Neural Networks and Deep Learning

Lo que cubre

Primer curso de la especialización en Deep Learning de DeepLearning.AI. Establece los fundamentos matemáticos y de implementación de las redes neuronales: qué es una neurona, cómo se componen las capas y por qué el deep learning funciona para representar funciones complejas.

Lo que aprendí

• Redes neuronales: modelo de una neurona, funciones de activación y composición de capas.
• Propagación hacia atrás (backpropagation): cómo se calcula el gradiente de la función de costo respecto a cada parámetro usando la regla de la cadena.
• Vectorización: reemplazar bucles por operaciones matriciales con NumPy para aprovechar paralelismo y reducir drásticamente el tiempo de cómputo.
• Clasificación binaria: implementar una red desde cero con Python y NumPy, incluyendo inicialización, forward, backward y actualización por descenso de gradiente.

Por qué importa

Es la base sobre la que descansan los cursos siguientes (afinamiento de hiperparámetros, estructuración de proyectos). Sin una comprensión sólida de backprop y vectorización, el resto de la especialización no se sostiene.

Institución

DeepLearning.AI — especialización fundada por Andrew Ng.