenar. Tengo clara la salida: 1 -> si, 0 -> No... pero no tengo ni idea de que valores de entrada tendría que poner. ¿Qué valores (concepto) tendría que poner en las x's? ¿Recomiendas alguna documentación donde explique como plantear los problemas y montar su arquitectura? Un saludo!!!!

[@DonEnCrisis]

Hola Javier, muchas gracias por el tiempo dedicado a explicarnos este tema; excelente, pregunta que no tiene nada que ver con las redes neuronales XD, ¿Que software utilizas para la escritura? la he visto en varios videos. Saludos y nuevamente, gracias!!

[@TheBlackKaiser509]

Para este caso concreto, un problema en el que se tiene que predecir si una pareja se divorcia o no, ¿qué diferencias existirían entre abordarlo con KNN con respecto a usar redes neuronales?

[@erikivanmelo3597]

Soy un puto genio, no tenia ni idea como hacer esto y al final era como a mi se me había ocurrido hacerlo desde un principio xD Pero de todas formas muy buena explicación :D

[@wildonrp]

Felicitaciones, muy interesante tu lógica..

[@mauricioarmandoperezhernan2379]

gran expliacion, me aclaro la mente

[@ZRTMOTO]

Muchísimas gracias por este video tan útil

[@cesaraugustoperez1814]

Excelente ilustración!

[@marcelmelgarejo]

Ostras, eres la ostia tío, saludos desde Chile

[@cagg1020]

Muy didáctico, gracias.

[@SAEF_isaac_2022]

Oye ¿Dímelo qué soft estás a usar? Me he encantado. Podría usar en mis clases.

[@pablodaza7827]

me encanto mucho todos los videos muy ilustrativo... excelente explicación y bastante sencilla, pero q paso con la continuación de los videos ?? :(

[@luisvespe]

Es algo tan análogo, tan disperso, como cuando te enseñan sobre los amplificadores operacionales, que son los únicos componentes electrónicos que pueden interactuar con el mundo real, midiendo o comparando fenómenos físicos. En cuanto a lo oculto de los algoritmos de cáculo del perceptrón, sería como hablar de física cuántica. Muy interesante.

[@rovirogp]

¿Es un análisis de componentes principales para la construcción? Me refiero a los parámetros. Luego es acumulación para el patrón...

[@tonyperez4477]

muy bien explicado. Gracias

[@Tornillitomcqueen]

Recién me encuentro con este video ya que quiero aprender a programar redes neuronales desde cero!! Gracias por tu interesante y concisa explicación. Una duda, si el valor de salida fuera 0.5, la IA elije aleatoriamente que valor le da a la "y"?? O la descarta por encontrarse en el medio de ambas posibles respuestas? Un saludo!

[@Denisamoldrio]

Muy bien, sólo te hago una crítica constructiva: En muchos puntos del video hablas de valores que no se encuentran en la pizarra que dibujas, o no coinciden. Esto puede confundir a algún despistado. Por ejemplo, cuando hablas de salida deseada y salida real de "y", escribes los valores que ingresó la psicóloga (100, 60, 32 y 27), el 60 debería ser "cantidad de hijos" (en la primera línea, "1"). O sea, deberías haber escrito 100, 1, 32 y 27.

[@_Leonardo_Sebastian_]

Estimado amigo, antes que nada gracias por su genial explicacion. Podria confirmarme si ese calculo que ustede realiza para "corregir" los parametros en base al error, es la famosa Funcion de Activacion? Saludos.

[@cquirozdev]

Me interesa mucho este tema, veré el resto de los videos.

[@damianomarsilva3233]

Muy buena la explicación, la parte práctica y objetiva es mas que útil. Sigo con el resto.

[@alanraga4933]

Excelente explicacion, saludos!!!

[@nahuelfigueroa2042]

Hola Javier! Tengo una terrible duda. Tú trabajas con un vector de entrada para hacer todo el desarrollo de las ecuaciones. Que pasa si estoy entrenando a una red, tendría que usar una matriz donde las filas de dicha matriz serían las entradas y las columnas serían los ejemplos con la que entrenamos la red, osea n°fila=n°entradas y n°columna=n°ejemplos. Por lo tanto, si suponemos que la red solo tiene una neurona de salida, teóricamente tendría que tener un único valor de umbral, pero como la estamos entrenando, la salida será un vector con un tamaño igual al de la cantidad de ejemplos y al hacer el backpropagation tendra un vector umbral cuyo tamaño será igual al número de ejemplos. Hacemos el algoritmo y la red se entrena de forma perfecta. Ahora cuando vamos a la práctica, y la ponemos a prueba, la matriz de entrada de antes(entrenamiento) ahora será un vector cuyo tamaño depende de las entradas de la red y la salida tendra un único valor de umbral al haber solo una neurona de salida. Esa es mi duda. Que pasó con el vector de umbral que obtuve mediante el entrenamiento? Como lo uso? Se supone que por ejemplo, si clasificamos frutas, entrará una fruta por vez(vector) y no un cajón de frutas(matriz)

[@oswaldopaez2947]

y qué pasa si tuviéramos un dato nuevo igual a uno que ya haya estado registrado pero con un resultado distinto? se rebobina toda la red o qué pasa?

[@arturomarin1305]

excelente explicación

[@sparkrd100]

Buen ejemplo, aunque lo de la psicóloga informática, son pocas, puedes hacer ejemplos en matlab, C# o labview??

[@antoniomadrid3135]

Um... pinta genial, llevaba un tiempo queriendo darle a las redes neuronales y ahora parece algo accesible. Como quizás me pueda servir para el trabajo, te pregunto por si me pudieras indicar... ¿Crees que sería posible, a partir de muestras de fuerza predecir cuando una persona va a alcanzar su máxima fuerza? PD: Muchas gracias!

[@sofiaubiera7641]

Lo entiendo, mil gracias.

[@alejandrobazan8550]

Hola. Además de felicitarte por ser éste uno de los mejores videos educativos que he visto quería preguntarte qué hardware de entrada usas.

[@manueldenis730]

Que tal Javier. Muy educativos tus videos. Quería preguntarte si conoses de alguna librería, plataforma... donde se pueda aprender sobre redes neuronales evolutivas.

[@gabrielchampi6044]

SE TRABAJA CON ESTDISTICA INFERENCIAL LAS REDES NEURONALES?

[@lucialemus7121]

Hola, sí ya tenemos el modelo e ingreso datos nuevos me predice que está pasando o no con los datos más no nos da cuáles y cuántos datos?

[@marianatorrijos9608]

excelente explicación!

[@danielsaldarriaga2107]

Muy buena explicación. En el caso de las redes de Kohonen, sigue los mismo pasos? o cuáles son las diferencias?

[@mariaguadalupesuarezhernan2270]

Que herramienta usa para hacer esos gráficos?

[@carjavitube]

que bien amigo... he leído sobre el tema en libros pero no es fácil entender lo que acabas de explicar... podrías luego hacer algún vídeo sobre lógica difusa?... existe algún software para poder probar o emular esto que estas explicando?

[@dagcomunica5921]

Un gran video

[@jeansmith6153]

Simplemente me encanto