Qué es una red neuronal

¿Sabes qué es una red neuronal? son la base de la inteligencia artificial. Y aunque pueda parecer un concepto un poco complejo de entender, en realidad se trata de imitar por medio de software en un computador la forma en que funciona nuestro propio cerebro.
En este PlatziLive Freddy Vega, CEO de Platzi, promete hacer estallar tu cabeza enseñándote cómo funcionan las redes neuronales, los aspectos técnicos que conllevan y algunas de sus principales aplicaciones en la actualidad, como autos que se conducen solos o sistemas de reconocimiento de imágenes.
----------------------------------------------------------------------
Todo esto y más, en platzi.com
¡Suscríbete a nosotros!
Facebook: bit.ly/platzifb
Aquí, en KZbin: bit.ly/mejoryt

[@elNivelDios]

"No se frustren aprender redes neuronales es frustrante" -Freddy 2004

[@TheWillFap]

elNivelDios El conocimiento es poder :v

[@ana.lamora]

elNivelDios En verdad dijo eso Freddy? 😅 Bueno no con un gran maestro... Pero bueno a lo mejor te equivocaste amigo. Saludos!

[@andrescabrera3227]

No tiene nada de malo cambiar de parecer jejeje.

[@joelcoll4034]

xd

[@hernanmartinez6018]

Facundo Herrera Eso si lo entendí :v

[@sagadegeminis9722]

8:00 la función sigmoide tiene valores entre 0 y 1, no de 0 a 5. Nunca llega al 0 y nunca llega al 1. Entre menor el número, más cercano a cero y entre mayor sea, es más cercano a uno.

[@miguelhuancas2429]

Este freddy es florero. No conoce mucho del tema

[@mm.786]

en el video muestra una función desplazada, pero sigue siendo la misma función

[@N1ckfm]

Además faltó precisar que el objetivo de una función de activación hacer las veces de un escalamiento y apartir de un nodo de entrada obtener nuestra salida, la cual compararemos con la salida deseada

[@MightyAndCalmLove]

@La Parvada Exacto. Cometió un error al decir de 1 a 5 Cuando en realidad quería decir que de .1 a .5 que eran los valores de ejemplo que dio. Sin embargo, desde un principio dijo de 0 a 1. Buen detalle para evitar confusiones.

[@noeliaarriola1229]

Gracias! pensé que era la única que no terminaba de entender la relación entre lo que explicaba y los datos de la imagen, probablemente era una imagen aleatoria que ampliaron en el video y se les pasó el detalle.

[@AllenZapien]

Fredy, con redes neuronales sí se pueden hacer operaciones matemáticas (e.g. cálculo del XOR, seno, etc.). Además, dices que las redes neuronales mueven los datos entre 0 y 100. No obstante, no aclaras que son los pesos en las sinápsis las que se modifican durante el entrenamiento (este es un concepto clave). Por otra parte, la aproximación que mencionaste acerca del reconocimiento de luces en semáforos es obsoleta en el campo de visión por computador (así no se hace desde hace muchísimos años). Además, me hubiera gustado que ahondaras en explicar por qué una serie de condicionales no es tan efectiva al momento de actuar en el mundo abierto (e.g. en vehículos autónomos) Además, no mencionas el por qué de “deep” redes neuronales lo muestras en diapositivas pero no lo explicas.

[@freddier]

Arkev tienes razón en todo. Me gustaría poder hacer esto más profundo tan pronto como pueda.

[@TheJeik00]

hey mas despacios cerebrito

[@elpequenonewbie1654]

wow

[@lorenzolopezdev]

Compra el curso si quieres saber, no todo puede ser gratis

[@gerardodiaz4642]

hola Arkev, entiendo el enfoque que le trató de dar freddy para tratar de atrapar la atención del publico con respecto a estos topicos referentes a machine learning e inteligencia artificial. Es dificil tratar de bajarse de la nube por asi decirlo de lo matematico y aterrizarlo a los mortales, en eso le doy mi apoyo a Fredy por intentarlo, lleve clases de inteligencia artificial y es una locura tan genial ajjaajaja. Y con respecto a tu comentario que estoy deacuerdo en eso de los rangos de ajuste de los pesos sinápticos de la red neuronal, por lo general es mejor manejarlos con datos normalizados [0-1] y de hecho si se realiza operaciones, no considerandolas matematicas, si no booleanas, donde el origen de todo esto fue un perceptron tratando de resolver una compuerta AND, ya metiendole mas perceptrones ya resuelve otras comportas como la XOR, donde a medida de la complicacion del problema, pues van incrementando las neuronas. Aclaro, la operación la emula la red neuronal (entrenandola) y ya apartir de alli pues ve si resuelve el problema. Y pues estos temas como dice Freddy Vega, falta profundizarlos a detalle, donde la matematica se formal y debidamente explicada para fines practicos de aplicacion y desarrollo tecnológico. Y pues cierro esto con una frese que me dijo mi maestro de reconocimiento de patrones, ""no importa que algoritmo uses, ni cuanto se tarde en resolver el problema, lo importante es la solucion al mismo" saludos

[@michel87irving]

No te frustres freddy....es dificil.... Yo se que si no entiendes,no importa....

[@Gocht]

Me gusta como menciona varias cosas, cuando da ejemplos, para que parezca que sabe lo que esta diciendo.

[@MrZouzan]

Totalmente de acuerdo !

[@felixsnz7764]

Mmm no sabe, hay varios errores y a partir de las funciones de activación no explica para que se usan

[@CarlosOchoa-ln8lg]

@@felixsnz7764 Si, creo que el autor del comentario lo.hizo con sarcasmo al decir que habla mucho para hacer "parecer" que sabe, porque como dices, no sabe xd

[@aresnev9382]

Los que saben son los que escriben los guiones xq éste muchacho no entiende de lo que habla

[@alfredoamador8189]

¿Qué videos, libros o fuentes recomiendas para entender mejor el tema?

[@edissonballesterosaguilar5064]

Excelente que hagas este tipo de videos, explicando lo que está sucediendo hoy en la industria de la tecnología, y nosotros y aqui felices con MySQL y PHP 😅 Ojalá las universidades se pusieran pilas y sacarán investigadores al mercado y no solo gerentes de sistemas

[@AstrapsCOM]

Larga vida a PHP y MySQL!, pero me imagino que usas PDO o MySQli en vez de MySQL, ¿no?

[@edissonballesterosaguilar5064]

Jorge Torrecilla Hola Jorge Uso PostgreSQL y Mongo con JS 😁

[@AstrapsCOM]

Ah genial :) saludos.

[@edissonballesterosaguilar5064]

iv.ramos Bueno me faltó decir que estamos en Colombia Haha 😕

[@victorlara7303]

bueno todo depende de la universidad a la que te refieras, el MIT, harvard, Cambridge, entre otras no creo que saquen tecnicos.

[@sharinganuchiha5953]

dificil? mas bien es penoso ver la explicación de un tema por alguien que ni siquiera lo entiende

[@oigrezatez]

Es cierto. Se le fueron las luces a Freddy. Está tramando bobos.

[@oscartlv1991]

Estoy pensando lo mismo xDDDDDDDDD"!

[@ramirotapia2217]

le queda mejor hacer páginas web

[@charlesramos590]

jajjaa me ganastes en el.comentario

[@josecabello2191]

tu like gran hombre!

[@jatuquerres]

Muy charlatan, si te gusto este video es porque te falta mucho por investigar, el video es muy regular. Estudien mas y seleccionen mejores plataformas.

[@aaronkevinvargasvelasquez5892]

Recomienda una porfa

[@IdeasDeLaCripta]

@@aaronkevinvargasvelasquez5892, esta página es de lo mejor para comenzar cs231n.github.io/ Si buscas algo mas detallado: www.deeplearningbook.org/ Todo totalmente libre.

[@miguelorrrr]

@@aaronkevinvargasvelasquez5892, si quieres pagar por un buen curso, te recomiendo este: www.pyimagesearch.com/pyimagesearch-gurus/ Caro pero lo vale!

[@JavierHernandez-nz2sh]

Estoy aprendiendo de redes neuronales y algunas cosas si me han servido, claramente hasta ahora estoy aprendiendo, por lo que no sé qué es bueno y qué es regular en cuanto al contenido que se presenta, pero tampoco me parece tan malo el vídeo, como digo, me ha dado algunas ideas que en mi cabeza no cuadraban. Tendré en cuenta las fuentes que mencionaron ahí abajo para ver qué tal.

[@mm.786]

El problema es que no entendiste el fin del video, obviamente no va a explicar redes neuronales en 15 minuto, siempre que querés explicar algo necesitas una parte que se llaman disparadores, que su fin es generar la necesidad de investigar. Esto no es un video ni introductorio, su fin es mover gente (canal platzi=>venden cursos)

[@victorfinn5728]

Francamente creo que si es un tema algo díficil porque se debe entender bien la mate. Primero, la función de activación es simplemente eso; la forma de iniciar la red neuronal. Se puede iniciar de golpe como un ON/OFF pero aveces es mejor iniciarla suavemente (función sigmoide) por cuestiones de estabilidad del sistema. Incluso se puede iniciar con una campana (que sube y regresa a cero). Similar quizá al encendido de algún motor potente (con cuidado se inicia). Básicamente creo que el problema de la red neuronal es el siguiente: Dado un sistema desconocido (sin modelo matemático que lo describa y para cuyas entradas no se sabe que salida pueda tener) construir un sistema que imite su comportamiento de forma heurística (prácticamente a prueba y error). Ya en la práctica lo que se hace es escribir y actualizar los llamados "pesos sinápticos" que no es otra cosa que constantes de amplificación o atenuación. Lo que se busca es encontrar el valor de estas constantes que den un comportamiento satisfactorio que imita al sistema y cuyas salidas se pueden conocer. Luego ya vienen los modelos (mencionados en el video) que en la literatura se han desarrollado para construir las redes. Pienso que se toman en cuenta cuestiones de estabilidad, optimalidad, controlabilidad, etc. Abordando el tema desde esta perspectiva creo que para empezar a entender y construir estas redes se necesita un poco de: teoría de control, que es donde se ven conceptos de retroalimentación (donde le enseñas a la red), controlabilidad, estabilidad en un sistema dinámico. Y claro, para su construcción se requiere un poco de sistemas discretos(con el integrador discreto es como realmente se retroalimenta una red). Finalmente diria que se debe tener un sólido conocimiento en sistemas lineales (algebra lineal) y nociones de sistemas no lineales. Y en cuanto al reconocimiento de imágenes yo personalmente recomiendo aprender de los detectores de puntos característicos en imágenes. Con esto se empiezan a hacer cosas interesantes.

[@JJTRUBA]

Todos los mecatronicos hemos hecho alguna vez una red neuronal en electronica y si se necesita buena matematica, y si quieren implementarla en un algoritmo les aconsejo como complemento a estos fundamentos que comparte freddy unos videos del MIT que estan en youtube muy buenos me ayudaron bastante (estan en ingles), intentare hacer algo con una raspberry pi 3 y python, luego les comparto.

[@jeanpaul2281]

Jherson Trujillo Y lo compartirás en tu canal? o cómo sabremos que lo haz compartido?

[@elpequenonewbie1654]

jajajajajaja si xd .

[@elpequenonewbie1654]

una chela para gallarday

[@sebastianperez8668]

que nombre tienen esos videos, como los puedo encontrar? saludos desde colombia

[@yorvymeza1546]

yo tambien soy estudiante de mecatrónica desde venezuela y desarrollador web y programador de php y me va excelente megusta mucho

[@tecnologiaeinformacion2803]

interesante introducción a rede neuronales pero tengo una duda ser puede utilizar una base de dato para entrenar a una red neuronal y reducir el margen de error?

[@yeisonandresdiazromero3482]

Sii..

[@yeisonandresdiazromero3482]

Necesitas los datos de muestra y el resultado esperado(expectativa).

[@andresprieto5884]

Hola! Aquí les dejo un vídeo, donde se explica que es una red neuronal y una red neuronal convolucional muy bien en 10 minutos: kzbin.info/www/bejne/pKSVfWWKa9ypd7s P.D.: Cuando uno sabe y domina el tema lo explica tan fácil que lo puede entender un niño o una persona mayor Saludos!!

[@EmilianoKalafatic]

Es estúpido lo que voy a decir pero así lo son algunos comentarios. Para todos los críticos tengan en cuenta que en 15min no se pueden explicar redes neuronales obviamente. Por dar un dato, nosotros en ingeniería tenemos un curso entero en cuatro meses para poder entender bien las redes neuronales, lógicamente a fondo con muchos conceptos matemáticos/físicos.

[@adangonzalez6138]

Perdón, pero cuatro meses es poco para un tema "difícil".

[@lagartijatierna3892]

Que ingenieria estudiaste? 💕

[@juanotavalo]

Lol si hay un vídeo que te enseña en 15 minutos lo básico. 🤦‍♂️ y creo que es más que en este vídeo

[@adrianaherrera7113]

Freddy....Me gusta como explicas porque al final los cursos Platzi son para gente que quiere aprender y no para tanto "experto en IA " de los muchos que opinan aquí. Si tanto saben a que vienen deberían montar su propia plataforma y enseñar a otros.

[@CFPANDRADE]

aprender de alguien que no sabe, te va a ir muy bien!

[@Magistrado1914]

Excelente vídeo y explicación Visto en 27/11/2020

[@andres-mora-vanegas]

muchas gracias Freddy, si ese es un tema muy complejo, en un semestre de la universidad completo me explicaron ese tema y es muy muy amplio, vale la pena la explicación en 15 minutos, muy buen video, gracias Platzi!

[@guillermoaliagasandoval3037]

Hola Freddy! Excelente explicación básica. Saludos.

[@Miki74720]

Me parece muy bien lo que haces en tu canal, somos muchos (espero) los que sentimos curiosidad de conocer en que se basa esta nueva tecnologia y espero tambien que con gente como tu y tu equipo consigan marcar una diferencia para que mas jovenes opten por dedicar su futuro a este campo.

[@eduarserna3360]

en lo particular me encantan las matemáticas y las Neurociencias. y en el vídeo observe como estas están muy relacionadas cada dia mas. excelente este video, muy educativo e informativo

[@Zutanodecual]

Una corrección inicial, mencionas que las Redes Neuronales son la base de la Inteligencia artificial, lo cierto es que las redes neuronales son una minúscula y pequeñísima parte de la Inteligencia Artificial... recomiendo que no te metas a explicar temas que no dominas, afectas a tu reputación.

[@lonuevovirals2655]

Al principio no le entendía pero al final me asombro, de hecho se ve bonito aprender de la red neuronal😊

[@rolanvelasquez]

No me frustra ni me parece difícil. Más bien me apasiona cada paso que explicas, y me da hambre de más... Será que la inteligencia artificial es lo mío?.

[@AngeloKrs878]

Fue lo tuyo?

[@correomacv]

Me encanta ese esfuerzo por hacerlo sencillo y que lo podamos entender, ese es el culmen de la excelencia en la divulgación.

[@FranciscaJavieraAranedaRojas]

wow! como eran los videos antes 😂

[@bryandejesusrt]

Hace 7 años cuando nadie hablaba del tema plazi estaba ahi!

[@Gamblingwmylife]

Sam Altman también estaba ahí. Y de hecho la IA se hizo mainstream desde 2008, gracias a Ironman

[@ClaraJenheeYoutube]

1:33 eso es cierto una vez entre a un video de platzi sobre cómo funciona el wifi y ahora si entiendo de lo que hablaba

[@antoniodesousabarroso7945]

Gracias por la explicación ¿Dónde pyedo obteber la presentación?

[@Beatle8000]

me encanto tu video, excelente

[@sebasq4048]

Un par de matrices unos cuantos "if" y boom inteligencia artificial:v

[@mariotorres4689]

nel prrooo

[@darwinloterocardona8168]

La verdad las redes neuronales son bio-inspiradas son estudios realizados de como funciona el cerebro y luego sistematizado con las matemáticas.

[@sebasq4048]

@@darwinloterocardona8168 ya lo sabia

[@ygqa]

nono eso es un arbol de decision 🤣

[@jisus7568]

Me imagino un futuro donde tu comentario se consideraria ofensivo para algunas inteligencias artificiales con vida, familia y trabajo propio

[@xepcperez3061]

Gracias amigo, te digo en ningun momento me estallo el cerebro, lo entendi TODO. Sigue con tus videos te has ganado un Fan.

[@xixappon]

No me gustó tu explicación. Confundiste varios conceptos :/ espero que la gente interesada no se mal informe.

[@aguilarmarco780]

Es verdad, Freddy explica bien lo que sabe, y esto creo que apenas lo está comprendiendo

[@CanalluviconLUVICON]

Excelente

[@GeorgebwoyEsp]

Hahahaha, justo cuando acabo de presentar el primer parcial de Inteligencia artificial en la universidad, pero bueno, algo nuevo aprenderé, gracias Platzi.

[@javier300xd]

Empiezan a hablar de matematicas Mi cerebro Windows apagandose musiquita*

[@jng5746]

Me encantan tus videos! Explicas muy bien y de forma sencilla. Muchas gracias por tu dedicación :)

[@MrTaquiones]

muy bueno me gustan sus videos muy clarificantes e interesantes

[@jamesjosuejara]

Talvez agregar, que se deben entrenar modelos primero y esta es una parte mas complejas(en mi opinion) por ejemplo se deben entrenar modelos para detectar que es metalico, que es un auto, que es un modelo especifico de un auto, etc

[@NirutoUchiha]

gracias freddy por hacer que nos sintamos bien diciendo que es normal no entender esas cosas. animan mucho esos comentarios, justo cuando uno cree que le exploto la mente, llega ese comentario que te alivia. gracias por eso.

[@Crisisdarkness]

Recuerdo que Freddy en un video de hace dos meses atrás habló sobre la incorporación de una carrera para aprender sobre inteligencia artificial, estoy ansioso a que salga durante los próximos meses. Una carrera que combinará muy bien con IA, será la carrera de Speech Scientist, será interesante que en los próximos años consideren desarrollar algunos cursos sobre esa especialidad. ¡Fue un video muy motivador Freddy, me encantaría que tú seas uno de los encargados de desarrollar la carrera de inteligencia artificial!

[@ingridhidalgo7673]

Excelente video

[@jennyfernanda4285]

No era tan tan difícil entenderlo, bueno al menos un poco de eso nos hablaron en la universidad. Muy buen aporte Platzi

[@stevenulloa7040]

segura que lo dominas todo?

[@huaracjuan]

Muy bien explicado, al menos para entender el tema... Felicidades, espero puedas ampliar el tema en futuros videos...

[@LEODACGAMER]

Eres el mejor explicando Fredy 😂

[@josepzin]

Muy interesante el tema.

[@XWANMAGA]

Por favor "deje de usar la expresión: DIFICIL". Es ofensivo e irrespetuoso con sus posibles alumnos porque nos está tratando de brutos de entrada. La gracia del conferencista o educador está en hacer parecer sencillo lo más complicado que haya, pero por su parte se le ve el esfuerzo por intimidar a la audiencia. Tuve que suspender a los 6:13 porque es muy, pero muy ofensivo seguir oyendo la ofensa y la autoexaltación.

[@jl25735]

Una pregunta. No se podría aplicar este concepto para hacer mas "naturales" los traductores como babylon o google translator al conocer los datos de usuarios y ver cómo van eligiendo mejores traducciones y de esa manera se van mejorando los resultados?

[@nando19xt]

exelente video de introduccion a Inteligencia Artificial, en relidad esta area es muy extensa y mientras vas avanzando te encuentras con varios problemas dificilies como por ejemplo: la mezcla de funciones de activacion de los perceptrones, el overfiting que puede generarse al entrenar una red o simplemente una red neuronal combulucional

[@nicolascorreabarahona155]

Preguntaaa... Los sistemas de redes neuronales que se han creado para la visión artificial tienen retroalimentacion? por ejemplo Imagenet proporciona la data y a través de una red neuronal logran crear un sistema que reconozca imagenes, pero es posible que la maquina cree o agrande su propia data, cosa de perfeccionarse en el reconocimiento de imagenes de manera autónoma? Si la respuesta es si me podrían dar el ejemplo de la tecnología, empresa, o modelo que lo trabaja porfavor.

[@anibalmarquez9480]

se q es viejo el video pero esto se aplica tanto a tensorflow como a q otras tecnologias de ML?

[@Jacksicloco]

Wey, llevo bastante tiempo queriendo entender las redes neuronales viendo videos, leyendo artículos y libros pero hasta hoy comprendí el funcionamiento base y estoy como 🤯🤯🤯 ya capté!!! Gracias, me diste lo que necesitaba para terminar de entenderlo 👍🏻

[@pedroplanas3698]

Freddy, el dìa que Platzi alcanze millardos de personas recuerda que significa que tu misión de vida está desarrollada a una de sus máximas expresiones, o quizá, la máxima. Te van a llegar chicas hasta de Japón. Dios te guarde.

[@LuisRivera-gv7zw]

Muy buena tu exposición. Gracias

[@andresmorales4292]

Deberían hacer un curso de Tensorflow

[@null1449]

La base de las ciencias computacionales son las matematicas discretas, si alguien quiere entender mucho más de programacion, redes, seguridad, etc deberia estudiar de esta rama de las matematicas, tiene combinatoria, grafos, maquinas de estado finito, matrices, logica, etc, basicamente las matematicas discretas son las bases de la computacion

[@gidraxl.6082]

Para temas como machine learning se necesita más cálculo que matemáticas discretas.

[@theddy273]

Me encanto el video está muy bueno

[@matiasbesozzi4872]

Ojala todos los docentes fueran como este hombre,idolo!! Exelente muy motivador y didactico

[@FernandoHernandez-cw4ek]

Existe un curso de inteligencia artificial o machine learning en platzi?

[@jaimecamargo9751]

Disculpen, me podrían decir cuanto cada uno de sus cursos? Les agradecería que me respondieran, ¡Gracias!

[@FernandoCampiz]

No venden los cursos por separado, pagas una subscripcion anual o mensual y puedes ver todos los que gustes, te dejo un link donde estan los precios: platzi.com/precios/

[@jaimecamargo9751]

Disculpa me comí una palabra. En realidad quería saber cuanto dura cada curso? Gracias

[@box1702]

Buen video! Qué bien explicas Freddy

[@johnnytheripper570]

Es gratuito curso ?? Te respondo, lo explicaste de una forma muy muy sencilla ! grandioso

[@JesusHernandez-yw8wm]

Felicitaciones que manera de expandir la conciencia

[@notificationbutton]

Genio Freddy. Me encanta el alma de Platzi. Siempre Positivo !

[@angelicasanabria7209]

La cadena de Markov se puede ejemplar como el auto-corrector del teclado .. ?

[@hectorhuapaya858]

Como denuncio este video? Esta explicando algo que ni el entiende, explica como si las matematicas fueran lo peor del mundo cuando en realidad toda programacion debe tener una fuerte base matematica, una gran decepcion de video y es curioso que tenga mucho apoyo

[@mm.786]

Ningún programador, nunca. El decir que la programación es como la matemática, es como decir que yoko ono hacer arte. En ciertos puntos puede ser, pero necesariamente no es lo mejor de la misma. Programación tiene más que ver con lógica, que con matemática en sus bases

[@exotic_programmer1024]

@@mm.786 Totalmente de acuerdo

[@jimmyreyes1974]

Todo el universo lógico puede ser modelado matemáticamente, no entiendo tu posición, si la lógica y los números están íntimamente relacionados, piensa en como funciona el ordenado (1, 0). Aprender programación con unas bases previas bien fuertes en análisis matemáticos y física (por ejemplo hidráulica) hará que vueles profesionalmente, economicamente y personalmente, y si le metes electrónica uuuuu

[@mm.786]

@@jimmyreyes1974 definitivamente en desacuerdo, para programar no es necesario saber como funciona el ordenador, por ejemplo, yo no tengo idea como trabajan internamente las expresiones lambda, solo sé como se usan y con eso es suficiente. Y no sé porque estudiarías hidráulica, a menos que estés programando en ambientes de fábrica en los cuales, de todas formas tus bases no significan nada, porque como programador responsable, deberías cotejar los parámetros con el encargado de seguridad y los operarios (Los cuales son los que arriesgan la carrera o la vida si algo sale mal)

[@jimmyreyes1974]

+M M. Pues menciono la hidraúlica porque justamente eso me encuentro investigando....Dinamica de fluidos computacional aplicados a atmosfera y aguas superficiales y subterraneas, asi mismo esta ciencia ayuda a saber como se dispersa los contaminantes en los medios antes mencionado (saber esto de manera indirecta como en materia de descontaminación da un plus al investigador y a la humanidad, entiendo tu posición de que no necesitas saber como funciona el computador para programar y es verdad porque todos utilizamos al principio un computador sin saber su funcionamiento a nivel de programación y electrónico...pero insisto que la lógica y las matemáticas están íntimamente relacionado.

[@programadorvisionario9679]

lo mejor aue he visto!

[@alejandromontenegro7001]

Aspecto a mejorar Platzi: Fuera de lugar el comentario inicial diciendo que es difícil ¿Por qué consideras que es difícil, subestimando la capacidad de razonamiento y la curva de aprendizaje del oyente? Es un tema muy básico en realidad en este campo, por supuesto si tu audiencia son niños de 5 años probablemente no comprendan por cuestiones de didáctica únicamente..

[@exequielcardenas7911]

excelente tutorial ,,facil de entender

[@Mr6TS]

una pregunta en que fecha es la platzi conf colombia y como hago para ir ?

[@aggiarprepo3864]

Gracias Freddy excelente como nos explicas a los que no sabemos nada de todo esto y me alegro que con los comentarios siempre se complementan muchas mas cosas, entiendo que apenas esto es un abre boca de todo ese gigantesco mundo. Gracias. !!!!

[@jriosvz]

A mi se me hizo muy fácil entenderte (porque ya había estudiado bastante del tema y otros), sinceramente un video muy complicado para esto es del canal Ringatech llamado: funciones de activación. 😅 (recomendado si entendiste esto fácilmente, aunque es muy resumido e introductorio)

[@trhashthings8045]

La palabra que todo el video estuviste buscando se llama Media, "es como ver si se acercan al resultado original muchas veces", "Eso es lo que hace una neurona probar los datos y comparar que tan cerca están de sus datos de entrenamiento", "Es como cuando escriben Hola y enseguida les sale bebe". mi punto es que creo que todos conocen el concepto de que es una media y si hubieras explicado al principio el concepto de media igual y hubieras podido ahorrarte mucha explicación repetitiva. Pero buen video

[@yesidorlandoarboledaromero5897]

Freddy eres grande explicando. Haces que temas tan complejos se empiecen a dilucidar. Estas poniendo al alcance de muchos temas supercomplejos que cuestan mucho dinero y recursos aprenderlos por otros medios. Debilidades: el ego. Pilas!!! Tu puedes ser el referente de habla hispana de todos los tiempos si te acompaña la humildad!!!

[@opcionable]

yo soy qfb y entiendo bien lo que explicaste, es muy interesante

[@ronaldomarques8961]

Eu adoro redes neurais. Acompanharei este curso!

[@XWANMAGA]

Por favor Fredy, no empiece diciendo que "es muy difícil" porque levanta una barrera mental con el estudiante para que no aprenda.

[@sebastianvalencia4966]

muchas gracias por ser tan profesional sin descuidar el fundamento humano y el principio de la empatia a la hora de hacer pedagogía,

[@lucylyn1462]

super genial la explicación.... tengo una pregunta, qué es la base de datos de entrenamiento, en el caso de las neuronas humanas es el primer concepto de lo que es una manzana por ejemplo,?, y en las redes neuronales artificiales es un conocimiento de algo pre programado?. por fa explicar cómo se entiende eso.

[@razon137]

No es frustrante Redes Neuronales, es muy fácil. No debes hacerlo ver asi. Soy Ingeniera Fisica y mi tesis de pregrado fueron de Redes Neuronales y para quien estudie...nada es dificil...

[@razon137]

y nose creo que aun no entiendes muy bien las funciones de las redes neuronales, no mencionaste que ellas aprenden de si mismas.

[@gatos3941]

Es complejo pero lo magnificas, se puede aprender como muchas de las otras cosas

[@ernestosanchez7158]

deseo ese curso

[@fernandom1978]

enserio entenderlo no es tan difícil como lo planteas. lo difícil es realizar un examen con limite de tiempo, calculadora en mano tocar resolver problema "manual". Uno puede cometer errores por la presión, pero si uno comprende los fundamentos aunque repruebe el examen no es difícil es el sistema de "enseñanza" que lo complica. Pero con programas como Mathlab podrías pasar el examen con los fundamentos. Encenderlo es fácil, lo difícil es abstraer un problema por ejemplo el semáforo y modelarlo cuando no hay antecedente de solución, es aquí cuando el ing. computación se convierte en científico.

[@FLUTTERSIXPOLE]

Excelente! tenes razon: todo es posible, al menos, entenderlo.

[@competidor64]

Gracias Fredy Vega.

[@victorflores6883]

Bien explicado, soy ingeniero de sistemas, es dificil tratar de comunicar algo dificil como las redes neuronales, no entiendo los que dicen que ven en este video la soberbia, pero bueno, por otra parte esta bien explicado el video, saludos desde Peru :D

[@irmajulia1]

de hecho esta es una explicación super rápida y algo avanzada, solo necesitan revisar algo mas básico para no confundirse mucho y entonces entender.

[@javierbedini]

No podes hablar de redes neuronales cuando ni siquiera comprendes como funcionan tus neuronas....

[@DarkSantiandre]

Todo muy bien, menos la definición que diste de cadenas de markov :v Muy buenos vídeos, gracias por los aportes!

[@123kennix]

Es bueno que expliques y nos hagas entender que es muy dificil aprender sobre redes neuronales. Ahora quiero que les digas la complejidad de programar una red neuronal en un lenguaje de programacion. (Si... el primer parrafo era sarcasmo)...

[@Leonelcito24]

No pues te mamaste carnal ! Gracias por subir el video aunque concuerdo con todos los comentarios anteriores al mío.

[@holamigos666]

Ostras perdona que te diga pero te ha lucido... Las redes neuronales SI hacen operaciones matemáticas. ¡De hecho solo hacen eso! Básicamente su procedimiento para aprender se basa en una regresión no lineal con una función jodidamente compleja (aunque si quitas las capas de activación obtendrías una lineal). Por lo tanto puedes simular TODAS las regresiones que quieras. Las redes neuronales no solo mueven, sino que: - primero escalan (producto por pesos). - segundo trasladas (bias). El bias no es la probabilidad que sea de verdad, sino simplemente una traslación. - tercero aplican una función no lineal llamada activación. Es decir un perceptron (neurona) es solamente: a(W*x + b), donde: W = pesos (escala) b = bias (traslada) a = función activación. No es muy aconsejable usar funciones escalonadas (por ejemplo: el sign) como activación principalmente porque su derivada es 0 en muchas zonas, arriesgándote a no actualizar nada. Por eso siempre se buscan funciones diferenciables (aunque sea por partes) con estabilidad numérica. La función sigmoide no hace exactamente lo que comentas. Las funciones de activación principalmente se encarga de proporcionar una capa no lineal a la red neuronal. Eso se hace principalmente porque si no se añaden capas "no lineales" entre capas "lineales" el resultado por muchas capas que pusieses sigue siendo un modelo lineal. Es decir un modelo que su única capacidad seria de representar una recta/hiperplano. Es decir: capa_1(x) = 3*x + 5 capa_2(x) = 1*x + 2 capa_2(capa_1(x)) es una función lineal (3*x + 7), por eso añado la función de activación capa_2(activacion(capa_1(x))). Esto permite que a cada capa el grado de complejidad del modelo aumente y por tanto su capacidad. Por otro lado la sigmode también aporta algo muy interesante. Tiene un dominio [-inf, inf] pero un rango de [0, 1]. Eso quiere decir que tiene la capacidad de comprimir los datos y devolverte un valor 0 a 1. Que va como anillo al dedo para representar una probabilidad (se conoce como regresión logística). Como consecuencia de lo anterior, tiene algunas pegas y es que sufre lo que se conoce como vanish gradients (gradiente muerto), la misma capacidad de compresión puede hacer lo siguiente: - si las neuronas dan resultados inferiores a -100 o superiores a 100 (mas o menos.) tienen "derivada prácticamente 0" porque están prácticamente en la asintota de la función, por lo tanto estas neuronas no se actualizan prácticamente nunca y quedan activadas o desactivadas directamente. Podríamos decir que [-inf, -100] y [100, inf] es la papelera de la red donde va aquello que no quiere que pase. - si se concatenan capas con activación sigmoides, continuamente estas comprimiendo los datos con lo que al final la propagación hacia atrás hace lo mismo con la corrección y la corrección que llega es prácticamente nula. Y sucede lo mismo que en paso anterior o se quedan activadas o desactivadas directamente. Por eso razón se dejaron de usar la sigmoide y la tanh en capas intermedias de una red neuronal y se empezaron a usar otras como Relu o PRelu, que si bien sufren igual estos problemas.

[@edgard.cortes2758]

ps parce bacano que comparta su conocimiento ...y para los que critican ps si pueden explicar mejor haganlo y aporten algo bueno sirvan para algo ademas de criticar ..

[@isaiasxd4453]

Que buen vídeo !!

[@jonjfm]

Esta en mi bitácora de "Goals" esta vaina de AI. Tome las primeras dos lecciones del Chino ese de Coursera y me pegó en los testículos la regresión lineal nuevamente.., asi que apagué y "Return For Modification", pero ahora don Freddy me animo otra vez

[@camisave]

Por favor, evita hacer estos videos cuando no estás capacitado para abordar este tema. No es posible que alguien por tener visitas lea algunos foros de Internet y conlleve a tanta desinformación.

[@bernardojara2902]

se ve entretenido, gracias !!!

[@lrawicz]

Pregunta del min 8.30 : ¿probar la funcion sigmoide, lo que implica probar con todos los numeros que van de 0 a N, no llevaria una cantidad infinita de tiempo?

[@veechu1246]

Si aplicas esta operacion en un programa de computacion, el tiempo de calculo sera minimo a que tu lo hagas en la libreta.

[@arturocontrerasmartinez36]

los algoritmos evolutivos y geneticos para optimizacion son una herramienta muy importante no muchas veces nombrado que si son parte de ML

[@danielarce7792]

Por favor me podrian decir si una red multicapa debe obligatoriamente tener el valor Bias incluido. ¿No es posible que funcione sin este parametro? Lo pregunto porque realice una libreria que genera, ejecuta y entrena una red neuronal pero no implemente el parametro Bias, como resultado la red se entrena correctamente si la creo con la estructura: 2 neuronas de entrada 2 capas ocultas: la primera de 3 neuronas y la segunda de 2 neuronas 2 neuronas en la capa salida pero si quito o pongo cualquier cosa en las capas ocultas no logra entrenarse correctamente por mas horas que lo deje corriendo. Segun yo el problema que debe resolver es una compuerta XOR (creo que hasta con solo 2 neuronas en la capa oculta deberia de poder funcionar) 1 0 0 1 Gracias

[@yeisonandresdiazromero3482]

Si amigo, siempre debe de haber un BIAS

[@Crisfade]

Excelente video , he comenzado a ver videos de Siraj Raval me ha ayudado a comprender varias cosas.

[@jeanpaul2281]

Cristian Gaitan Yo también, lo explica muy bien, aunque están en Inglés!.

[@androidemilitar6536]

"Las redes neuronales intentan Mover los datos de arriba para abajo con diferentes funciones y luego intentan ver si se acercan al resultado", las redes neuronales no intentan tantear tirando numeros al azar, sino que utilizan un concepto matematico llamado gradiente para poder guiarse, para los que saben derivar esto es un proceso similar a buscar minimos y maximos, solo que con miles de variables, en vez de solo usar las populares Y y X.