¿Qué es una Red Neuronal? Parte 2 : La Red | DotCSV

Summary

En este segundo vídeo, exploramos cómo organizar neuronas artificiales para formar redes neuronales más potentes. Aprendemos que conectar neuronas en capas ocultas permite que la red aprenda conocimientos jerárquicos y abstractos. Sin embargo, para evitar que la red colapse en una simple operación lineal, es fundamental introducir funciones de activación no lineales (como la sigmoide o ReLU). Esto permite a la red crear fronteras de decisión complejas, pasando de separar puntos con una línea recta a resolver problemas de clasificación intrincados, como rodear grupos de datos geométricamente.

Chapters

1. 0:00Recap and Neural Networks Overview
2. 2:13Organizing Neurons and Layers
3. 5:52Deep Learning and Linear Collapse
4. 8:19Activation Functions Explained

Topics covered

• Organización en capas
• Capas ocultas y profundidad
• Aprendizaje jerarquizado
• Funciones de activación
• No linealidad
• Tipos de funciones (Sigmoide/ReLU)
• Interpretación geométrica
• Resolución de clasificación compleja

Transcript excerpt

redes neuronales malena les na na na na na na les parte 2 ya los celos se que ha pasado mucho tiempo entre vídeos vídeos como que no te acuerdas de la primera parte vale me hago cargo repaso rápido a ver recuerda en la primera parte nos centramos en entender que era una neurona artificial componente básico dentro de una red neuronal vimos como matemáticamente una neurona se definía como una suma ponderada en sus valores de entrada y como esto es equivalía al modelo de regresión lineal hablamos de nacho hits de realidad virtual sí en serio y con esto planteamos un ejemplo en el que comprobamos que el uso de una neurona podría modelar la información de una puerta andy y lo visualizamos e hicimos lo mismo con una puerta ahora y con una puerta son buenos con la puerta sur no pudimos y es que también comprobamos que con una sola neurona no se podía separar linealmente a una nube de puntos dis…