Optimización de Redes Neuronales Profundas
Offered By: Universidad Austral via Coursera
Course Description
Overview
Este curso se centrará en la optimización de Redes Neuronales Profundas, cambiando la idea de que todo el proceso es una “caja negra”.
Comprenderá qué impulsa el rendimiento y podrá obtener mejores resultados de manera más sistemática
Entenderá cómo optimizar los principales Hiperparámetros y su implementación.
Además, aprenderá nuevos conceptos útiles para el entrenamiento de las redes como los mini-batch y las regularizaciones.
También, aprenderá a implementar una red neuronal utilizando TensorFlow
Syllabus
- Aspectos prácticos del aprendizaje profundo
- Se estudiará cómo configurar su aplicación de aprendizaje automático, separando los sets de entrenamiento y testeo. Se entenderá que es la regularización en una red neuronal y cómo definir el problema para poder optimizarlo.
- Algoritmos de Optimización
- Se estudiarán los distintos métodos de optimización que se pueden utilizar en el entrenamiento de redes neuronales profundas. Además, se analizarán las ventajas de trabajar con minibatches para acelerar el proceso y los beneficios de aplicar una diminución progresiva a la tasa de aprendizaje.
- Ajuste de Hiperparámetros, Normalización por lotes e implementación en Tensorflow
- Se aprenderán las principales técnicas y opciones en el ajuste de Hiperparámetros, la normalización por lotes y se introducirá la librería Tensorflow para la implementación de redes neuronales en Python
Taught by
Rafael Crescenzi and Pablo Alejandro Albani
Tags
Related Courses
Creative Applications of Deep Learning with TensorFlowKadenze Creative Applications of Deep Learning with TensorFlow III
Kadenze Creative Applications of Deep Learning with TensorFlow II
Kadenze 6.S191: Introduction to Deep Learning
Massachusetts Institute of Technology via Independent Learn TensorFlow and deep learning, without a Ph.D.
Google via Independent