Deep Learning con Python y PyTorch - ¿Qué es Inteligencia Artificial?

En este video presento una introducción muy breve al apasionante campo de Inteligencia Artificial, con particular énfasis en Deep Learning. El video presenta un resumen súper rápido de qué es Inteligencia Artificial así como algunas razones por las cuales ha tomado tanta relevancia en nuestra vida cotidiana. Este es el primer video de la serie Fundamentos de Deep Learning con Python y PyTorch, en los siguientes videos se presentarán conceptos matemáticos relevantes hasta llegar a la implementación de los modelos en código. Acerca de la serie Fundamentos de Deep Learning con Python y PyTorch: En esta serie de videos explico qué son las Redes Neuronales (Neural Networks) y qué es Aprendizaje Computacional (Machine Learning) así como Deep Learning. Empezamos con los principios matemáticos fundamentales hasta su implementación en código. Para esto, primero utilizaremos Python y Numpy para entender los principios de programación de Redes Neuronales incluyendo el algoritmo de retropropagación (backpropagation). Con estas bases, presentaremos el framework PyTorch y construiremos modelos más complejos como son Redes Neuronales Convolucionales (Convolutional Neural Networks - CNNs). About the video series: In this video series I will explain what Neural Networks are, and how Deep Neural Networks work, from the mathematical principles to their implementation in code. Firstly, we will use pure Python and Numpy to understand the fundamentals including backpropagation for a simple Fully Connected Network, and from there we will build on to Convolutional Neural Networks (CNN) using PyTorch. Referencias - W. McCulloch and W. Pitts. “A logical calculus of the ideas immanent in nervous activity,” Bulletin of Mathematical Biophysics, Vol 5, 1943 - A. M. Turing, “I.—COMPUTING MACHINERY AND INTELLIGENCE,” Mind, vol. LIX, no. 236, pp. 433–460, Oct. 1950, doi: 10.1093/mind/LIX.236.433. - D. Silver et al., “Mastering the game of Go with deep neural networks and tree search,” Nature, vol. 529, no. 7587, pp. 484–489, Jan. 2016, doi: 10.1038/nature16961. Vinyals, O., Babuschkin, I., Czarnecki, W.M. et al. Grandmaster level in StarCraft II using multi-agent reinforcement learning. Nature 575, 350–354 (2019). https://doi.org/10.1038/s41586-019-1724-z - C. Berner et al., “Dota 2 with Large Scale Deep Reinforcement Learning,” 2019 - A. Krizhevsky, I. Sutskever, and G. E. Hinton, “ImageNet Classification with Deep Convolutional Neural Networks,” in Proceedings of the 25th International Conference on Neural Information Processing Systems - Volume 1, USA, 2012, pp. 1097–1105, Accessed: Jul. 23, 2018. [Online]. Available: http://dl.acm.org/citation.cfm?id=2999134.2999257.