Cursos de Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo

Conceptos básicos de TensorFlow

• Creación, inicialización, almacenamiento y restauración de variables de TensorFlow
• Alimentando, leyendo y precargando los datos de TensorFlow
• Cómo usar la infraestructura de TensorFlow para entrenar modelos a escala
• Visualización y evaluación de modelos con TensorBoard

Mecánica TensorFlow

• Entradas y marcadores de posición
• Construye los GraphS
  • Inferencia
  • Pérdida
  • Formación
• Entrenar el modelo
  • La gráfica
  • La sesión
  • Train Loop
• Evaluar el modelo
  • Construye el Gráfico Eval
  • Salida Eval

El Perceptron

• Funciones de activación
• El algoritmo de aprendizaje perceptron
• Clasificación binaria con el perceptrón
• Clasificación de documentos con el perceptrón
• Limitaciones del perceptrón

Desde Perceptron hasta Support Vector Machines

• Kernels y el truco del kernel
• Máxima clasificación de márgenes y vectores de soporte

Redes neuronales artificiales

• Límites de decisión no lineal
• Feedforward y feedback redes neuronales artificiales
• Perceptrones multicapa
• Minimizando la función de costo
• Propagación hacia adelante
• Reproducción posterior
• Mejorando la forma en que las redes neuronales aprenden

Redes neuronales convolucionales

• Metas
• Arquitectura modelo
• Principios
• Organización de código
• Lanzamiento y entrenamiento del modelo
• Evaluar un modelo