Fundamentos de Redes Neurales Artificiales y Principios de Entrenamiento

Este curso proporciona una introducción estructurada a los principios matemáticos básicos, modelos arquitectónicos y procedimientos de entrenamiento que permiten a las redes neuronales aprender de los datos, y cómo estos principios se pueden aplicar a la inteligencia artificial. Comenzará con definiciones esenciales y conceptos fundamentales, construyendo una base teórica sólida antes de explorar estrategias de optimización y rutinas de entrenamiento de red.A través de lecturas estructuradas y fragmentos de código prácticos, desarrollará una comprensión clara de cómo funcionan los sistemas de aprendizaje profundo bajo el capó. Lo que aprenderás: - Comprender la terminología fundamental, las funciones de activación y las arquitecturas de red básicas - Domine la mecánica de la propagación directa, las funciones de pérdida y la retropropagación - Aplique algoritmos de optimización, incluidos descenso de gradiente y tasas de aprendizaje adaptativo - Configurar técnicas de regularización como la deserción y la decadencia de peso para evitar el sobreajuste - Analizar problemas comunes de entrenamiento como gradientes de desaparición y aprender métodos para mitigarlos - Explore los conceptos fundacionales modernos, incluidos los mecanismos de atención y los conceptoes básicos del transformador El curso comienza con una teoría introductoria y avanza gradualmente a las estrategias clave de optimización, ofreciendo un marco conceptual completo.Está diseñado para principiantes, desarrolladores y entusiastas de los datos sin experiencia previa en aprendizaje profundo.Lea las lecciones para establecer una base sólida en la teoría de redes neuronales.