¿Qué es una Red Neuronal? Parte 3.5 : Las Matemáticas de Backpropagation | DotCSV

[@DotCSV]

📸 Sígueme en Instagram para más contenido tras las cámaras : instagram.com/dotcsv/ 💸 ...y apoya el canal en Patreon!!! : www.patreon.com/dotcsv

[@danielvillarreal9509]

Muy buen vídeo. Sería bueno una sección del canal para los interesados en aprender con un ejemplo práctico y sencillo a programar una red neuronal, por ejemplo utilizando Python que es un lenguaje bastante usado. Éxitos.

[@Tricenteramos]

Soy un viejo exquímico de 76 años, logicamente jubilado pero con ansias de saber más e interpretar el futuro que no disfrutaré. Permíteme felicitarte por lo bien explicado y comprensible que haces la IA en todos tus videos. ENHORABUENA Y MUCHAS GRACIAS por tus sabias enseñanzas. Con un agradecido abrazo.

[@nazitaog]

seguis vivo?

[@gmarsi]

Mis goals en la vida son llegar a comprender todo lo que dices en los videos y prometo hacerlo. Eres una gran inspiración!!

[@hansktube]

solo necesitas aprender un poco de algebra lineal, calculo diferencial y calculo vectorial si ves calculo diferencial en paralelo con algebra lineal y luego calculo vectorial,no debe tomarte mas de un año que estos cursos suelen ser de 6 meses en las universidades.

[@deblish]

Amigo, solo es comprender vectores gradientes, un poco de calculo vectorial, y un poco de algebra lineal

[@moisesdiaz9852]

Por eso ya me he visto esta serie mas de 5 veces 😅

[@terronpe]

Y como vas? Yo creo que ya estoy cerca de entenderlo.

[@kennethcruz1234]

@@terronpe x2

[@danieldlrg03]

Lo vi hace años, aprendí a programar, me metí en la carrera de ingenieria informatica y a día de hoy estoy estudiando en profundidad este temario. Simplemente, gracias.

[@nazitaog]

somos 2

[@DotCSV]

Y con este vídeo damos terminada la serie de 5 Partes sobre redes neuronales. ATENCIÓN: Si tras ver este vídeo tienes alguna duda pendiente o no has terminado de entenderlo, no te preocupes! Simplemente pregunta por aquí y dedícale un tiempo a madurar la información. Con conocer cómo funciona y tener una intuición desarrollada es más que suficiente para todo lo que va a venir a partir de ahora :) RECUERDA: Colabora con el canal difundiendo este vídeo en redes y/o contribuyendo en el Patreon! Gracias ^^

[@minecraftpapiernik1930]

Deberían de haber links de complementación a fuentes para los que no hayan entendido muy bien.

[@nilocajoflores8877]

Algun libro?

[@minecraftpapiernik1930]

También

[@SR_M0L1NA]

@@minecraftpapiernik1930 ¿Algo así cómo esto? ---> kzbin.info/aero/PL1b0cquYkGiCU4xgvLfvKv4jW_j1eYgV0

[@minecraftpapiernik1930]

Lo ví todo. Pero, muchas gracias.

[@suldreck]

he de admitir q siento tentaciones de soltar algun eurin para q videos tan buenos como estos salgan con una frecuencia cercana a 1 por semana o menos. Entiendo q explicarlo todo tan bien requiere mucho tiempo . Felicidades maestro.

[@jordi8807]

Ahora estaria bien hacer un ejemplo practico paso a paso.

[@vgamail2000]

He visto el vídeo 3 o 4 veces y aunque el concepto de backpropagation queda claro estoy de acuerdo con el comentario de que un ejemplo practico y numérico del funcionamiento de una red sencilla nos vendría muy bien a los que queremos programar una RN.

[@DaniDecoder]

​@@vgamail2000 Para hacer un ejemplo practico, sigue estos videos desde el primero, y mientras los ves, ves parando el video y programa una neurona como una estructura en la que tienes varios float con los pesos, un float para el bias y una funcion que devuelve float para la regresion lineal pasandole los parametros, despues programas la funcion de activacion (el sigmoide) para devolver un float, pasandole el float de la regresion como parametro y ya tendriamos la neurona programada. Partiendo de eso, tendrias que crear la funcion de costes, y el conjunto de neuronas en tu programa. Al inicializar, las distribuyes como quieras (literalmente conectas inputs con outputs) y por ultimo, con un bucle que vaya dandote una iteracion del calculo de la red + el calculo de errores de backpropagation y que te muestre los cambios, ves como va funcionando. Te recomiendo que pruebes usando neuronas RGB(usando byte, que va de 0 a 255, en vez de float, y en vez de llamarlos "w1","w2" llamalos r, g, y b)y utilizando por cada pixel una neurona, pruebes a meterle funciones de costes y que te genere un bitmap con el resultado y te lo guarde como un bmp en alguna carpeta con el numero de la iteracion en el nombre. Es la mejor manera de verlo graficamente.

[@vgamail2000]

Gracias Daniel. Intenté hacer un desarrollo como el que indicas utilizando una hoja excel pero debe haber algun error en alguna celda y no consigo hacerla funcionar.

[@vgamail2000]

@@DaniDecoder Me ha gustado tu propuesta de codificar como una imagen bmp. ¿Tienes un email donde pueda contactar contigo para pasarte lo que estoy preparando y me das tu opinión?

[@aulavirtualpedrovicente]

@@vgamail2000 Si deseas comprender mas en detalle como programar una red neuronal, te recomiendo unirte al grupo Redes Neuronales en facebook.com/groups/145337862295183/

[@hernandasilva3781]

Este canal es oro puro y este tipo es brillante, simplifica todo como pocos. No entiendo como no tiene mas seguidores.

[@luisalfredohungaraque2729]

Geniales tus videos, de verdad muy nutritivos para el conocimiento. Para el ejercicio de la espiral, me funcionó una red neuronal de una capa oculta con cinco neuronas en dicha capa, y de entrada x1, x2, x1^2, x2^2, x1*x2, sin(x1) y sin(x2); realmente utilicé todas las entradas. De parámetros fueron: Learning rate: 0.01 Activation: Tanh Regularization: L2 Regularization rate: 0.03 Noise: 25 Batch size: 10 En este caso, se destacó muy bien la espiral. A los 3 min de entrenamiento se obtuvo un: Test loss de 0.121 siendo de 12%, y un Training loss de 0.116. Para otras corridas dichos valores mejoraron pero la espiral no se destacó tanto. Espero haber contribuido. Un gran saludo desde Venezuela.

[@ErikaTatianaP]

Me encantan tus videos, haces de lo más complicado algo super simple. Soy estudiante de ingeniería mecatrónica (último semestre) y más de una vez me he estancado en temas que se nos complican por usar terminología que no entendemos o tantos tecnicismos. Siento que con tus ejemplos y claridad todo se despeja, hace muchísimo más fácil el entendimiento de algunos conceptos, en pocas palabras, vuelve lo abstracto algo tangible. De verdad te agradezco, este tema simplemente me encanta (como las matemáticas) y he podido entender mucho de cómo funciona, más que saber la matemática detrás, el concepto en sí de redes neuronales. Quisiera que los maestros explicaran más como tú antes de entrar a temas de este tipo, tal vez así los alumnos no le temerían tanto y los verían desde otra perspectiva, un saludo desde Colombia.

[@daironperezfrias7819]

Llevo ya con hoy un intensivo de 4 días viendo este curso y anotando todo en una libreta, menos mal que voy entendiendo todo y el calculo de las derivada lo hace la computadora porque si lo tengo que hacer a mano pues F para mi jejejej. Grande @DotCSV es genial como lo explicas todo ten facil de entender, Gracias por todo !!!!

[@GladyzPabon-nm1cc]

Nunca acostumbro a escribir comentarios en youtube, en general nunca lo he hecho. Sin embargo siento que te tengo que felicitar por el magnífico trabajo que has hecho. Eres uno de los mejores lectores que he conocido en mi vida. Ojalá tengas muchos éxitos en tu carrera, lo mereces.

[@juanschjaer244]

no suelo interactuar mucho en los canales que sigo usualmente pero tengo que felicitarte por el trabajo que haces en la gran mayoría de tu videos. Me encantan, ayudan mucho a entender de forma didáctica y sobre todo generan motivación para seguir este camino. En poco tiempo me he hecho fan de tu canal, espero que sigas con esto mucho tiempo. Gracias por todo Dot!

¡Santo cielo!. Que bien explicas. De verdad que la matemática la manejas tan natural en su relación con los problemas que es increiblemente facil. Lo voy a revisar a detalle mas adelante y si tengo una duda revisaré que has comentado al respecto. QUE TRABAJAZO... GRACIAS

[@josechavezuriarte9224]

Estos meses los dediqué a sumergirme en el mundo de ciencia de datos, primero matemáticas, luego algoritmos y ahora deep learning. Aún estoy terminando de entender algunos conceptos de matemáticas, pero me alegra saber que pude entender (al menos teoricamente) todo lo que dijiste. Se que parece que estoy alardeando, pero en realidad estoy emocionado porque significa que estoy empezando a ascender (siguiendo el gradiente) en la curva de aprendizaje. Gracias por un gran video y una gran explicación, saludos desde Bolivia.

[@DarkHandler]

Después de varias vueltas en avanzar, retroceder, repetir, se entiende todo la verdad. Muchas gracias!!, esto me sirve mucho.

[@acuxart]

GRACIAS por explicar conceptos complejos con tanta claridad y ejemplos gráficos 😊❤️

[@josicoSiete]

A raíz de un directo tuyo empecé con el curso online de Andrew NG. Y creo que voy a hacer mi TFG sobre redes neuronales. Muy buen vídeo! Y gracias por la inspiración

[@vicentg4829]

Estoy interesado, yo también realizare este curso mi TFG sobre RN. Que curso es? Donde puedo encontrarlo?

[@DiegoAnllo]

@@vicentg4829 Imagino se refieren a este: www.coursera.org/learn/machine-learning el cual ya es un clásico en la materia. Es muy bueno, aunque por momentos requiere (al menos a mí), repetir y repetir el vídeo hasta entenderlo. Asi y todo ABSOLUTAMENTE nada que envidiar a lo expuesto por @dotcsv.

[@jorge5620]

Si es bueno el curso... Yo soy biólogo experimental y quiero hacer una red neuronal para crear fármacos contra cáncer. Y quiero aprender justo todo esto que explicó Carlos en esta serie de videos. Recomiendan el curso? No se mucho de matemáticas

[@DiegoAnllo]

@@jorge5620 Todo es tan bueno o tan malo como la utilidad o espectativas que genera. Si no eres bueno o no quieres las matemáticas, tal vez, aprender la idea, el concepto con @dotcsv y trabajar con alguien técnico para complementar las especialidades. Por cierto, muy interesante tu motivo.

[@arielelmusico1]

@@DiegoAnllo buen día. Para realizar ese curso hace falta saber inglés? O está subtitulado? Gracias.

[@juanrojaslucero2459]

En la vida había aprendido tanto en tan poco tiempo. Sos un CRACKKKKK!!! Mi total admiración.

[@prpheizungsanitar6050]

Min. 16:51 ... :) asi me quedo el bombo ... muy buenos videos. Muchas gracias.

[@elielberra2867]

No dejo de fascinarme con la claridad con la que explicas todos estos temas, eres un genio!! Muchísimas gracias :)

[@zigaexperientiasss7931]

Soy un estudiante de administración y finanzas , esto es como el polo opuesto , pero es tan genial , sigue así , muchos éxitos , tus vídeos son increíbles.

[@sanctus66]

Me encanto el ejemplo del organigrama. Muy bien explicado. Lo entendi mucho mejor aun el concepto. Ahora que si hay que refrescar el calculo de derivadas. Pero es excelente. Te sigo desde Rusia

[@roman_ramos]

Excelente vídeo. Te felicito. He utilizado tus vídeos en los cursos que dicto como apoyo y eres parte de las referencias que recomiendo. Mucho éxito!

[@regulus6689]

Bien explicado y condensado. Ojalá se venga un vídeo IA Notebook sobre el tema

[@marcealbanes]

Si pudiera darle me encanta, lo hiciera! ❤ Vi la serie completa, muy comprensible, aplicativo, completo... Genial!!

[@youngdali8513]

Que serie tan brutal, eres un crack !!! muy agradecido

[@Kaox]

Wow, llevé redes neuronales artificiales en la facultad y tuve un muy buen maestro, explicaba muy bien pero creo que llegó un punto en el que se volvió muy redundante y fui perdiendo el interés de a poco y no entendí nada al final. Utilizamos un programa para simularlas y programamos una en python con las librerías tensorflow (no recuerdo como se llaman) y ahora que veo tu contenido que está muy genial comprendo todo y hasta me deja con ganas de aprender todo lo de esta rama. Muchas gracias por compartir estos videos y ni hablar de la producción. Todo genial.

[@turnoffthesystem4789]

Como informático, me he enamorado de tu canal y de tu increíble capacidad para explicar conceptos que bien podrían tomar rumbos complicadísimos de una manera que, intuyo, prácticamente cualquiera podría entender. Enhorabuena!!!

[@juannarvaez1039]

Excelente video, te da la intuición de como funciona el algoritmo. La parte matemática si lleva bastante tiempo en entenderla, yo soy ingeniero y me tarde 2 días en hacer las derivadas parciales y entenderla la matemática.

[@CristianRamirez-up6cf]

Tu serie me ayudo para un trabajo de investigación, muchas gracias, ademas de que has llamado mi atención para dirigirme hacia esa area de la computación.

[@Nabla_Squared]

2:31, a partir de ahí dices la derivada al revés, un par de veces. De todas maneras después cuando pones las fórmulas lo corriges. Por cierto, muy buen vídeo. Saludos!

[@DotCSV]

Cierto! Gracias por avisar, lo pongo en la fé de erratas

[@josemariapallares1720]

Excelente trabajo , muy intuitivo y extremadamente bien explicado

[@develop2655]

Waoo! Entendí todo, estuve hace mucho tiempo tratando de entender como se aplicaba el descenso del gradiente en el backpropagation y algo no terminaba de cuajar hasta que boom!, ví tu video.

[@hecgph]

Muchas gracias por dedicar tu tiempo a enseñar estos temas de la mejor manera.😄

[@viniciusmiki3686]

Genial!!! Sin duda la mejor explicación de backpropagation que he visto! Gracias por esto

[@kiidees]

Bendita probabilidad y estadística, bendito calculo Aún no veo AI en la carrera, pero me gusta adelantarme a entender algunos conceptos, y con este mini curso ha quedado todo muy claro Un saludo desde México

[@CarlosOchoa-ln8lg]

Encontré tu canal ayer y es increíble, me alegra muchísimo que haya un sitio enfocado a este campo tan apasionante de la IA, me suscribí al momento, tu calidad es impresionante, ¡aquí me quedo! :D

[@alejandromiles]

Escuchándote con el algoritmo de Backpropagation puedo llegar a interpretar como hicieron el Sistema BIM (Building Information Modulating), pues entiendo que sería un aplicación de este tipo de sistema de redes. Cuando uno aprende a través de tus videos no es tan fácil digerir todo el conocimiento, pero los videos son excelentes. Gracias!!!!

[@javieralejandrolopezguzman6947]

Impresionante la calidad de los videos, gracias por este gran aporte!

[@gabrielespitiamesa8805]

Gracias!!! Eres muy teso! y explicas muy bien. Un abrazo!

[@Daniel-to5jd]

Yo nunca habia entendido del todo bien como era la regla de candena, pero este video me lo dejo claro, sigue subiendo mas sobre las matematicas de machine learning son muy pocos los que la explican de forma entendible para los mortales

[@enriquealanis6108]

Me encanta el final! Me ha puesto los pelos de punta esa música junto a la sensación de que hay tanto por aprender de este tema :)

[@odflor]

Te felicito por tu serie de vídeos de redes neuronales. Siendo franco entendí super bien tus analogías, pero cuando te fuiste a las fórmulas, quedé flotando en el limbo, pero no te preocupes, es mi culpa, mi formación en matemáticas no se acerca ni por putas al nivel que tienen ustedes. Pero gracias a tus vídeos ya tengo el concepto de cómo funcionan este tipo de algoritmos. Muchas gracias por intentarlo, estoy muy agradecido de que lo hayas hecho.

[@cnsantana1982]

El mejor canal de youtube de todo el universo! Gracias, crack!

[@pablomendezleiva3257]

Oro puro! Tremendas explicaciones!

[@fosfolipido9422]

Están genial tus vídeos. Explicado sencillo y ameno. ¡Gran trabajo!

[@gamosupremo5703]

un héroe eres tu por aportarnos tanto.Gracias!

[@zakaria756]

Gracias por tanto esfuerzo en la serie. Me estas ayudando muchisimo a entender. Un abrazo

[@edmundotoledo293]

Eres un genio! no podría estar mas agradecido por este video

[@juliacorderocorro3430]

Muy interesante y claros tus vídeos. Gracias por compartir

[@camilaonofri2624]

Amé estos videos, super explicativos! Ya quiero que salgan los otros.

[@yiramsanchezcruz773]

WOOW! Con esas ilustraciones, animaciones y explicaciones deberías hacer un curso completo de Machine Learning e Inteligencia artificial. Felicidades.

[@dariosotomoya1249]

sos mi hermano pero de otro lugar del mundo que parecido tenemos! MUY BUENO TUS VIDEOS. MUCHAS GRACIAS POR EL APORTE

[@jcninopa]

Hola. La derivada en 10:05 como la hice incluye una sumatoria, es decir Sumatoria(a_j - y_i). Excelentes videos, he aprendido mucho.

[@josealbertoarano3454]

1Esta genial tu contenido!!! Me ha ayudado un montón para la realización de mi tesis ! te agradezco la información

[@esthivencruzayte2241]

Gracias , recién veo tu canal ,ha pasado tiempo de este video ,pero sirve mucho :)

[@santiagouploads5063]

Acabo de encontrar éste canal. Sin duda alguna eres muy buen expositor! Te ganaste nuevo sub

[@reinaldosilva4783]

Entiendo mejor el machine learning en tus vídeos que en la Universidad. Muchas gracias por hacer estos vídeos.

[@10princesitafany]

gracias por la explicación, eres el mejor!!!

[@profesorjhonnyaraque7023]

Excelente videos. Felicitaciones al equipo

[@gianmarcosespinoza3006]

Deberia haber un me encanta para estos videos ! Genial

[@manuelgamezz]

Excelentes videos, este último de plano necesito verlo de nuevo, y muy interesante la serie. Te felicito por la creatividad en tus videos. Soy programador de software y ahora estoy volteando a ver estos temas muy interesantes.

[@mdq2002]

Te juro que me gustaria saber el motivo que tienen las personas para poner dislike en tus videos, son increiblemente claros. Felciitaciones y gracias por la ayuda en todo este camino

[@abnerballesta]

Excelente explicación máster; muchas gracias por dedicarte tanto en hacer tan buenos vídeos.

[@dagcomunica5921]

Magnífico video. Excelente

[@iancarbo212]

Muchas gracias! Muy buen video!

[@geraldinemartinez7814]

Me encantaron todos los videos

[@daniel_segovia]

Espectacular trabajo, muchas gracias!

[@vidjulio]

sus videos son muy muy buenos muy utiles. Explica usted muy bien, con paciencia y motivación. Son profesor hace 50 años de forma que tengo criterios sobre lo que le digo. Mis felicitaciones. Probablemente es un problema mio, en mi afan organizativo, pero me hubiera gustado una secuencia numerica. Ahora veo 3.5 ¿no habia 3.1? Seria bueno un indice para saber si tengo todos sus videos o si mi salte alguno. De nuevo mis felicitaciones por sus videos

[@ingesistel]

Que excelente trabajo !! las explicaciones y los videos...perfectos. Gracias !!

[@julionunezmontenegro1022]

Hola aqui de Costa Rica Centroamerica, Excelente amigo, te felicito.

[@herbertraullizamabasto6812]

Muchas gracias, tengo que hacer una presentación del tema en unos días y me has dado muchas ideas para facilitar la explicación del tema y atrapar a mis compañeros.

[@PetaZire]

Muy buen video! Queremos videos como este explicando más fundamentos matemáticos. La siguiente SVM!

[@hernandogarcia3942]

Gracias por tu video.. 2021 empezando a realizar un proyecto de tesis.

[@alejandromiles]

Viendo el video quiero hacer la siguiente aplicación. Soy docente de una escuela Técnica con orientación a MMO (Maestros Mayores de Obra). Se me ocurre armar la red de materias por años (son 7 años de estudio secundario) y como entrada tengo al alumno que ingresa de cualquier escuela primaria y a la salida obtengo el Egresado secundario MMO. En la escuela todavía no hemos encontrado la manera de articular las materias para detectar errores de aprendizaje y haciendo la analogía con Backpropagation, se me ocurre realizarlo , donde cada red neuronal sería una materia de cada año correspondiente a los 7 niveles. Gracias. Alejandro desde Merlo, provincia de San Luis, Argentina.

[@leandrobenitez6807]

ERES UN CRACK EXPLICANDO

[@eloyrolandocanchanyabalbin4692]

Muy buen explicación, aprendí mucho de algo que alguna vez tuve curiosidad. Me gustaría que hicieras un Camino de aprendizaje para aprender inteligencia artificial, del camino de como obtener un visión general( IA, machine learning, deep lerning) para así cada uno poder elegir la especialización que le guste. Saludos y muchas gracias.

[@robertobaldizon8206]

Hola. Muchas gracias por el video. Muy buena y clara la explicacion

[@octaviooctavio1548]

Para poder programar esto, he tenido que expresar las relaciones funcionales que definen una red neuronal, y entonces sí he podido entender finalmente lo que estaba siendo dicho aquí. Una cosa en la derivada respecto a cada uno de los pesos de una capa, y otra considerar los datos de entrada de la capa anterior como funciones, para poder derivar después respecto a los pesos de esa capa, con lo cual la matriz derivada última resultante de aplicar la regla de la cadena multivariada cambia. Pero no creo que alguien se haya enterado de cómo hacer esto, ni que pueda hacerlo si no sabe matemáticas avanzadas, especialmente porque casi ningún comentario incide en algún detalle, como porqué no aparece un sumatorio explícitamente. Y aunque considero que es una buena exposición, también creo que es porque sólo ha sido explicado en parte, y lo que falta es más difícil de explicar y de entender. La verdad es que lo prefiero así, porque así seré uno de los pocos que entienden esto realmente bien, capaz de programarlo de cero, con el DEBIDO CONTROL de lo que es hecho, y con las ganas suficientes de hacerlo.

[@eduardosotosepulveda5101]

muy bueno! felicitaciones. Saludos desde Chile

[@johelbujosa3635]

Esta bien la explicación y de verdad agradezco tu aporte. Me gustaría que no dieras por terminada la serie. Seria bueno que nos dieras una ñapa con un video 3.5.5 jajaja, donde mostraras un ejemplo sencillo para poderlo entender bien esta parte teórica. Y de antemano muchas gracias por tus valiosos aportes

[@Magistrado1914]

Excelente miniserie Visto en 20/11/2020

[@sys3000]

Excelente video nunca lo explicaron mejor!

[@felipelopez3722]

Gracias por tus videos!!! son fantasticos

[@Tormentt0]

hola genio!! :) estan increibles los videos.. pero seria bueno que dejes referencias para los que queremos profundizar en el tema.. GRACIAS!!

[@susejzepol]

Muy buena la serie de vídeos sobre redes neuronales ! gracias !!!

[@luisxavierperezmiramontes3706]

Excelenteeeeee! tuve que ver el video 3 veces pero por fin lo comprendí, gracias a todo tu magnífico contenido audiovisual! sigue asi! :D

[@gustavoisaza2729]

Muchas gracias !

[@williamarevalo7426]

Excelente video, muy bien explicado, espero ya ver la representacion de todo en código, explicado en un IA notebook. Sería genial

Deberías continuar con la serie con todo lo que menciona al final. Explicas muy bien y los videos son pichudos.

[@silviaarenales6266]

Me encanta tu trabajo!

[@CrazyCharZ]

Muchas gracias por esta serie de videos, realmente son muy buenos, te diría que top en videos de habla hispana, y además sabes como explicar los conceptos de manera rápida y eficiente, saludos!

¡Genial Carlos! ¿Algún problema "tipo" suficientemente sencillo que podamos usar para poner en práctica lo que hemos aprendido con esta serie?

[@DotCSV]

Programaremos nuestra propia red próximamente! :)

[@igormallea9465]

Too much Derivadas para mí! Pero bien! Es un marco teórico, ahora hay que aplicarlo a casos útiles... Muy bueno! Gracias desde CHILE!

[@Rafael-es3go]

excelente video y excelente canal, muchas gracias por tu trabajo.

[@libfinaciera]

Es un tema complicado, sin embargo, con tu video comprendí mas el algoritmo, aunque se me sigue complicando aplicarlo.

[@octaviooctavio1548]

Es que, para empezar, en mi opinión hay un error importante en la exposición, y es algo difícil de entender como para implementarlo.

[@patriciocontao]

Excelente video, muchas gracias por compartir tu conocimiento, estare atento a futuros videos.

[@diegocaminosk8]

Te amo loco, que gran dedicación, en serio aprecio mucho el esfuerzo que le metes a cada uno de tus videos!

[@morxsapiens9788]

Sería interesante que hablases de Deep reinforcement learning. Buen vídeo.