Deep Learning con Python y PyTorch - Red Neuronal Desde Cero. ¡Sólo Python! - PARTE 2

Código: https://github.com/JACantoral/DL_fundamentals/blob/main/fundamentals_DL_NN_from_scratch.ipynb ¡Llegó el momento de programar nuestra primera Red Neuronal! Utilizando sólo Python, sin frameworks de Deep Learning. Para esto, en la primera parte de este video se explicó como implementar las funciones necesarias para realizar el forward y backward pass de nuestro modelo. En este video, utilizamos estas funciones para programar la función que va a realizar el loop de entramiento de nuestra Red Neuronal. Así, vamos a validar que nuestra red neuronal aprende a clasificar números contenidos en el dataset MNIST. 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. I will be uploading at least one new video every week until we reach different architectures of CNNs. Then, depending on the response and interest in the series I may cover newer models using Generative Adversarial Networks (GANs), and Recurrent Neural Networks.