Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Capas de Perceptrón | Neural Network from Scratch
course content

Contenido del Curso

Introduction to Neural Networks

1. Concepto de Red Neuronal

¿Qué es una Red Neuronal?Neural Network Structure¿Qué es una neurona?Funciones de ActivaciónPropagación hacia Adelante y hacia AtrásAplicaciones del Aprendizaje Profundo en el Mundo Real

2. Red Neuronal desde Cero

Implementación de una sola neuronaCapas de PerceptrónPropagación hacia adelantePropagación hacia atrásProcesamiento Previo de DatosEntrenamiento y Evaluación de ModelosRed Neuronal con scikit-learn

3. Conclusión

Redes Neuronales o Modelos TradicionalesOtros tipos de Redes NeuronalesAjuste Manual de HiperparámetrosAjuste Automático de HiperparámetrosPrueba Final Resumen

Introduction to Neural Networks

Capas de PerceptrónCapas de Perceptrón

Perceptrón es el nombre de la red neuronal más simple, que consta de una sola capa oculta. Sin embargo, para poder resolver problemas más complejos, crearemos una variación del perceptrón llamada perceptrón multicapa (MLP). Un perceptrón multicapa consta de múltiples capas ocultas. La estructura de un perceptrón multicapa es la siguiente:

  1. Una capa de entrada: Recibe los datos de entrada.
  2. Capas ocultas: Estas capas procesan los datos y extraen patrones. En nuestro modelo tenemos dos capas ocultas.
  3. Capa de salida: Produce la predicción o clasificación final.

En general, cada capa consta de múltiples neuronas, y la salida de una capa se convierte en la entrada de la capa siguiente.

Tarea

Configurar la estructura básica del perceptrón implementando sus capas.

  1. Crea las neuronas y especifica el número de sus entradas.
  2. Activa las neuronas para la propagación hacia delante.
    1. Definir tres capas: 2 capas ocultas y 1 capa de salida.

¿Todo estuvo claro?

Sección 2. Capítulo 2
toggle bottom row
course content

Contenido del Curso

Introduction to Neural Networks

1. Concepto de Red Neuronal

¿Qué es una Red Neuronal?Neural Network Structure¿Qué es una neurona?Funciones de ActivaciónPropagación hacia Adelante y hacia AtrásAplicaciones del Aprendizaje Profundo en el Mundo Real

2. Red Neuronal desde Cero

Implementación de una sola neuronaCapas de PerceptrónPropagación hacia adelantePropagación hacia atrásProcesamiento Previo de DatosEntrenamiento y Evaluación de ModelosRed Neuronal con scikit-learn

3. Conclusión

Redes Neuronales o Modelos TradicionalesOtros tipos de Redes NeuronalesAjuste Manual de HiperparámetrosAjuste Automático de HiperparámetrosPrueba Final Resumen

Introduction to Neural Networks

Capas de PerceptrónCapas de Perceptrón

Perceptrón es el nombre de la red neuronal más simple, que consta de una sola capa oculta. Sin embargo, para poder resolver problemas más complejos, crearemos una variación del perceptrón llamada perceptrón multicapa (MLP). Un perceptrón multicapa consta de múltiples capas ocultas. La estructura de un perceptrón multicapa es la siguiente:

  1. Una capa de entrada: Recibe los datos de entrada.
  2. Capas ocultas: Estas capas procesan los datos y extraen patrones. En nuestro modelo tenemos dos capas ocultas.
  3. Capa de salida: Produce la predicción o clasificación final.

En general, cada capa consta de múltiples neuronas, y la salida de una capa se convierte en la entrada de la capa siguiente.

Tarea

Configurar la estructura básica del perceptrón implementando sus capas.

  1. Crea las neuronas y especifica el número de sus entradas.
  2. Activa las neuronas para la propagación hacia delante.
    1. Definir tres capas: 2 capas ocultas y 1 capa de salida.

¿Todo estuvo claro?

Sección 2. Capítulo 2
toggle bottom row
some-alt