Del curso: Python para data scientist avanzado
Accede al curso completo hoy mismo
Únete hoy para acceder a más de 23.100 cursos impartidos por expertos del sector.
Neural networks: fundamentos teóricos - Tutorial de Python
Del curso: Python para data scientist avanzado
Neural networks: fundamentos teóricos
Las "neural networks" o redes neuronales son uno de los modelos más populares hoy en día. Su fundamento es muy parecido a cómo funciona el cerebro humano. Y esto, a su vez, es su punto fuerte y su punto débil. Son muy costosas computacionalmente. Pero, a su vez, funcionan muy bien a la hora de aproximar todo tipo de estructuras internas dentro de nuestros datos, ya sean lineales o no lineales. Si lo que queremos es ver cómo funciona este proceso de manera sencilla, esta es la estructura básica que vamos a encontrarnos. Tenemos una primera capa que son nuestros "inputs", es decir, nuestros datos, las variables regresoras o 'x', en función de la terminología que queramos usar. A la derecha tenemos nuestros "outputs", es decir, la variable Respuesta con sus distintas categorías o valores. Y, por último, el elemento central de nuestro modelo, que son las capas ocultas. Estas capas ocultas son una combinación lineal de los elementos de los "inputs" y otras capas ocultas. Estas…
Practica mientras aprendes con los archivos de ejercicios.
Descarga los archivos que el instructor utiliza para enseñar el curso. Sigue las instrucciones y aprende viendo, escuchando y practicando.
Contenido
-
-
-
(Bloqueado)
Validación interna y externa3 min 54 s
-
(Bloqueado)
Validación externa en Python3 min 57 s
-
(Bloqueado)
Qué es y cómo actúa el K-Fold4 min 8 s
-
(Bloqueado)
Leave one out: en qué consiste2 min 36 s
-
(Bloqueado)
Neural networks: fundamentos teóricos3 min 49 s
-
(Bloqueado)
Neural networks en la práctica5 min 25 s
-
XGboost y los árboles de clasificación3 min 46 s
-
(Bloqueado)
XGboost en Python4 min 58 s
-
(Bloqueado)
-
-
-
-