Deep Learning
Redes neuronales profundas en el orden de las sesiones del curso: de las redes densas a los transformers. Cada lección es una animación paso a paso con los datos reales del entrenamiento.
Las animaciones publicadas son versiones preliminares: todavía están en revisión y pueden tener errores.
Redes neuronales profundas Tema 1
Qué es una red, cuándo le gana al machine learning clásico y cómo aprende con descenso de gradiente.
Redes convolucionales Tema 2
Cómo una red lee una imagen.
Una LeNet-5 aprende a leer dígitos de MNIST: lotes reales, la pérdida de cada imagen, el backward capa por capa y el paso de AdamW.
Detección de objetos Tema 3
Encontrar y encerrar objetos: cajas, puntajes, IoU y NMS.
Una red pequeña al estilo YOLO aprende a encontrar dígitos sobre fotos reales de la calle, desde la red recién nacida hasta las cajas finales.
Segmentación de imágenes Tema 4
Etiquetar cada píxel de una imagen, no solo encerrar el objeto en una caja.
Una U-Net aprende a pintar, píxel por píxel, dónde hay edificios en fotos satelitales: el camino que baja, el que sube y los atajos que los unen.
Modelos generativos y secuencias Tema 5
Redes que inventan imágenes y redes que leen datos en orden.
Transformers y redes de grafos Tema 6
La atención, base de los modelos de lenguaje, y las redes que aprenden sobre conexiones.