Aprendizaje profundo a escala

Capítulo 2. Aprendizaje profundo

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

El capítulo 1 trataba del impacto de la escala en la historia y la evolución del aprendizaje profundo. Este capítulo se sumerge en la mecánica interna del aprendizaje profundo e incluye dos Ejercicios Prácticos para calentar tus habilidades de aprendizaje profundo. Investigarás el papel de los datos en el aprendizaje profundo y explorarás varios conceptos implicados en el desarrollo de modelos, utilizando una implementación minimalista en Python del aprendizaje profundo. Tendrás la oportunidad de aplicar estos aprendizajes construyendo un modelo basado en PyTorch y explorando algunas utilidades auxiliares importantes e interesantes que son necesarias para todos los esfuerzos de escalado. Este capítulo está muy orientado a la práctica y no profundiza en los fundamentos teóricos del aprendizaje profundo. Consulta Deep Learning de Aaron Courville, Ian Goodfellow y Yoshua Bengio si buscas conocimientos teóricos fundamentales.¹

El papel de los datos en el aprendizaje profundo

Todos los modelos son erróneos, pero algunos son útiles.

-George Box

Aprendizaje profundo es una técnica de programación de datos que utiliza enfoques algorítmicos para obtener resultados dada(s) la(s) variable(s) de entrada. El aprendizaje profundo se basa en gran medida en las matemáticas y la estadística para obtener un modelo $M$ tal que el resultado y pueda ...