👁‍🗨 ¡Redes Neuronales CONVOLUCIONALES! ¿Cómo funcionan?

[@DotCSV]

⭕ ACTUALIZACIÓN JULIO 2021 -- Próximamente dará comienzo una nueva edición del Master en el que podréis participar y del que además volvéis a contar con un CÓDIGO de descuento desde este canal. Si utilizáis el código DOTCSV300 tendréis un descuento de 300€. No perdáis la oportunidad de participar. En este vídeo de aquí hablo con más detalle del Master y de mi experiencia participando como ponente en la edición anterior: kzbin.info/www/bejne/oHnHd2htndN1iMk

[@DotCSV]

¡ESTE VÍDEO TUVO QUE HACERSE HACE MUCHO TIEMPO! Pero por fin aquí está 😄 Y ahora os pregunto ¿¿Se ha entendido la explicación?? En los próximos vídeos de la mini-serie seguiremos profundizando. Ah! Y hablando de series. Continuaremos también próximamente con la de NLP. Nada más, apoyad por Patreon el trabajo y yo seguiré haciendo ricos vídeos :)

[@eduardserra9937]

eres un crack!! me encantan tus videos y consigues que quiera hacer un master sobre AI :D

[@eduardserra9937]

O.O ahora veo que anuncias el master de IIA haahaha que casualidad!

[@Xinefff]

El mejor video, espero con ansias el próximo grade Carlos, vamos para Patreon

[@pablogiri812]

Sos un grande pela, una abrazo!!!!

[@bastianelgueta7318]

Una duda del minuto 8:58. Los 16 filtros se aplican sobre cada mapa de color rgb y por lo tanto se generan 16x3 nuevos mapas ? Me confundí un poco

[@moisesdiaz9852]

Me he visto las clases de computer vision de Standford, los cursos de Gomila en Udemy, las múltiples explicaciones de las redes convolucionales en KZbin y ESTA es sin duda la MEJOR explicacion de las redes convolucionales que he VISTO Carlos, en pedagogía no tienes absolutamente nada que envidiarle a ningún profesor de esas grandes universidades

[@abnereliberganzahernandez6337]

tranquilo chatgpt

[@Diego_UG]

Siiiiiiiiiiiiiiiii vamos a programar, que bien, ya me lo estaba esperando :D

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@matisloroYTGT]

👌

[@Lahiperactina]

buen vídeo gracias salu2

[@spud7927]

GAAA

[@SwenDev]

Hola Sandra xd

[@tonidurden]

Qué haces aquí, fred

[@danielleon288]

Bob?

[@diidac17]

Dios mío!!!!! Estoy estudiando Telecos en la UPC pero hago una asignatura de Introducción al Procesado de Imagen y Audio. Y en el temario de Imágenes me han introducido la Convolución y el uso de filtros. Qué calidad!!! Nuevo sub!!!!

[@visagu55]

¡MAESTRO! llevo un semestre de aprendizaje profundo y en estos 14 minutos entendí muchísimo más que en clase, ¡MUCHÍSIMAS GRACIAS! ¡más maestros como tú! me gustaría saber cómo logras explicarlo tan bien!! De verdad todo mi respeto!

[@lucasdomanico5612]

Este video solo tiene dos meses y lo he visto como diez veces. Uno de los mejores videos sobre ML (incluyendo los que estan en Ingles). Esperando con ansias el proximo!

[@CarlosRamos-yc2vv]

Tu canal es uno de los mejores que he visto! He trabajado durante 30 años en el área de.la imagen digital... Desde las primeras betaversiones de PS por allá en los 90S.... Gracias... Lo Disfruto muchísimo!

[@okegutz667]

GENIAL yo acabo de terminar un curso de machine learning y empiezo uno de deep learning y estos video son un complemento tremendo. Gracias!

[@fedelozano2895]

Estaba haciendo mi TFG sobre redes neuronales convolucionales en Corea y estaba súper perdido, Mil gracias!

[@CHEF_ALMERIA]

Las matemáticas detrás de todo esto son brutales....matrices, estadística....una pasada.En astronomia se utiliza para el procesado de imágenes astronómicas.

[@EmaSuriano]

Cómo has dicho, uno de los temas más fundamentales y lo has explicado de 10. Muchísimas gracias, tus videos son de gran ayuda!

[@lorenaerbure1874]

La mejor explicación que he visto, muchas gracias!!!!

[@JoseRa_]

Vamos a ver, llevo 3 horas peleandome con mi primera red (que es convolucional) y justo ahora subes el video, perfect timing. Espero con ansias los notebooks.

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@pedrovelazquez138]

Estoy tomando curso de Deep Learning en Coursera. Me encanta cómo tus contenidos introductorios facilitan el meterse de lleno en el tema del deep learning sin estar tan perdido por lo técnico. Es excelente. Mi pregunta es, ¿hacia qué sectores se debe apuntar el tener conocimiento en Deep Learning y cuánto es suficiente para implementarlo?

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@kazemanu]

Otra aplicación de kernels algebraicos son los kernels Gaussianos. Son también conocidos como filtros bilaterales y se usan para el suavizado de imágenes. Genial video, las animaciones dan muchísima clarificación a lo que por otro lado los estudiantes ven como álgebra lineal dura. Esperando esos IANotebooks para ver cómo presentas los materiales.

[@squall92]

Soy diseñador gráfico, que solo ha tonteado y se ha enrollado alguna que otra vez con html, css y processing. PERO, que es adicto a tus vídeos, me encantaría conocer a alguien que tratase con tanta pasión la programación en campos que se relacionasen con los mios. Este, y tu ultimo vídeo me parecen geniales. Muchas gracias por compartir, me encantan, ojalá tuviese esta “facilidad” en explicar cómo veo el diseño, eres un machine :)

[@Cecilneff]

Hace tiempo que te sigo y me decidí a realizar mi TFG sobre redes CNN gracias a ti, eres un fenómeno.

[@cristianarc6259]

Hola carlos, este video me abrió el panorama acerca de mi proyecto de grado, que libros o papapers me recomiendas para entender mas a profundidad las redes neuronales convoluciones

[@chesterbeto]

Excelente video me ha ayudado a comprender mucho mejor las redes convolucionales. Muchas gracias por compartir.

[@colgadolandia]

Solo escribir para resaltar lo excelentemente bien explicado y pulidos que están tus videos. Quiero felicitarte por divulgar todo esto y agradecer tu trabajo. Saludos!

[@patojp3363]

Cuando dijo que va a haber IA Notebook mi cerebro hizo boom!!!!! Lo mejor de este canal sin dudas son los IANotebook 👏👏👏 eres el mejor men!!

[@theolaurendon7107]

Magnífica explicación, como siempre en los videos que haces. En verdad enhorabuena....claro, conciso, divertido, visualmente bien editado...bravo

[@basiliogn]

Impresionante y admirable la sencillez y claridad con la que has conseguido explicarlo todo. Grandísimo vídeo, de verdad, felicidades :)

[@errodringer]

Enorme los vídeos que hace Carlos... crack!

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@franzsuarez5330]

Estoy flipando en colores, ERES UN MAESTRO. CRACK

[@jhair191]

Tus aportes y la magia pedagógica con que la que desarrollas tus contenidos han sido de gran valor para nosotros. Muchas gracias.

[@Brunvelop]

¡Wow que videaco! Me atrevo a decir que es la mejor explicación de redes convoluciones de todo internet (el habla inglesa incluida). Me alegro mucho de tener un contenido de tan alta calidad en español. Muchas gracias por tu trabajo Carlos! :)

[@serome111]

tu tambien, no abandones tu canal XD con toda.

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@tarquii3975]

Se te nota mas expresivo, como si nos hubieras mostrado mas de tu alma/personalidad, no me quejo, lo hace mas dinamico e interactivo. Muchas gracias, eres el mejor!😁

[@pablovargas6598]

No tengo palabras para agradecerte el hacer este mundo más entendí. De verdad muchas gracias

[@yoxanangeles8629]

Excelente, ya había buscado sobre redes neuronales convolucionales y este es el vídeo más claro que he visto

[@alexherrera864]

Justo apenas iba a investigar sobre esto para mi tesis y lo subes, muchas gracias!

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@alexherrera864]

@@elaiottoiale4216 ?

[@matisloroYTGT]

@@alexherrera864 denuncialo por spam

[@matisloroYTGT]

@@alexherrera864 en casi todos los comentarios puso su video

[@alexherrera864]

Ya lo hice, gracias

[@topeganso]

Gracias por esta clase magistral.

[@jorgecelis8459]

Hola, buen video, como siempre. Creo que en 5:12 no es correcto decir que daría igual una reordenación de los pixeles de la imagen pues los pesos de la red terminan aprendiendo implícitamente la importancia de las posiciones. Slds

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@josedanielchacong7245]

Buen video Carlos, me encanto la broma del 6:02 la vi tres veces seguidas jajajaja

[@matiasgerardcuelloscavetta8429]

Yo no la entendí... Es que no suelo ser bueno captando chistes.

[@agustinz96]

@@matiasgerardcuelloscavetta8429 la gracia es que si le haces ese gesto a alguien y esa persona mira, entonces le podes dar un bife.. pero no sé cómo, el chiste se transformó en meme y bueno.. el hecho que no lo entiendas dice que internet todavía no te quemó el cerebro, sentiré afortunado

[@matiasgerardcuelloscavetta8429]

Nah, solo llevo unos años lejos de redes sociales y además capto los chistes por semana, soy el tipo ese que se empieza a reír de la nada por qué entendió un chiste pasado de moda.

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@alexherrera864]

@@elaiottoiale4216 deja de hacer spam en todos lados

[@alejandroggzz8833]

Me gustan estos videos muy útiles para aprender cosas nuevas . Soy contador pero escuché que la inteligencia artifial me iba a quitar el trabajo así que aprenderá de este nueva disciplina . Más adelante ojalá enseñe redes recurrentes que tampoco ha enseñado de esta

[@abdiasdev]

Por mucho el mejor profesor de habla hispana en estos temas, la edición de vídeo estuvo demasiado genial, 100 de 100

[@lucianoflores197]

Buenísima explicación, me quedó solo una duda: Sé que la red debe ir variando los valores del filtro hasta minimizar el error, pero ¿Al mismo tiempo lo está haciendo con los pesos (weight) de cada neuona de la red a la que se conecta? ¿O son procesos independientes de alguna manera?

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@wilsonandresvargasrojas2270]

Lo que preguntas es lo que hace la propagación hacía atrás, entre mas profunda sea la red neuronal, menos van a variar los pesos de las primeras capas, por lo que solamente los pesos de las ultimas capas se ajustan.

[@condevon2119]

tus videos estan para re-verlos, siempre quiero aprender mas y tenerlo todo claro pero me doy cuenta que es ambicioso, debo ir un paso a la ves ademas que no tengo formacion previa para todos estos conceptos mas que lo que estudie de informatica en secundaria y fue hace tiempo, y claro cuando comence con este viaje Dot.csv ni recuerdo como pero ah sido maravilloso

[@mackey255]

El: ... el cómo lo sabreis en el proximo video ... Yo: noooooooooo, tengo hambre de conocimiento ...

[@jackcloudman]

Recuerdos de vietman Quantum Fracture

[@hectorjuncal2312]

@@jackcloudman sip, se mandó una crespada

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@pizzicarlos89]

Ha hecho "La Crespada"

[@juandiegoorozco5531]

Wow , que buen material: el contenido, las animaciones, y la música, esta me pareció espectacular, rara vez encuentro en un video una música agradable, normalmente preferiría no escucharla, pero aquí, la selección fue excelente. excelente contenido!

[@GualaDRAKE]

Hola, genial la presentación pero me quedó gusto a poco jajajajaja, estuve buscando el video siguiente a este, ese donde ibas a explicar o comentar, ese donde íbamos a ver como entrar a sus entrañas para comprobar que si está aprendiendo... Gracias y saludos desde CHile ;)

[@acblade959]

EL MEJOR VIDEO DE CNN DE TODO KZbin!!! Mis felicitaciones!

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@SaidCortes]

Carlos me parece genial tu canal. He logrado aprender mucho con tus explicaciones y me han motivado a aprender mucho mas sobre este mundo de la inteligencia artificial. espero que sigas creando este tipo de contenidos, y seria genial que realices IA NOTEBOOKs , sobre las redes neuronales convolucionales. saludos..!!

[@alexg.barreto9404]

Este si es un canal en el que realmente se aprende algo. Me gusta el equilibro que se mantiene por exponer el contenido a la vez que se hace ameno. No solo se busca audiencia y divulgación que es lo que está pasando con date-un-vlog y otros canales de ciencia. Son videos para ponerse a estudiar cada cosa que se dice, para los que interesados en aplicación de IA que no somos ingenieros. Felicidades, tienes un fiel suscriptor!

[@jpierre8703]

Tu modo de enseñar es demasiado bueno y entretenido, gracias, capo!

[@JuanMantilla77]

Excelente video y explicación Carlos, hace bastante que no toco las redes convolucionales y con tus próximos notebooks estaré al pendiente y como no, de aprender muchas más cosas. Muchas gracias!

[@bullsize]

amigo, recienlo vi tu video y comprendi por fin de que se trata, te amo loko!

[@DanielaDaniela-js2ef]

Excelente. En cuanto a la matrícula, estoy interesada pero, hata hoy me enteté ¿Puedo obtener los beneficios aún?

[@danielgil1827]

Tengo que hacer un ensayo sobre esto, mucha gracias, es el canal que siempre me saca de apuros

[@paulaandreamontenegrochauc4420]

Como siempre, me encanta tu canal !!!!!!!!!! que don tan especial te ha dado Dios para explicar algo tan cmplej de forma tan eficiente!!!!! Que Dios te bendiga con más!!!!!!!!!!!!!!

[@claudiaandreasanchezperez8286]

muy buen video me gusta ya que casi nadie se toma la molestia de explicar las cosas de forma interactiva y divertida es mi puerta de entrada a esos extensos papers

[@FingleAnimes]

No me dejes así! Quiero continuación! Me encanta tu trabajo! Graicas!

[@mojojojo4452]

Me gusta este formato! Estoy viendo visión por computador en mi semestre de ingeniería física y pude aclarar un montón de cosas gracias a este video!:3

[@aleeherasimiuk]

Aaaaaaaaaaaayyy cuanto tiempo esperé este video. Muchas gracias Carlos por tu trabajo!

[@NACHOASLAR]

Hoy en mi clase de Deep Learning de mi universidad pregunte mucho de lo que explicaste en este video. Muy buenoo!

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@Esukyra]

Que maravillosa noticia el que se vayan a hacer más vídeos para profundizar en el tema!

[@kracaro]

Hola soy estudiante de data science en la Universidad de London, me encanto tu video y tus explicaciones, me podrias pasar por favor algunos de los papers/libros en los que te basaste para explicar CNN en para la vision artifical? muchas gracias! Espero ver tus proximos videos

[@osvaldo5510]

Que grande eres para explicar gracias!!. Existe el video haciendo el código??

[@groxor]

Cada video tuyo vale ORO! Siento que aprenderé cosas nuevas y extraordinarias cada que suena la campanita! Gracias DOTCSV!

[@diegosarmiento2130]

"¿¿Se ha entendido la explicación??" ... No se, dímelo tu, ah!, has preguntado :P

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@alexisvazquez7132]

muchas gracias, he estado esperando este vídeo. me ayudara mucho en mi tesis. saludos.

[@Leibniz_28]

Como siempre, excelente video. Una de las mejores formas de enteder estas redes es poder visualizar sus cálculos.

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@pacomacedob]

Excelente video. Gracias. Un saludo desde Lima.

[@JehanneS_TheArtMaker]

Buenos días Carlos, llevo un tiempo esperando tu tercer vídeo sobre redes convolucionales y el tutorial sobre transferencia de estilo o DeepDream, que dijiste que harías. Planeas hacerlo en un futuro ? Gracias por tus aportes , son de gran ayuda.

[@tinosalgado6975]

Muchas gracias por compartir tu conocimiento. Tengo una duda, voy iniciando en el reconocimiento de imagenes, hasta el momento he visto los filtros más comunes: media, mediana, sobel, canny y otros filtros en el dominio de la frecuencia, viendo este vídeo me surge la pregunta, ¿en la CNN como se determinan los filtros que se aplican?

[@MrAndrewiphone1]

Tenía ganas de un video así sobre este tema desde hace como un año! Gracias :)

[@augustor.m.3260]

Me quedé esperando el notebook de programación de arquitectura convolucional. Gracias por el video.

[@ezequielangelucci1263]

TE HAS MARCADO UN CRESPO ! 12:40 Xd

[@carlovinggiocolmenares461]

Espero que no le copie las malas prácticas jajajaja

[@ezequielangelucci1263]

@@carlovinggiocolmenares461 si xd

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@gabikorn88]

Muy buen video. Pregunta: se puede crear un red convolucional completa desde cero (sin usar ninguna librería) en java?

[@josemanuelmoralesgonzalez8900]

Hola, donde podemos consultar los IA notebook de los que hablas en el video ?.

[@jevar4502]

gracias profe Carlos, excelente …..complicado el tema pero se entendió!!!!

[@TheSimoncio]

Profesor... muchas pero muchas gracias.

[@sesamoideo]

Hola. He visto algunos de tus vídeos y me gusta mucho como explicas, el problema es que me gustaría seguirlos desde 0 en lo que a redes neuronales se refiere y no sé cual sería la secuencia a seguir. ¿Alguna sugerencia?. Gracias por compartir tus conocimientos. Un abrazo

[@Zul-g2i]

Muy bonito, pero no entendí todo lo que dijo. Buscaré sus videos iniciales esperando sean tan buenos como este. Mas que desesperarme o dejarlo me dió mas curiosidad 🤔. Gracias por tan excelente trabajo!!!

[@santiagovalenciaa]

Gracias. Estoy adentrándose en este campo y me es muy útil este video. Sigue así. Saludos desde Ecuador.

[@p._7555]

Espero con ansias el próximo video !!! PD: una cuenta @Elaiot Toiale está spameando todos los comentarios de tus videos.

[@SergioE724]

Ojalá podamos ver la continuación del NLP antes de que termine el año. Pendiente y a la espera de esta trilogía de videos para las redes convolucionales

[@Gabgena]

Excelente! Muy detallado y bien explicado

[@fernandogarciamartinez7815]

Justo he empezado el curso de Andrew Ng sobre redes convolucionales y salta este video 🤩

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@johnshure]

Gran contenido! Falta algo en esta explicación... ¿Debes tutelar a la red para que sepa cuando acierta?¿O usa contenidos de la red como GPT-3?

[@Koreano2k]

Excelente trabajo haces siempre, gracias!!!!!!

[@alvarosooli]

Pedazo de vídeo Carlos. Haces un contenido de calidad exquisita de verdad. Ayudas mucho al campo de la IA como tal y a la gente también. Enhorabuena.

[@lucianoalzugaray1832]

Gracias! Super claro. Es una genialidad.

[@javierbermudez549]

muy buenos tus Videos! queria pregutarte si es posible que compartas los Articulos relacionados con este video? me interesa leer un poco mas sobre el tema pero mas basado en "operational applications" o en que Compañías y en que areas se usan redes neuronales Convolucionales. como los ejemplos que citas en el video. Muchas Gracias por tus Videos!!!!!!

[@erickgualpa9770]

10/10! Se agradece este tipo de contenido tan bien explicado, con unas animaciones tan bien hechas y en castellano

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@josempfortes]

Genial !!! , estas de vuelta !!!! por favor mas videos en el canal

[@xacompany]

No me lo pierdo, siempre un contenido excepcional.

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@MegaLobo000]

Hola Excelente video. Disculpa estoy intentando hacer un ayudante para personas con discapacidad en el habla, en Español, sabes donde puedo conseguir información o ejemplos?. Gracias

[@carlosprudencio9804]

Gracias por el trabajo que haces. En Latinoamérica te amamos.

[@elchristog]

extrañaba estos videos tan pulidos, felicitaciones y gracias Carlos

[@erikantonioticonipaquispe8815]

Muchas Gracias por el trabajo que realizas , el tiempo que le dedicas, un grande video totalmente recomendado hay que verlo un par de veces para entenderlo del todo

[@elaiottoiale4216]

kzbin.info/www/bejne/oJjSfJh_aN5lnNE

[@junmolgalla2147]

Me encanta todo esto. Solo una precisión. Dijiste que el procesamiento de una imagen para nosotros corresponde a una posición desde los elementos al todo; como un procesamiento en cascada. Esto es problemático porque: 1. No sabemos si realmente es así. 2. La mayor parte de la evidencia (psicofisica, psicología de la gestalt, control de estímulos, y detección de señales) apunta a que no es así. 3. Los procesos de abstracción (complejidad) no solo van a lo extenso sino también a lo mínimo. Para poner esto en terminos simples partamos de que abstraer no es nada del otro mundo, sino que es separar, es decir abstraer = separar. Esto suena contraintuitivo pero de hecho, es la separación lo que solemos generalizar en los razonamientos, por ejemplo, las personas piensan. Lo que se abstrae es el pensar. Las caras tienen ojos, lo que se abstrae de la cara son los ojos. Se discriminan propiedades (elementos) de lo que percibimos como un todo y lo mezclamos con otras cosas. Separo la dureza del diamante como un todo y la comparto con la dureza del algodón. La dureza se abstrae de estos elementos, no al revés. El punto que tienes muy cierto es que nuestro sistema está adaptado para hacer esas discriminaciones, pero no partimos de las texturas a la cara, partimos de la cara, y de todo lo que vemos como un todo general a las texturas. Aprendemos a ver ojos sin necesidad de rostros, y no rostros desde los ojos, ni desde las texturas ni desde nada. Casi todo a punta que los rostros se perciben como tal. Esto tiene muchas implicaciones filosoficas y prácticas a la hora de investigar. Mi anotación al respecto es que no está bien comparar análogamente el procesamiento de sistemas computacionales con el del humano. Y se llegan a hacer interpretaciones erróneas sobre el como somos nosotros a partir de estas interpretaciones computacionales. Esto lo critican bastante bien en el libro "In our Own: Image" de un autor griego el cual no sé escribir su apellido, jajja. Zarkadisky creo. Estos argumentos no buscan poner al humano sobre la máquina ni viceversa, sino dar a conocer sus diferencias funcionales a la hora de enfrentarse a una tarea que en este caso es la de procesar una imágen. Como notas aclaratorias. 1. La abstracción va del todo a las partes, pero también del todo a un todo más grande. En ambos procesos, el todo y la parte son relativos de aquello que se estudia. La cara es un todo para los ojos, los ojos un todo para las células oculares, las células un todo para sus organelos, y estos un todo.. esta separación puede llevarnos a una regresión al infinito, lo mismo cuando vamos a lo más grande. Por eso la separación del todo y las partes es cuestión del análisis a realizar. Creo yo que las máquinas algún día serán como en "Her", capaces de partir desde diferentes niveles de análisis y que potencialmente las podamos llamar "vivas".

[@lumafe1975]

Excelentes tus explicaciones. Que bueno sería un vídeo sobre AlphaFold no?

[@jalejandro0211]

¡Excelente Explicación💯!

[@pacobelmonte]

Más claro, agua. Gracias por tu esfuerzo.

[@GiorgiMamaladze]

Fua....este video me ha entusiasmado muchísimo!

[@guevaraescultores4124]

Felicidades, he aprendido un montón, podría hablar de jerarquía (filtros) en función del deep learning, gracias

[@david_pirri]

Muy bien explicado y es interesante.