Fundamentos de Redes Neuronales Artificiales a través de Cálculos Manuales

Para comprender verdaderamente cómo funciona el deep learning, primero debes dominar la mecánica subyacente de las redes neuronales artificiales. Confiar únicamente en librerías de alto nivel puede dejarte con lagunas en tu comprensión al depurar u optimizar arquitecturas de modelos. Este curso, solo de texto, te guía a través de las matemáticas fundamentales y el diseño estructural de las redes neuronales. Al realizar cálculos manuales paso a paso, construirás una comprensión intuitiva sólida de cómo fluyen los datos a través de una red, cómo se calculan los errores y cómo se actualizan los pesos durante el entrenamiento. Este conocimiento fundamental te prepara para pasar con confianza a conceptos avanzados de deep learning. Lo que aprenderás: - Comprender la inspiración biológica detrás de las neuronas artificiales y la historia de los perceptrones. - Analizar diferentes topologías de red y funciones de activación como Sigmoid, ReLU y Tanh. - Calcular la propagación hacia adelante y las funciones de pérdida manualmente para rastrear el flujo de datos. - Realizar la retropropagación a mano utilizando la regla de la cadena para actualizar pesos y sesgos. - Explorar técnicas de optimización modernas como Stochastic Gradient Descent y Adam. - Diseñar arquitecturas de red básicas en papel para resolver tareas simples de clasificación y regresión. Comenzamos con definiciones fundamentales, comparando neuronas biológicas con modelos artificiales y explorando arquitecturas de red básicas. Luego, progresarás a través de la mecánica matemática del entrenamiento, trabajando a través de ejercicios de cálculo detallados y escritos paso a paso que desmitifican el algoritmo de retropropagación. Este curso está diseñado para principiantes absolutos, aspirantes a científicos de datos y estudiantes que desean una comprensión matemática profunda de las redes neuronales antes de escribir código. No se requiere experiencia previa con librerías de deep learning, aunque la álgebra básica es útil. Comienza a leer hoy mismo para construir una base a prueba de balas en la mecánica de las redes neuronales.