A partir de una historia del aprendizaje automático, discutimos por qué las redes neuronales actuales funcionan tan bien en una variedad de problemas de ciencia de datos.

Luego discutimos cómo configurar un problema de aprendizaje supervisado y encontrar una buena solución utilizando el descenso de gradiente.

Esto implica crear conjuntos de datos que permitan la generalización; hablamos de métodos para hacerlo de una manera repetible que apoye la experimentación.

Objetivos del curso: Identificar por qué el aprendizaje profundo es actualmente popular Optimizar y evaluar modelos utilizando funciones de pérdida y métricas de rendimiento Mitigar problemas comunes que surgen en el aprendizaje automático Crear conjuntos de datos de prueba, evaluación y capacitación repetibles y escalables