BACKPROPAGATION: Cómo Aprende Matemáticamente una Red Neuronal Artificial Paso a Paso con Python

[@CodigoMaquina]

👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com

[@gustavojuantorena]

Qué bueno un video en Español con este nivel de detalle! Es uno de los mejores canales sin duda!

[@CodigoMaquina]

@gustavojuantorena muchas gracias por el apoyo frecuente que brindas al canal :)

[@OscarMartinez-ve6gv]

he visto videos en ingles y ninguno tiene tanta calidad como este

[@Acrhonoz]

Ahora si te excediste. Maravilloso, majestuoso. Lo veré varias veces porque quiero irlo haciendo paso a paso. El backpropagation más bellamente explicado. Muchas gracias Octavio. Eres un master.

[@CodigoMaquina]

@Acrhonoz muchas gracias por tus palabras. Hacerlo a mano llevará su rato, pero la verdad que es un excelente ejercicio, permite solidificar los conocimientos. Gracias por interactuar con el contenido y pasar a saludar :)

[@SELF_NATUR]

Muchas gracias eres el mejor profe saludos!!!

[@CodigoMaquina]

@GAHAT13 en verdad agradezco tus palabras

[@soniabenavides177]

¡Gracias!

[@CodigoMaquina]

@soniabenavides177 muchas gracias por apoyarnos y por creer en este proyecto. @CodigoMaquina ha sido uno de los proyectos más bonitos que hemos emprendido en nuestras vidas, y el ver que otras personas también creen en él, nos llena de emoción y motivación. ¡¡¡Muchas gracias!!!

[@CodigoMaquina]

@soniabenavides177 Como una pequeña muestra de nuestro agradecimiento, por favor échale un ojo a la introducción de nuestro último video sobre el teorema de aproximación universal de las redes neuronales: kzbin.info/www/bejne/iKjRoGWBmdqEnJo

[@humbertoreyes4165]

Te las rifaste Fernando. Muy buen video

[@CodigoMaquina]

@humbertoreyes4165 muchas gracias :)

[@williamroberts364]

ya termine de ver todo el video, ajams habia visto tu canal, obviamente eres un cientifico de datos ultra senior, pero lo que estas dejando aqui en youtube es un legado alucinante y servira por varias decadas posiblemente, yo recien estoy aprendiendo a programar, la verdad no tengo palabras para todo lo que acabo de ver es como si realmente te importaramos, tienes un don para la docencia increible, y bueno es obvio que no entienda todo esto, porque esto es una cpa del conocimiento muy alta , y justamente que simplificaras tanto pero sin caer en se runa mera divulgacion como otros canales, sino que realmente te da fundamentos para lo que sigue , eso es un eslavon invaluable la verdad, ya me callo 😅 esque estoy sorprendido!.

[@CodigoMaquina]

Muchas gracias por tus palabras. Código máquina es por y para ustedes. Mucha suerte en tu camino. Con determinación lograrás todas tus metas :)

[@jean_2437]

Tu trabajo es excelente. Muchas bendiciones.

[@CodigoMaquina]

@jean_2437 muchas gracias por las bendiciones

[@pabloblogna4453]

Muy buena explicación... Muy profesional . Tu canal es fantástico. Saludos y gracias.

[@CodigoMaquina]

@pabloblogna4453 verdaderamente agradezco tus comentarios :)

[@eduardogold3925]

Thanks!

[@CodigoMaquina]

@eduardogold3925 en nombre del equipo de @CodigoMaquina, te agradezco verdaderamente el apoyo y la confianza en este proyecto. ¡Muchas Gracias!

[@sandunga666]

Impresionante! Muchas gracias Octavio, simpre muy claras tus explicaciones.

[@CodigoMaquina]

@sandunga666 muchas gracias por tus comentarios y por seguir el contenido del canal :)

[@JuanKSolocodigo]

Magistral, si antes sentía pasión por este tema, ahora por 1000. Gran maestro.

[@CodigoMaquina]

Te agradezco enormemente tu apoyo y tus palabras. Vamos por más IA este año :)

[@ismpri]

¡Gracias!

[@CodigoMaquina]

@ismpri te agradezco sinceramente por creer en este proyecto educativo y por apoyarnos. Código Máquina tiene la misión de divulgar ciencia y compartir conocimientos para la comunidad hispanohablante. Tu apoyo ayuda a esa misión y nos hace sentir acompañados en este camino tan bonito. Como una pequeña muestra de agradecimiento, por favor échale un ojo a la introducción de nuestro último video: kzbin.info/www/bejne/qIiufmipiLitgq8

[@JuanKSolocodigo]

Thanks!

[@CodigoMaquina]

Muchísimas gracias por creer en este proyecto y apoyarnos. Como pequeña muestra de agradecimiento, por favor échale un ojo a la introducción de nuestro nuevo video kzbin.info/www/bejne/gHTLkJSKfdaHpNk

[@reinerromero7265]

Excelente. Muchas gracias 😀

[@CodigoMaquina]

@reinerromero7265 es un verdadero placer :)

[@ismpri]

Felicitaciones 'Código Máquina' eres un maestro de maestros. La mejor explicación detallada y clara. Desde ahora estaré atento a tus creaciones.

[@CodigoMaquina]

@ismpri te agradezco sinceramente por creer en este proyecto educativo y por apoyarnos. Código Máquina tiene la misión de divulgar ciencia y compartir conocimientos para la comunidad hispanohablante. Tu apoyo ayuda a esa misión y nos hace sentir acompañados en este camino tan bonito. Como una pequeña muestra de agradecimiento, por favor échale un ojo a la introducción de nuestro último video: kzbin.info/www/bejne/qIiufmipiLitgq8

[@gersonrodr]

Excelente, al fin un video en español bien explicado, muchas gracias

[@CodigoMaquina]

@gersonrodriguez9005 muchas gracias por seguir el contenido del canal :)

[@yonadabjaredguzmanmendoza1576]

Había tomado un par de cursos donde explicaban a detalle el back propagation pero jamás me había quedado tan claro como aquí. Felicidades por tu contenido y didáctica se agradecen mucho !

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@JFNicolasBautista]

Exquisita explicación. Contenido de calidad. Felicitaciones desde España! 😊

[@CodigoMaquina]

¡Muchas gracias! Saludos desde la Ciudad de México

[@madarax123]

Llevo 3min y ya me suscribí excelente que hayan canales así

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@lanoviadearana]

el mejor video que he visto acerca de este tema

[@CodigoMaquina]

Muchas gracias!

[@diegojacome913]

Estoy trabajando y miro tu video y aun asi te entiendo perfectamente

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal

[@jesusmanuelnietocarracedo9701]

Como siempre te digo en tus videos es brutal, es descomunal como explicas en todos tus videos cada concepto que en los libros de "super-entendidos" no hay manera de saber por donde van, ya que la mitad de las explicaciones quedan indicadas, y sino traes buena base o llevas años sin tocar ciertos conceptos, es imposible entender. No te imaginas la de fuentes que había consultado hasta entender como se ejecuta realmente este algoritmo, sobre todo la regla de la cadena, y si tengo la asignatura de cálculo aprobada de la carrera hace muchos años, pero aprendí a resolver exámenes no a dominar conceptos... Que este video no tenga millones de visualizaciones, es una clara "derivada parcial" una fotografía del meteorito que nos merecemos con sociedad. Además no te quedas contento con explicar más o menos el concepto, sino que encima montas unas presentaciones, que llevan un currazo enorme. De tus vídeos, ya si nos haces uno sobre técnicas de visualización de datos, yo es que te pido matrimonio ... Vale acabé el video y veo que ya solo me falta por saber el diámetro del dedo para el anillo...😅

[@CodigoMaquina]

Muchas gracias por tus palabras. En verdad que son valoradas. Por cierto, aquí va el vínculo a la lista de reproducción de visualización de datos del canal :) kzbin.info/aero/PLat2DtY8K7YWB3X5oJiXb5qON0rA3j0J6

[@tecnologiasabiertas6719]

Me resta decirte: muchas gracias y excelente trabajo. Genio!!!!

[@CodigoMaquina]

¡El mejor reconocimiento es el apoyo de la comunidad!

[@Johan-zs9xh]

Uff que casualidad me tope con este canal

[@CodigoMaquina]

@Johan-zs9xh ¡Bienvenido al Canal!

[@jonathanharkerdpz5906]

Excelente aporte.,👍👍👍

[@CodigoMaquina]

Muchas gracias por comentar!!!!

[@leonelazurdia]

Excelente trabajo. Gracias por tu cátedra

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@soniabenavides177]

Eres un duro, gracias por explicarnos tan fácil temas complejos

[@CodigoMaquina]

@soniabenavides177 es todo un placer y muchísimas gracias por creer en este proyecto

[@CARLOS-tt8rx]

Muy buen trabajo, excelente didáctica, muy buen profesor. Gracias Octavio.

[@CodigoMaquina]

Gracias por tus comentarios Carlos. Saludos!!

[@pptmtz]

Hola, yo vi este video cuando lo subiste y entendía muy poco la verdad, recién empezaba mis estudios de aprendizaje automático y la verdad la forma en la que lo presentas me ayudo mucho a empezar a entender conceptos primordiales. Hoy lo vuelvo a ver y entiendo mucho mejor e incluso alcanzo a ver el trabajo que hay detrás de los videos, desde buscar los casos que ejemplifiquen mejor, hasta crear los datos y visualizaciones que nos ayuden a entender mejor. Muchas gracias la verdad. Otro punto que llamo mi atención, es que al día de hoy tienes 36K suscriptores y 35K vistas de este video, WOW, señal de una comunidad super fiel. Saludos

[@CodigoMaquina]

Me alegra que el video te haya servido para tu aprendizaje y muchas gracias por tomarte el tiempo para escribir este mensaje. Es una verdadera motivación y es muy gratificante. El aprendizaje de la comunidad justifica el esfuerzo realizado con estos videos :)

[@van251080]

Gracias está súper está info... No hay un curso completo ? Gracias

[@CodigoMaquina]

@van251080 gracias por tus comentarios. Con respecto a tu pregunta, te recomiendo echarle un ojo al siguiente video que guía el aprendizaje desde programación básica hasta machine learning: kzbin.info/www/bejne/oqDQe6GYg5qKpM0feature=shared

[@van251080]

@@CodigoMaquina ya vi el video del link ... Excelente información. Muchas gracias y deseo mucho éxito para este canal... Saludos

[@CodigoMaquina]

@van251080 muchas gracias!

[@oridheannetworking3429]

excelente , excelente explicación!

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@dsy-o8o]

la ver me alegra mucho y me gusto mucho tu explicacion clara y con ejemplos practicos

[@CodigoMaquina]

Muchas gracias por tu comentario. Por cierto, tenemos un video donde hacemos una red neuronal con TensorFlow kzbin.info/www/bejne/q36XpmqGZ92ehZo

[@jonatanpittari2233]

Buenas, excelente tu contenido! Me gustaría saber si podrías decirme que ramas de la matemática debería estudiar para profundizar más en todo este tipo de cuestiones! Gracias!

[@CodigoMaquina]

@jonatanpittari2233 gracias por tus comentarios y por la pregunta. Con respecto a las ramas de matemáticas, primero debo decir que todas las ramas son importantes y que ninguna está de más. Segundo, entre las matemáticas más importantes para machine learning y/o deep learning se encuentran Cálculo, Probabilidad, Algebra Lineal y Estadística. En futuro próximo haré un video al respecto dando más detalles. Gracias por seguir el contenido del canal :)

[@cacasal92]

Hola, buen día, desde Colombia. Quisiera aprender programación e inteligencia artificial por mi cuenta en mi tiempo libre, me podrias recomendar un orden de tus listas de reproducción y/o libros que pueda leer para una persona que esta en cero de programación, manejo basico de computador es lo unico jejeje. Gracias por todo este material.

[@CodigoMaquina]

@cacasal92 diseñamos @CodigoMaquina con la intención de que no hubiera ningún prerrequisito para nuestro videos, al menos que no hayamos explicado aquí mismo en el canal. Mi sugerencia es que veas los videos del canal en el orden de subida (el primer video que subimos fue "cómo instalar python" y está seguido por videos de introducción a la programación). También le puedes echar un ojo a una guía que tenemos en el canal en donde agrupamos los temas kzbin.info/www/bejne/oqDQe6GYg5qKpM0feature=shared

[@jaz2k5]

Muy bueno y muy informativo don Octavio, me hizo acordame de cosas que no uso desde aquellos tiempos del CINVESTAV.

[@CodigoMaquina]

Don @jaz2k5 qué buenos recuerdos! Gracias por pasar a saludar y te mando un abrazo muy fuerte.

[@Sergio_From_Spain]

¡BUENÍSIMO! Ya sé que a estas alturas todo esto lo dan por sabido muchos, pero no he encontrado a nadie que lo explique con tanto detalle. Muchas gracias por este vídeo.

[@CodigoMaquina]

¡Muchas gracias por tus palabras!

[@albertoguillermoferro2687]

muy claro y explicacion exelente

[@CodigoMaquina]

Hola, muchas gracias

[@efrainsantibanezalarcon613]

increible explicacion, ahora si aprendi :)

[@CodigoMaquina]

¡Me alegra mucho que te haya servido de ayuda! 🙂

[@serselea]

Excelente explicacion, ayuda mucho entender la matematicas detras de la programacion cuandouno esta comenzando. muy buen laburo!!!

[@CodigoMaquina]

¡Muchas gracias por seguir el contenido del canal! 🙂

[@marianocastelli5172]

Muchas gracias Octavio por la excelente clase, saludos!

[@CodigoMaquina]

Con mucho gusto y gracias por tus palabras :)

[@jhon-AI-ML]

Muchas gracias Sr. Gutierrez, excelente contenido y excelente explicación.

[@CodigoMaquina]

@jhonhenryrios2984 gracias por tus comentarios y por seguir el contenido del canal :)

[@nano996]

Excelente ejemplo, gran docente felicitaciones! Like y nuevo suscriptor!

[@CodigoMaquina]

@nano996 muchas gracias por tus palabras :)

[@claudiobastias2289]

Muchas gracias, Maestro por aca partiendo desde cero (0)

[@CodigoMaquina]

¡Me alegra que te ayude a aprender!

[@numelto]

The best of the best, lo MAXIMO, lo supremo

[@CodigoMaquina]

@numelto muchas gracias por tus palabras

[@nancynardelli5466]

Muy buena explicación! Muchas gracias!

[@CodigoMaquina]

Gracias por comentar

[@facundogomez4934]

buen video amigo, deja clarisimo el tema

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@wriverapaniagua]

muchas gracias!!!

[@CodigoMaquina]

@wriverapaniagua gracias por interactuar con el contenido del canal :)

[@Togueter]

Por favor, sobre el minuto 6:30 corrige la diapositiva. No son terminales "axomicas", son terminales "AXONICOS" con "N" y en masculino, de AXON. Y la señal no se procesa en el núcleo; sino en el cuerpo de la neurona o "SOMA"

[@CodigoMaquina]

Muchas gracias por las correcciones. Lamentablemente el sistema de youtube no me permite modificar videos que ya se encuentran publicados. Sin embargo, tomaré en cuenta las observaciones para futuros videos :)

[@luismiguelperezsolis4008]

donde encuentro el codigo del ejemplo de colab?

[@CodigoMaquina]

Hola @luismiguelperezsolis4008 aquí va el vínculo a la libreta: github.com/CodigoMaquina/code/blob/main/machine_learning_python/backpropagation_paso_a_paso.ipynb

[@misaeloli4788]

Ayuda :( En las derivadas parciales el p21 ya esta considerando el valor de salida de la O1 o no se debe considerar??

[@OscarMartinez-ve6gv]

Al usar la funcion sigmoide me parece que toma valores (0,1) y no {0,1}

[@gonzalosanvido3078]

genial la explicación, que buen contenido !!!! que estudios tienes? sos ingeniero?

[@desk6173]

Nuevo sub bro

[@CodigoMaquina]

@desk6173 bienvenid@ al canal!

[@dulcecarolinaalvarezsantia3093]

Muchas gracias por tu contenido. Estaría super que pudieras generar comunidad a través de discord! Saludos

[@CodigoMaquina]

@dulcecarolinaalvarezsantia3093 gracias por tus comentarios y por tu sugerencia. Discord ciertamente es un buen lugar para generar comunidad.

[@williamroberts364]

enverdad eres una maquina porque sabes mucho!, de hecho debes ser un t-1000 de skynet , enviado del futuro, por eso te lo sabes toditito 😅🤣😂🤣😂

[@CodigoMaquina]

¡Muchas gracias!

[@heberlopez2084]

Saludos.¿ De donde eres?

[@CodigoMaquina]

Ciudad de México. Saludos!!

[@cdkr0]

Hola... espectacular video explicativa. Sería muy útil saber como todo esto se puede hacer con TensorFlow y PyTorch por favor. Saludos!

[@sebastiansebastiana5499]

maldito loko ❤

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@albertoguillermoferro2687]

yo estoy tratando de hacer una red neuronal con arduino, por ejemplo ingreso la ecuacion de una recta y=A*x+b , los datos de salida a averiguar son pendiente A , ordenada al origen b = sesgo , y los datos de entrada son la variable (x) y el resutado (y) , no tiene que dar la pendiente y la ordenada al origen , yo ingreso (x) como una rampa y se genera(y) , atravez de la funcion sigmoide en interacciones sucesivas luego haciendo y*(1-y)

[@ML_Wave]

Buenas tardes profe, dado que el gradiente de la función de perdida sería el vector formado por las derivadas parciales de la función de perdida respecto a cada uno de los pesos y sesgos, se puede conocer la magnitud de la máxima derivada direccional al evaluar el gradiente en los valores actuales de b y w, por lo que se podría diseñar una regla de tasa de aprendizaje que se vaya modificando según la norma del gradiente en el punto , de manera que sea pequeña para normas grandes y vaya aumentando cuando la norma se vaya acercando a cero para acelerar la convergencia , claro que tocaría ver la estabilidad, estoy en lo correcto?

[@devdev2088]

algún libro para aprender backpropagation ?