Rutas de Estudio
1- Introducción
-
Archivos de Trabajo Deep Learning
-
Requisitos para Comenzar
-
1 - Introducción (2:50)
-
2 - De neuronas biológicas a neuronales (5:00)
-
3 - Neuronas Biológicas (2:34)
-
4- Computaciones (2:40)
-
5 - El Perceptron (5:09)
-
6 - Como funciona una red neuronal (11:03)
-
7 - Backpropagation Terminado (9:46)
-
8 - BackPeopagation de a 3 parámetros (7:51)
-
9- Backpropagation Optimizar todos los Parámetros (6:28)
-
10- Keras y Tensorflow (4:07)
-
11- Instalar Keras y Tensorflow (2:47)
-
12- Cargar los datos de CIFAR10 (8:39)
-
13- Checar las imagenes (2:12)
-
14- Armar el modelo (10:26)
-
15- Compilar el Modelo (3:06)
-
16- Correr el modelo y fracasar (4:35)
-
17- Corregir el modelo (13:45)
-
18- Usar el modelo para predecir (3:26)
-
19- Armar un modelo de regresion (12:06)
-
20- API Funcional (20:21)
-
21- Guardar un Modelo (2:08)
-
22- Callbacks (9:00)
-
23- Tensorboard (9:25)
-
24- Optimizar Modelos (14:21)
2.- Entrenando Redes Profundas
-
01- Introducción (2:51)
-
02- CIFAR10 - 1 (9:36)
-
03- El gradiente que se desvanece (7:03)
-
04- Inicializaciones (6:24)
-
05- Funciones de Activacion (8:02)
-
06- CIFAR10 - 2 (5:08)
-
07- Batch Norm (6:34)
-
08- Batch Norm en Keras (1:44)
-
09- Optimización por momentum (5:52)
-
10- Nesterov (1:42)
-
11- Adagrad (6:22)
-
12- RMS Prop (2:34)
-
13- Adam (2:43)
-
14.-CIFAR10-1 (7:08)
-
15.- CIFAR10-1 parte 2 (7:40)
-
16.- Shedules (4:15)
-
17- Intro Regularizacion (1:23)
-
18- Regularizacion L! y L2 (2:45)
-
19- Dropout (3:33)
-
20- MC Dropout (3:49)
-
21- Salida (2:00)
3.- Modelos Personalizados en Tensorflow
-
01- Introducción (1:50)
-
02- Tensorflow que es (4:33)
-
03- Que son tensores (2:23)
-
04- Tensores (4:09)
-
05- Indizar (1:02)
-
06- Operaciones (2:33)
-
07- TF y Numpy (3:29)
-
08- Variables (2:40)
-
09- HuberFn (14:00)
-
10- Cargar mdoelos (10:35)
-
11- Funciones Personalizadas (7:23)
-
12- Métrica de Streaming y metricas Personalizadas (12:31)
-
13- Capas Personalizadas (18:11)
-
14- Modelos personalizados (11:12)
4.- Cargar y Preprocesar Datos con Tensorflow
5.- Redes Neuronales Convolucionales
-
01- Introduccion (3:12)
-
02- La corteza Visual (4:11)
-
03- Como Funciona una Red neuronal Convolucional (14:00)
-
04- Agrupando Feature Maps Multiples (4:41)
-
05- Que tan pesadas son las CNNs (1:47)
-
06- Diferentes Redes Neuronales (20:17)
-
07-Segmentacion Semantica (3:09)
-
08- Temas Adicionales (4:57)
-
09- Progra1 - Preparar el libro de Trabajo (4:25)
-
10- Progra2 - Crear una capa convolucional (11:20)
-
11- Progra3 - Max Pooling (3:21)
-
12- Progra4 - AvgPooling 2 (1:59)
-
13- Progra5 - MNIST (14:08)
-
14- Progra6 - RESNET 34 (14:36)
-
15- Progra7 - Resnet 50 transfer (7:40)
-
16- Progra8 - Xception (24:30)
6.- Redes Neuronales Recurrentes
-
01 - Neuronas y Capas Recurrentes (4:52)
-
02 - Celdas de Memoria (2:16)
-
03 - Secuencia de Entrada y de Salida (2:14)
-
04- Entrenando RNNs (1:19)
-
05- Secuencia de Amazon (3:44)
-
06- Importaciones Comunes (1:41)
-
07- Series de tiempo - Parte 1 (2:31)
-
08- Series de tiempo - Parte 2 (11:40)
-
09- Series de tiempo - Parte 3 (7:05)
-
10- Series de tiempo - Parte 4 (4:42)
-
11- Series de Tiempo - Parte 5 (9:18)
-
12- Predecir Varios Pasos a Futuro - Parte 1 (9:30)
-
13- Predecir Varios Pasos a Futuro - Parte 2 (8:58)
-
14- Predecir Varios Pasos a Futuro - Parte 3 (10:36)
-
15- Manejar Secuencias Largas (2:10)
-
16- Manejar Secuencias Largas 2 (2:58)
-
17- Manejo de Secuencias Largas 3 - Batch Norm (3:38)
-
18- Manejo de Secuencias Largas 4 - Batch Norm (10:00)
-
19- Manejo de Secuencias Largas 5 - LSTM (5:01)
-
20- Manejo de Secuencias Largas 5-5 - LSTM Teoria (8:53)
-
21- Manejo de Secuencias Largas 6 - GRU_1 (3:12)
-
22- Manejo de Secuencias Largas Parte 7 Conv1d y Wavenet (5:30)
7.- Procesamiento de Lenguaje Natural
-
01- Procesamiento del lenguaje Natural (4:38)
-
02- Texto de Cervantes (1:59)
-
03- Comenzando con el Codigo (3:23)
-
04- Cargar el set de datos (8:45)
-
05- Ventanas para dataset (10:39)
-
06- Construir y entrenar el modelo de Char RNN (4:18)
-
07- Utilizando el Char RNN (8:47)
-
08- Stateful RNN HD (1:28)
-
09- Stateful RNN - Codigo (4:40)
-
10- Análisis de Sentimiento (1:19)
-
11- Analisis de Sentimiento - Código (11:54)
-
12- Masking (1:40)
-
13- Masking - Codigo (2:44)
-
14- Red encoder para tarducción2 (2:53)
-
15- El Codificador (4:24)
-
16- Codificador - Codigo (20:17)
-
17- Codificador - Codigo (4:44)
-
18- RNNs Bidireccional (1:10)
-
19- RNN Bidireccionales Codigo (0:31)
-
20- Beam Search (3:36)
-
21- Mecanismos de atencion (5:13)
-
22- Mecanismos de atención - Codigo (5:07)
-
23- Atencion es todo lo que necesitas (2:44)
-
24- Que Comen los Transformers (9:16)
-
25-Atención Multi Cabeza (13:11)
-
26- El decodificador (7:26)
-
27-Atencion Enmascarada (4:15)
8.- Autoencoders y GANs
-
01- Introducción (3:24)
-
02- Armar un PCA con un Autoencoder (4:55)
-
03- Autoencoders Encimados (1:08)
-
04- Implementacion en Keras (5:32)
-
05- Preentrenamiento sin supervision (1:15)
-
06- Un Autoencoder a la vez (1:07)
-
07- Autoencoders Convolucionales (0:51)
-
08- Autoencoders Convolucionales (6:03)
-
09- Autoencoders Recurrentes (4:46)
-
10- Autoencoders para quitar ruido (4:03)
-
11.- Autoencoders Dispersos (2:28)
-
11a.- Autoencoders de Dispersion (2:31)
-
12- Autoencoder Variacional (2:39)
-
13- Autoencoder Variacional (5:56)
-
14- Generar imagenes de MNIST moda (2:30)
-
15.- GANs (3:02)
-
16- Base Matemática de las GANs (8:14)
-
17- Gan para MNIST (9:39)
-
18- La dificultad de Trabajar con GANs (3:43)
-
19- GANs Convolucionales Profundas (1:09)
-
20- GANs que crecen (2:49)
9.- Aprendizaje de Refuerzo
-
01- Intro (3:59)
-
02- Optimizando Premios (2:41)
-
03- Normas Correctas (1:50)
-
04- Open AI Gym (14:24)
-
05- Una Política Simple (7:05)
-
06- Una política con aprendizaje profundo (4:07)
-
07- Políticas de Redes Neuronales_mezcla (2:30)
-
08- Asignación de crédito (3:48)
-
09- Gradientes de Política (1:24)
-
10- Gradientes de Política (15:58)
-
11- Procesos de decision Markov (16:37)
-
12- Programando MDP (11:19)
-
13- Aprendizaje De Diferencia Temporal (2:35)
-
14- Q Learning (12:32)
-
15- Políticas de Exploracion (1:07)
-
16- Aprendizaje Q profundo (2:59)
-
17- DQNs en Accion (19:47)
-
18- Variantes de DQN (3:29)
¡Felicidades! has concluido tu curso de Deep Learning
