Retropropagación y Perceptrones de Capa Múltiple desde Cero

¿Alguna vez se ha preguntado qué sucede realmente bajo el capó cuando una red neuronal aprende? Para dominar verdaderamente el aprendizaje profundo, debe mirar más allá de las bibliotecas de alto nivel y comprender la mecánica central de cómo los flujos de datos y los gradientes se actualizan. Este curso basado en texto lo guía a través de las matemáticas fundamentales y los bloques de construcción estructurales de las redes neuronales modernas. Pasará de los conceptos teóricos a escribir código limpio y explícito que entrena un modelo desde cero. Al leer explicaciones claras y paso a paso, construirá una intuición sólida para la arquitectura de redes neuronais. Aprenderá a escribir multiplicaciones de matriz, funciones de activación y pasos de optimización sin depender de la magia automatizada. Lo que aprenderá: Comprenda las matemática de base detrás de los perceptrones multicapa y las operaciones de matrícula; Implemente la retropropagación manualmente para ver cómo fluyen los gradiente a través una red; Escriba funciones personalizadas de activacion y cálculos de pérdida usando tensores PyTorch; Aplique técnicas modernas de inicialización para evitar que los gradiantes desaparezcan o exploten; Configure bucles de entrenamiento básicos y pasos para optimizar desde 0; Lea y analice las formas de tensor para depurar problemas de arquitectura en la red.