Contenido

Objetivo

Diferenciar entre los tipos de redes neuronales artificiales (RNA) que existen, así como las capas que las conforman.

Descripción

A lo largo de este tema observarás los usos y aplicaciones de cada una de las RNA, además de sus distinciones y composición de capas.

Explicación

Haz clic para revisar la explicación.

Aprendizaje profundo

Recursos adicionales

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa la siguiente lectura:

Para conocer más sobre el aprendizaje profundo, te recomendamos leer:

Chen, B. (2020). Machine Learning Model Regularization in Practice: an example with Keras and TensorFlow 2.0. Recuperado de https://towardsdatascience.com/machine-learning-model-regularization-in-practice-an-example-with-keras-and-tensorflow-2-0-52a96746123e

Actividad

Objetivo

Reforzar los conceptos básicos del aprendizaje profundo.

Instrucciones

Contesta lo solicitado:

El overfitting o sobreajuste es un fenómeno indeseado en un modelo de aprendizaje automático que provoca que sea bueno trabajar con datos de entrenamiento, pero no con datos nuevos o nunca vistos.

Para minimizar el error durante el entrenamiento se usan técnicas de regularización. Investiga tres estrategias de regularización utilizadas en aprendizaje profundo y explica cómo funcionan.

Checklist

Asegúrate de:

  • Interpretar debidamente lo que es el overfitting.
  • A través de esta investigación, reafirmar la manera en que el aprendizaje profundo imita una red de neuronas biológicas.