Introducción al Deep Learning

Desde el punto de vista del Deep Learning, ¿qué es realmente una red neuronal?

• Muchas capas de neuronas artificiales

• Un flujo de operaciones diferenciables

• Un flujo de operaciones arbitrarias

• Tan solo una palabra de moda

Históricamente, ¿cuál ha sido el problema principal para entrenar redes neuronales profundas?

• Altos costes computacionales

• No linealidad y mínimos locales

• Desvanecimiento de gradientes (vanishing gradients)

• Sobreajuste (Overfitting)

¿Cuál de las siguientes técnicas alivia el problema del desvanecimiento de gradientes?

• Activaciones de tangente hiperbólica

• Activaciones softmax

• Dropout

• Activationes ReLU (Rectified Linear Units)

¿Por qué el Dropout es útil en Deep Learning?

• Evita que la red recuerde datos de entrenamiento de manera exacta

• Elimina malas neuronas

• Elimina malas conexiones

• Acelera el tiempo de entrenamiento

¿Cuáles son los pasos para entrenar un modelo de Deep Learning?

• Crear y entrenar

• Diseñar la estructura, compilar y entrenar

• Programar las capas y entrenar

• Tensorflow se encarga de todo